基于卷积神经网络的信息检索方法、及其相关设备技术

本发明专利技术涉及大数据技术领域，提供了一种基于卷积神经网络的信息检索方法、及其相关设备，所述基于卷积神经网络的信息检索方法包括：对获取到的查询语句进行分词处理，得到目标分词；应用预先训练好的意图模型对目标分词进行意图识别，得到意图识别结果；将意图识别结果与预设模型库中的标识信息进行匹配；若匹配成功，则从预设模型库中选取标识信息对应的语义槽模型对目标分词进行语义槽类型识别，得到槽位识别结果；根据意图识别结果与槽位识别结果，确定查询对象；根据查询对象确定查询结果，并将查询结果发送给查询用户。本发明专利技术的技术方案实现根据查询语句自动反馈查询结果，通过结合意图识别与槽位识别的方式提高信息查询的准确性。

Information retrieval method and related equipment based on convolutional neural network

【技术实现步骤摘要】
基于卷积神经网络的信息检索方法、及其相关设备
本专利技术涉及大数据
，尤其涉及一种基于卷积神经网络的信息检索方法、及其相关设备。
技术介绍
传统的信息检索方法主要基于关键词对信息进行检索或者基于互联网表格，通过搜索引擎进行检索，但这两种方法都存在缺陷，其中，基于关键词对信息进行检索的方法命中率较低，其搜索引擎的关键词检索需要大量语料，在许多场景下，小规模或中等规模的语料难以达到理想的效果；而基于互联网表格，通过搜索引擎进行检索的方法存在精确度不高、性能欠佳的问题；从而导致用户无法根据传统的信息检索方法准确查询到对应的信息，进一步影响用户的工作效率。
技术实现思路
本专利技术实施例提供一种基于卷积神经网络的信息检索方法、及其相关设备，以解决传统的信息检索方法准确性不高，导致用户无法准确查询信息，进而影响工作效率的问题。一种基于卷积神经网络的信息检索方法，包括：从预设数据库中获取查询用户输入的查询语句；对所述查询语句进行分词处理，得到目标分词；应用预先训练好的意图模型对所述目标分词进行意图识别，得到意图识别结果；将所述意图识别结果与预设模型库中的标识信息进行匹配，其中，所述预设模型库包含不同的标识信息及标识信息对应的语义槽模型；若匹配到与所述意图识别结果相应的标识信息，则从预设模型库中选取所述标识信息对应的语义槽模型对所述目标分词进行语义槽类型识别，得到槽位识别结果；根据所述意图识别结果与所述槽位识别结果，确定查询对象；从查询数据库中获取所述查询对象对应的查询结果，并将所述查询结果发送给所述查询用户。一种基于卷积神经网络的信息检索装置，包括：获取模块，用于从预设数据库中获取查询用户输入的查询语句；分词模块，用于对所述查询语句进行分词处理，得到目标分词；意图识别模块，用于应用预先训练好的意图模型对所述目标分词进行意图识别，得到意图识别结果；匹配模块，用于将所述意图识别结果与预设模型库中的标识信息进行匹配，其中，所述预设模型库包含不同的标识信息及标识信息对应的语义槽模型；槽位识别模块，用于若匹配到与所述意图识别结果相应的标识信息，则从预设模型库中选取所述标识信息对应的语义槽模型对所述目标分词进行语义槽类型识别，得到槽位识别结果；确定模块，用于根据所述意图识别结果与所述槽位识别结果，确定查询对象；发送模块，用于从查询数据库中获取所述查询对象对应的查询结果，并将所述查询结果发送给所述查询用户。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于卷积神经网络的信息检索方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于卷积神经网络的信息检索方法的步骤。上述基于卷积神经网络的信息检索方法、装置、计算机设备及存储介质，通过对查询语句进行分词处理得到目标分词，利用预先训练好的意图模型对目标分词进行意图识别，将识别后得到的意图识别结果与预设模型库中的标识信息进行匹配，选取匹配成功的标识信息对应的语义槽模型对目标分词进行语义槽类型识别，得到槽位识别结果，根据意图识别结果与槽位识别结果确定查询对象，最后获取查询对象对应的查询结果发送给查询用户。从而实现根据查询语句自动反馈查询结果，通过结合意图识别与槽位识别的方式，能够准确获取查询对象，提高信息查询的准确性，进一步提高用户的工作效率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的基于卷积神经网络的信息检索方法的流程图；图2是本专利技术实施例提供的基于卷积神经网络的信息检索方法中步骤S2的流程图；图3是本专利技术实施例提供的基于卷积神经网络的信息检索方法中步骤S3的流程图；图4是本专利技术实施例提供的基于卷积神经网络的信息检索方法中步骤S31的流程图；图5是本专利技术实施例提供的基于卷积神经网络的信息检索方法中在未匹配到与意图识别结果相应的标识信息的情况下进行处理的流程图；图6是本专利技术实施例提供的基于卷积神经网络的信息检索方法中在槽位识别结果为识别失败的情况下进行处理的流程图；图7是本专利技术实施例提供的基于卷积神经网络的信息检索方法中在根据查询对象从查询库中查询不到查询结果的情况下进行处理的流程图；图8是本专利技术实施例提供的基于卷积神经网络的信息检索装置的示意图；图9是本专利技术实施例提供的计算机设备的基本机构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请提供的基于卷积神经网络的信息检索方法应用于服务端，服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。在一实施例中，如图1所示，提供一种基于卷积神经网络的信息检索方法，包括如下步骤：S1：从预设数据库中获取查询用户输入的查询语句。在本实施例中，通过对预设数据库进行检测，当检测到预设数据库中存在查询语句时，则对查询语句进行提取。其中，预设数据库是指专门用于存储查询用户输入的查询语句的数据库。需要说明的是，当从预设数据库中获取到查询用户输入的查询语句时，将该查询语句从预设数据库中进行删除处理。S2：对查询语句进行分词处理，得到目标分词。在本专利技术实施例中，通过将查询语句导入到预设分词端口中进行分词处理，得到分词处理后的目标分词。其中，预设分词端口是指专门用于对查询语句进行分词处理的处理端口。分词处理是指将连续的字序列按照一定的规范重新组合成词序列的过程，例如，将连续的字序列“ABCD”通过分词处理得到“AB”和“CD”。S3：应用预先训练好的意图模型对目标分词进行意图识别，得到意图识别结果。具体地，通过将目标分词导入到预先训练好的意图模型中进行意图识别，意图模型将根据输入的目标分词直接识别出该目标分词对应的输出结果，并将该输出结果作为意图识别结果。其中，预先训练好的意图模型是指专门用于对目标分词进行意图识别的卷积神经网络模型。S4：将意图识别结果与预设模型库中的标识信息进行匹配，其中，预设模型库包含不同的标识信息及标识信息对应的语义槽模型。具体地，将步骤S3中得到的意图识别结果与预设模型库中的标识信息进行匹配，其中，预设模型库用于存储不同的标识信息，以及标识信息对应的语义槽模型的数据库，并且，不同标识信息对应的语义槽本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的信息检索方法，其特征在于，所述卷积神经网络的信息检索方法包括：/n从预设数据库中获取查询用户输入的查询语句；/n对所述查询语句进行分词处理，得到目标分词；/n应用预先训练好的意图模型对所述目标分词进行意图识别，得到意图识别结果；/n将所述意图识别结果与预设模型库中的标识信息进行匹配，其中，所述预设模型库包含不同的标识信息及标识信息对应的语义槽模型；/n若匹配到与所述意图识别结果相应的标识信息，则从预设模型库中选取所述标识信息对应的语义槽模型对所述目标分词进行语义槽类型识别，得到槽位识别结果；/n根据所述意图识别结果与所述槽位识别结果，确定查询对象；/n从查询数据库中获取所述查询对象对应的查询结果，并将所述查询结果发送给所述查询用户。/n

