搜索结果准确性判断方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种搜索结果准确性判断方法、装置、电子设备及存储介质，所述方法包括：获取待搜索对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述待搜索对象相似度最高的k个搜索结果，所述k大于1；基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵；将所述输入矩阵输入到预先训练好的验证模型中对m个搜索结果进行预测，并输出对应的m个预测结果，其中，所述m小于等于k，且所述m大于等于1；基于所述预测结果对所述待搜索对象的m个搜索结果进行准确性判断。可以不用人工对搜索结果进行判断，进而提高了搜索结果准确性的判断效率。

Methods, devices, electronic devices and storage media for judging the accuracy of search results

【技术实现步骤摘要】
搜索结果准确性判断方法、装置、电子设备及存储介质
本专利技术涉及数据处理
，尤其涉及一种搜索结果准确性判断方法、装置、电子设备及存储介质。
技术介绍
在数据搜索包括标签(关键词)搜索以及相似度搜索，在标签搜索过程中，用户给定标签，通过给定的标签匹配到与给定标签相关的数据进行输出；相似度搜索包括文本搜索以及图像搜索，在相似度搜索中，比如人脸识别，通过给定的图像，提取图像中的人脸特征，在人脸数据库中匹配到与人脸特征相似度较高的人脸数据，从匹配到的人脸数据中获取该人脸对应的身份信息，并输出对应的身份信息出来。但是由于文本或图像的原因，比如，文本会有缺失、手写字体不规范的情况，图像会有模糊、遮挡、图像质量不高的情况，导致识别的准确度不高，且搜索出来的结果全部由人来判断是否正确，费时费力。因此，现有基于相似度搜索得到搜索结果准确性的判断存在效率不高的问题。
技术实现思路
本专利技术实施例提供一种搜索结果准确性判断方法，能够提高相似度搜索中搜索结果准确性的判断效率。第一方面，本专利技术实施例提供一种搜索结果准确性判断方法，包括：获取待搜索对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述待搜索对象相似度最高的k个搜索结果，所述k大于1；基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵；将所述输入矩阵输入到预先训练好的验证模型中对m个搜索结果进行预测，并输出对应的m个预测结果，其中，所述m小于等于k，且所述m大于等于1；基于所述预测结果对所述待搜索对象的m个搜索结果进行准确性判断。可选的，所述基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵，包括：将所述待搜索对象以及所述k个搜索结果编码到向量空间，得到k+1维度的向量；将所述k+1维度的向量进行转置，得到转置向量，并将所述转置向量与所述k+1维度的向量相乘，得到k+1阶的输入矩阵。可选的，所述验证模型的训练步骤，包括：获取n个训练对象的搜索结果；基于所述训练对象的搜索结果，提取每个训练对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述训练对象相似度最高的k个搜索结果，所述k大于1；基于所述n个训练对象以及所述每个训练对象的top－k个搜索结果，对应构建n个训练矩阵，并为每个训练矩阵添加对应的m个标签，得到训练集；将所述训练集输入到验证模型中对所述验证模型进行训练，以使所述验证模型学习到矩阵与标签的预测关系。可选的，所述为每个训练矩阵添加对应的m个标签，包括：获取所述n个训练对象对应的训练对象标识；获取所述每个训练矩阵中m个搜索结果对应的搜索结果标识；添加每个训练矩阵中训练对象标识与搜索结果标识的标签关系。可选的，所述m个预测结果包括所述待搜索对象与m个搜索结果二值预测结果，所述基于所述验证结果对所述待搜索对象的m个搜索结果进行准确性判断，包括：根据所述待搜索对象与m个搜索结果二值预测结果，分别判断所述待搜索对象与m个搜索结果的准确性。可选的，所述m个搜索结果为所述待搜索对象相似度最高的1个搜索结果，所述m个预测结果为所述待搜索对象与所述相似度最高的1个搜索结果的二值预测结果，所述基于所述验证结果对所述待搜索对象的m个搜索结果进行准确性判断，包括：根据所述待搜索对象与所述相似度最高的1个搜索结果的二值预测结果，判断所述待搜索对象与所述相似度最高的1个搜索结果的准确性。可选的，所述待搜索对象以及所述待搜索对象的top－k个搜索结果为维度相同的图像矩阵，所述获取待搜索对象的top－k个搜索结果，包括：通过图像提取引擎提取所述待搜索图像的待搜索图像矩阵；将所述待搜索图像的图像矩阵在图像数据库中进行相似度计算，得到top－k个搜索结果，所述图像数据库中存储有的用于搜索的底库图像矩阵，所述底库图像特征矩阵与所述待搜索图像矩阵通过相同的图像提取引擎进行提取。第二方面，本专利技术实施例提供一种搜索结果准确性判断装置，包括：第一获取模块，用于获取待搜索对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述待搜索对象相似度最高的k个搜索结果，所述k大于1；第一构建模块，用于基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵；预测模块，用于将所述输入矩阵输入到预先训练好的验证模型中对m个搜索结果进行预测，并输出对应的m个预测结果，其中，所述m小于等于k，且所述m大于等于1；判断模块，用于基于所述预测结果对所述待搜索对象的m个搜索结果进行准确性判断。第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上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本专利技术实施例提供的搜索结果准确性判断方法中的步骤。第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现专利技术实施例提供的搜索结果准确性判断方法中的步骤。本专利技术实施例中，获取待搜索对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述待搜索对象相似度最高的k个搜索结果，所述k大于1；基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵；将所述输入矩阵输入到预先训练好的验证模型中对m个搜索结果进行预测，并输出对应的m个预测结果，其中，所述m小于等于k，且所述m大于等于1；基于所述预测结果对所述待搜索对象的m个搜索结果进行准确性判断。通过将待搜索对象与top－k个搜索结果构建成新的矩阵，使得待搜索对象与top－k个搜索结果产生空间上的联系，再输入到验证模型中对新的矩阵进行特征提取，提取到待搜索对象与搜索结果间的特征进行准确性预测，预测搜索结果的准确性，从而判断搜索结果是否准确，不用人工对搜索结果进行判断，进而提高了搜索结果准确性的判断效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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一种搜索结果准确性判断方法的流程图；图2是本专利技术实施例提供的一种输入矩阵的构建方法的流程图；图3是本专利技术实施例提供的一种验证模型训练方法的流程图；图4是本专利技术实施例提供的一种图像搜索结果准确性判断方法的流程图；图5是本专利技术实施例提供的一种搜索结果准确性判断装置的结构示意图；图6是本专利技术实施例提供的另一种搜索结果准确性判断装置的结构示意图；图7是本专利技术实施例提供的另一种搜索结果准确性判断装置的结构示意图；图8是本专利技术实施例提供的另一种搜索结果准确性判断装置的结构示意图；图9是本专利技术实施例提供的另一种搜索结果准确性本文档来自技高网...

