搜索结果的获取方法和装置及存储介质制造方法及图纸

本发明专利技术公开了一种人工智能场景下的搜索结果的获取方法和装置及存储介质，具体涉及人工智能场景下的自然语言学习以及机械学习技术。其中，该方法包括：获取携带有搜索文本的第一搜索指令，第一目标文本向量集中包括多个目标文本向量，目标文本向量为通过第一搜索网络对目标领域下的目标文本转换得到的向量；将搜索文本输入第二搜索网络，获取与搜索文本对应的搜索文本向量；获取搜索文本向量与多个目标文本向量中部分或全部目标文本向量的多个目标相关度；根据多个目标相关度，获取目标搜索结果。本发明专利技术解决了搜索结果的获取效率较低的技术问题。

【技术实现步骤摘要】
搜索结果的获取方法和装置及存储介质
本专利技术涉及人工智能领域，具体而言，涉及一种搜索结果的获取方法和装置及存储介质。
技术介绍
近年搜索场景的应用越发广泛，但因待搜索文本的海量数据，导致根据用户的搜索文字进行搜索的工作量也是十分巨大的，而计算量大则对服务器的处理能力有着较大的挑战。而现有技术面对搜索工作的巨大工作量，往往通过牺牲搜索准确性以降低搜索的工作量，但对于用户来说，输入搜索文本但并未获得想要的搜索结果或耗费很长时间才能获得想要的搜索结果，这显然会降低用户的搜索体验。因此，存在搜索结果的获取效率较低的问题。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种搜索结果的获取方法和装置及存储介质，以至少解决搜索结果的获取效率较低的技术问题。根据本专利技术实施例的一个方面，提供了一种搜索结果的获取方法，包括：获取携带有搜索文本的第一搜索指令，其中，上述第一搜索指令用于请求获取在目标领域下搜索到的与上述搜索文本匹配的目标搜索结果，上述目标领域配置有对应的第一目标文本向量集，上述第一目标文本向量集中包括多个目标文本向量，上述目标文本向量为通过第一搜索网络对上述目标领域下的目标文本转换得到的向量；将上述搜索文本输入第二搜索网络，获取与上述搜索文本对应的搜索文本向量，其中，上述第一搜索网络和上述第二搜索网络的网络结构同为目标搜索网络的网络结构，上述目标搜索网络用于将文本转换为向量；获取上述搜索文本向量与上述多个目标文本向量中部分或全部上述目标文本向量的多个目标相关度，其中，上述目标相关度用于表示上述搜索文本与上述目标文本的相关程度；根据上述多个目标相关度，获取上述目标搜索结果，其中，上述目标搜索结果中包括从上述部分或全部上述目标文本向量中确定出的全部或部分或上述目标文本向量各自对应的上述目标文本。根据本专利技术实施例的一个方面，还提供了一种搜索结果的获取方法，包括：获取第二样本数据，其中，上述第二样本数据包括多组第二样本文本对，上述第二样本文本对包括存在关联关系的第一子样本文本和第二子样本文本；获取每组上述第二样本文本对匹配的第一子样本文本向量和第二子样本文本向量；将与每个上述第一子样本文本向量和上述第二子样本文本向量，输入初始化的上述目标搜索网络，以得到上述目标搜索网络；根据上述目标搜索网络的目标网络结构，构建第一搜索网络以及第二搜索网络，并根据上述第一搜索网络以及上述第二搜索网络获取搜索结果。根据本专利技术实施例的另一方面，还提供了一种搜索结果的获取装置，包括：第一获取单元，用于获取携带有搜索文本的第一搜索指令，其中，上述第一搜索指令用于请求获取在目标领域下搜索到的与上述搜索文本匹配的目标搜索结果，上述目标领域配置有对应的第一目标文本向量集，上述第一目标文本向量集中包括多个目标文本向量，上述目标文本向量为通过第一搜索网络对上述目标领域下的目标文本转换得到的向量；第一输入单元，用于将上述搜索文本输入第二搜索网络，获取与上述搜索文本对应的搜索文本向量，其中，上述第一搜索网络和上述第二搜索网络的网络结构同为目标搜索网络的网络结构，上述目标搜索网络用于将文本转换为向量；第二获取单元，用于获取上述搜索文本向量与上述多个目标文本向量中部分或全部上述目标文本向量的多个目标相关度，其中，上述目标相关度用于表示上述搜索文本与上述目标文本的相关程度；第三获取单元，用于根据上述多个目标相关度，获取上述目标搜索结果，其中，上述目标搜索结果中包括从上述部分或全部上述目标文本向量中确定出的全部或部分上述目标文本向量各自对应的上述目标文本。根据本专利技术实施例的另一方面，还提供了一种搜索结果的获取装置，包括：第八获取单元，用于获取第二样本数据，其中，上述第二样本数据包括多组第二样本文本对，上述第二样本文本对包括存在关联关系的第一子样本文本和第二子样本文本；第九获取单元，用于获取每组上述第二样本文本对匹配的第一子样本文本向量和第二子样本文本向量；输入单元，用于将与每个上述第一子样本文本向量和上述第二子样本文本向量，输入初始化的目标搜索网络，以得到训练好的上述目标搜索网络；构建单元，用于根据上述目标搜索网络的目标网络结构，构建第一搜索网络以及第二搜索网络，并根据上述第一搜索网络以及上述第二搜索网络获取搜索结果。根据本专利技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机目标，其中，该计算机目标被设置为运行时执行上述搜索结果的获取方法。根据本专利技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机目标，其中，上述处理器通过计算机目标执行上述的搜索结果的获取方法。在本专利技术实施例中，获取携带有搜索文本的第一搜索指令，其中，上述第一搜索指令用于请求获取在目标领域下搜索到的与上述搜索文本匹配的目标搜索结果，上述目标领域配置有对应的第一目标文本向量集，上述第一目标文本向量集中包括多个目标文本向量，上述目标文本向量为通过第一搜索网络对上述目标领域下的目标文本转换得到的向量；将上述搜索文本输入第二搜索网络，获取与上述搜索文本对应的搜索文本向量，其中，上述第一搜索网络和上述第二搜索网络的网络结构同为目标搜索网络的网络结构，上述目标搜索网络用于将文本转换为向量；获取上述搜索文本向量与上述多个目标文本向量中部分或全部上述目标文本向量的多个目标相关度，其中，上述目标相关度用于表示上述搜索文本与上述目标文本的相关程度；根据上述多个目标相关度，获取上述目标搜索结果，其中，上述目标搜索结果中包括从上述部分或全部上述目标文本向量中确定出的全部或部分上述目标文本向量各自对应的上述目标文本，通过根据孪生网络获取的相似程度较高的文本向量获取搜索结果，进而达到了减少搜索过程的计算量的目的，实现了提高搜索结果的获取效率的效果，进而解决了搜索结果的获取效率较低的技术问题。在本专利技术实施例中，获取第二样本数据，其中，第二样本数据包括多组第二样本文本对，第二样本文本对包括存在关联关系的第一子样本文本和第二子样本文本；获取每组第二样本文本对匹配的第一子样本文本向量和第二子样本文本向量；将与每个第一子样本文本向量和第二子样本文本向量，输入初始化的目标搜索网络，以得到目标搜索网络；根据目标搜索网络的目标网络结构，构建第一搜索网络以及第二搜索网络，并根据上述第一搜索网络以及上述第二搜索网络获取搜索结果，通过训练的网络结构，以构造具有相同网络结构的子网络，进而达到了提高子网络分别输出的向量相似性的目的，从而实现了提高根据搜索网络获取的搜索结果的准确性的效果，进而解决了搜索结果的获取效率较低的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种可选的搜索结果的获取方法的应用环境的示意图；图2是根据本专利技术实施例的一种可选的搜索结果的获取方法的流程图的示意图；图3是根据本专利技术实本文档来自技高网...