【技术特征摘要】
1.一种基于卷积神经网络的信息检索方法，其特征在于，所述卷积神经网络的信息检索方法包括：
从预设数据库中获取查询用户输入的查询语句；
对所述查询语句进行分词处理，得到目标分词；
应用预先训练好的意图模型对所述目标分词进行意图识别，得到意图识别结果；
将所述意图识别结果与预设模型库中的标识信息进行匹配，其中，所述预设模型库包含不同的标识信息及标识信息对应的语义槽模型；
若匹配到与所述意图识别结果相应的标识信息，则从预设模型库中选取所述标识信息对应的语义槽模型对所述目标分词进行语义槽类型识别，得到槽位识别结果；
根据所述意图识别结果与所述槽位识别结果，确定查询对象；
从查询数据库中获取所述查询对象对应的查询结果，并将所述查询结果发送给所述查询用户。


2.如权利要求1所述的基于卷积神经网络的信息检索方法，其特征在于，所述对所述查询语句进行分词处理，得到目标分词的步骤包括：
对所述查询语句进行非文字字符滤除处理，得到纯文本；
通过预设分词词库对所述纯文本进行分词处理，得到所述目标分词。


3.如权利要求1所述的基于卷积神经网络的信息检索方法，其特征在于，所述意图模型包含输入层、卷积层、池化层和全连接层，所述应用预先训练好的意图模型对所述目标分词进行意图识别，得到意图识别结果的步骤包括：
利用所述输入层对所述目标分词进行词向量转换处理，得到词向量；
根据所述卷积层对所述词向量进行卷积操作，得到特征矩阵；
利用所述池化层对所述特征矩阵进行降维处理，得到目标矩阵；
通过所述全连接层对所述目标矩阵进行运算处理，得到所述意图识别结果。


4.如权利要求3所述的基于卷积神经网络的信息检索方法，其特征在于，所述利用所述输入层对所述目标分词进行词向量转换处理，得到词向量的步骤包括：
基于预设语料库，构建每个所述目标分词的基础词向量；
针对每个所述基础词向量，计算该基础词向量与其他基础词向量之间的空间距离，并从所述空间距离中选取最小值作为该基础词向量的最小空间距离；
将所述最小空间距离中小于或等于预设空间距离阈值的基础词向量，作为所述词向量。


5.如权利要求1所述的基于卷积神经网络的信息检索方法，其特征在于，所述将所述意图识别结果与预设模型库中的标识信息进行匹配的步骤之后，所述基于卷积神经网络的信息检索方法还包括：
若未匹配到与所述意图识别结果相应的标识信息，则将所述意图识别结果和所述查询语句发送给第一目标用户进行确认；
接收所述第一目...

【专利技术属性】
技术研发人员：金戈，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44