【技术保护点】
1.一种搜索结果准确性判断方法，其特征在于，包括以下步骤：/n获取待搜索对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述待搜索对象相似度最高的k个搜索结果，所述k大于1；/n基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵；/n将所述输入矩阵输入到预先训练好的验证模型中对m个搜索结果进行预测，并输出对应的m个预测结果，其中，所述m小于等于k，且所述m大于等于1；/n基于所述预测结果对所述待搜索对象的m个搜索结果进行准确性判断。/n

【技术特征摘要】
1.一种搜索结果准确性判断方法，其特征在于，包括以下步骤：
获取待搜索对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述待搜索对象相似度最高的k个搜索结果，所述k大于1；
基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵；
将所述输入矩阵输入到预先训练好的验证模型中对m个搜索结果进行预测，并输出对应的m个预测结果，其中，所述m小于等于k，且所述m大于等于1；
基于所述预测结果对所述待搜索对象的m个搜索结果进行准确性判断。


2.如权利要求1所述的方法，其特征在于，所述基于所述待搜索对象以及所述top－k个搜索结果，构建输入矩阵，包括：
将所述待搜索对象以及所述k个搜索结果编码到向量空间，得到k+1维度的向量；
将所述k+1维度的向量进行转置，得到转置向量，并将所述转置向量与所述k+1维度的向量相乘，得到k+1阶的输入矩阵。


3.如权利要求1所述的方法，其特征在于，所述验证模型的训练步骤，包括：
获取n个训练对象的搜索结果；
基于所述训练对象的搜索结果，提取每个训练对象的top－k个搜索结果，其中，所述top－k个搜索结果为与所述训练对象相似度最高的k个搜索结果，所述k大于1；
基于所述n个训练对象以及所述每个训练对象的top－k个搜索结果，对应构建n个训练矩阵，并为每个训练矩阵添加对应的m个标签，得到训练集；
将所述训练集输入到验证模型中对所述验证模型进行训练，以使所述验证模型学习到矩阵与标签的预测关系。


4.如权利要求3所述的方法，其特征在于，所述为每个训练矩阵添加对应的m个标签，包括：
获取所述n个训练对象对应的训练对象标识；
获取所述每个训练矩阵中m个搜索结果对应的搜索结果标识；
添加每个训练矩阵中训练对象标识与搜索结果标识的标签关系。


5.如权利要求1至4中任一项所述的方法，其特征在于，所述m个预测结果包括所述待搜索对象与m个搜索结果二值预测结果，所述基于所述预测结果对所述待搜索对象的m个搜索结果进行准确性判断，包括：
根据所述待搜索对象与m个搜索结果二值预测结果，分别判断...

【专利技术属性】
技术研发人员：叶紫阳，魏新明，
申请(专利权)人：深圳云天励飞技术有限公司，
类型：发明
国别省市：广东;44