【技术保护点】
1.一种搜索结果的获取方法，其特征在于，包括：/n获取携带有搜索文本的第一搜索指令，其中，所述第一搜索指令用于请求获取在目标领域下搜索到的与所述搜索文本匹配的目标搜索结果，所述目标领域配置有对应的第一目标文本向量集，所述第一目标文本向量集中包括多个目标文本向量，所述目标文本向量为通过第一搜索网络对所述目标领域下的目标文本转换得到的向量；/n将所述搜索文本输入第二搜索网络，获取与所述搜索文本对应的搜索文本向量，其中，所述第一搜索网络和所述第二搜索网络的网络结构同为目标搜索网络的网络结构，所述目标搜索网络用于将文本转换为向量；/n获取所述搜索文本向量与所述多个目标文本向量中部分或全部所述目标文本向量的多个目标相关度，其中，所述目标相关度用于表示所述搜索文本与所述目标文本的相关程度；/n根据所述多个目标相关度，获取所述目标搜索结果，其中，所述目标搜索结果中包括从所述部分或全部所述目标文本向量中确定出的全部或部分所述目标文本向量各自对应的所述目标文本。/n

【技术特征摘要】
1.一种搜索结果的获取方法，其特征在于，包括：
获取携带有搜索文本的第一搜索指令，其中，所述第一搜索指令用于请求获取在目标领域下搜索到的与所述搜索文本匹配的目标搜索结果，所述目标领域配置有对应的第一目标文本向量集，所述第一目标文本向量集中包括多个目标文本向量，所述目标文本向量为通过第一搜索网络对所述目标领域下的目标文本转换得到的向量；
将所述搜索文本输入第二搜索网络，获取与所述搜索文本对应的搜索文本向量，其中，所述第一搜索网络和所述第二搜索网络的网络结构同为目标搜索网络的网络结构，所述目标搜索网络用于将文本转换为向量；
获取所述搜索文本向量与所述多个目标文本向量中部分或全部所述目标文本向量的多个目标相关度，其中，所述目标相关度用于表示所述搜索文本与所述目标文本的相关程度；
根据所述多个目标相关度，获取所述目标搜索结果，其中，所述目标搜索结果中包括从所述部分或全部所述目标文本向量中确定出的全部或部分所述目标文本向量各自对应的所述目标文本。


2.根据权利要求1所述的方法，其特征在于，在所述获取携带有搜索文本的第一搜索指令之前，包括：
获取所述目标文本中的目标文本信息，其中，所述目标文本信息包括第一文本信息、第二文本信息；
将标题文本信息输入所述第一搜索网络中的第一子搜索子网络，获取第一文本向量；
将简介文本信息输入所述第一搜索网络中的第二子搜索子网络，获取第二文本向量，其中，所述第一搜索子网络及所述第二搜索子网的网络结构同为所述目标搜索网络的网络结构；
根据所述第一文本向量与所述第二文本向量，获取所述目标文本向量。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一文本向量与所述第二文本向量，获取所述目标文本向量包括：
对所述第一文本向量与所述第二文本向量进行合并，获得第三文本向量；
获取所述第三文本向量与所述搜索文本向量之差的第一绝对值，并将所述第一绝对值作为第一交互特征向量；
获取所述第三文本向量与所述搜索文本向量相乘的第二绝对值，并将所述第二绝对值作为第二交互特征向量；
对所述第一交互特征向量和所述第二交互特征向量进行合并，获得所述目标交互特征向量，并将所述目标交互特征向量作为所述目标文本向量。


4.根据权利要求3所述的方法，其特征在于，在所述第一目标文本向量集中包括N个目标文本向量的情况下，
所述获取所述搜索文本向量与所述多个目标文本向量中部分或全部所述目标文本向量的多个目标相关度包括：分别计算所述搜索文本向量与所述N个目标文本向量中各个所述目标文本向量之间的余弦相关度，得到N个所述目标相关度，其中，N为大于等于0的整数；
所述根据所述多个目标相关度，获取所述目标搜索结果包括：从N个所述目标相关度中获取m个所述目标相关度，其中，m为小于等于N，且大于等于0的整数；利用所述m个目标相关度对应的m个目标文本向量构建第二目标文本向量集；从所述第二目标文本向量集中确定出所述目标搜索结果。


5.根据权利要求4所述的方法，其特征在于，所述从所述第二目标文本向量集中确定出所述目标搜索结果包括：
将所述第二目标文本向量中每个所述目标文本向量的所述目标交互特征向量输入至目标分类器中，并得到第一分类结果，其中，所述目标分类器为利用第一样本数据训练后得到的分类网络，所述第一分类结果用于表示所述目标交互特征向量与所述搜索文本向量的相似度；
根据所述第一分类结果从所述第二目标文本向量中确定出所述目标搜索结果，其中，所述目标搜索结果包括k个所述目标文本向量，所述k个所述目标文本向量的所述相似度大于等于预设阈值，所述k为小于等于m，且大于等于0的整数。


6.根据权利要求5所述的方法，其特征在于，在所述将所述第三交互特征向量输入目标分类网络中之前，包括：
获取所述第一样本数据，其中，所述第一样本数据包括多组第一样本文本对，所述第一样本文本对中包括样本搜索文本以及样本目标文本，样本标签，所述样本标签用于指示所述样本目标文本与所述样本搜索文本的关联性；
获取与每组所述第一样本文本对匹配的第一样本文本特征向量，其中，所述第一样本文本特征向量为对与所述样本搜索文本对应的样本搜索文本向量，和与所述样本目标文本对应的样本目标文本向量进行合并后得到的特征向量；
将与每组所述第一样本文本对分别匹配的所述第一样本文本特征向量输入初始化的所述目标分类器，以得到所述目标分类器。


7.根据权利要求1所述的方法，其特征在于，所述将所述搜索文本输入第二搜索网络，获取与所述搜索文本对应的搜索文本向量包括：
按照所述第二搜索网络中的预定策略提取所述搜索文本的文本特征，并将其转化为目标格式的所述搜索文本向量，其中，所述预定策略为所述目标搜索网络的网络结构对应的转换策略，所述预定策略用于指示将提取的文本特征转化为所述目标格式的向量。


8.一种搜索结果的获取方法，其特征在于，包括：
获取第二样本数据，其中，所述第二样本数据包括多组第二样本文本对，所述第二样本文本对包括存在关联关系的第一子样本文本和第二子样本文本；
获取每组所述第二样本文本对匹配的第一子样本文本向量和第二子样本文本向量；
将与每个所述第一子样本文本向量和所述第二子样本文本向量，输入初始化的目标搜索网络，以...

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