商品搜索方法、装置、设备及存储介质制造方法及图纸

本公开是关于一种商品搜索方法、装置、设备及存储介质，该方法包括：响应于接收到用于搜索目标商品的源语言搜索词，基于所述源语言搜索词获取所述目标商品的搜索结果，所述搜索结果包括所述目标商品的描述信息；展示所述目标商品的描述信息，其中，展示的所述描述信息通过目标语言表达，所述目标语言不同于所述源语言。本公开可以提高商品搜索的成功率和准确性，进而可以提升用户的体验。进而可以提升用户的体验。进而可以提升用户的体验。

【技术实现步骤摘要】
商品搜索方法、装置、设备及存储介质


[0001]本公开涉及互联网
，尤其涉及一种商品搜索方法、装置、设备及存储介质。

技术介绍

[0002]相关技术中，当用户在电子商务平台搜索所需商品时，可在平台所提供的搜索引擎中输入所需商品的相关信息，如商品的名称等，进而平台服务端可以基于该相关信息生成相应的搜索词query，并将该搜索词与商品库中的商品的名称等字段进行匹配，以根据匹配命中相同词的数量来找到与搜索词最接近的商品。
[0003]传统的搜索技术方案是基于需要搜索的商品文档建立倒排索引，当用户搜索商品时，对用户输入的搜索词进行分词，然后对每个词分别在倒排索引里查找对应的商品文档并计算交集，得到对应的商品文档提供给用户。然而，对于使用不同国家语言的用户来说，他们输入的搜索词往往是本国语言，而商品名称通常是国际通用语言，如英语等，这就导致后续基于倒排索引的方式搜索商品文档时，无法对搜索词和商品文档进行字面匹配，进而导致搜索不到用户所需的商品文档，影响用户的体验。

技术实现思路

[0004]为克服相关技术中存在的问题，本公开实施例提供一种商品搜索方法、装置、设备及存储介质，用以解决相关技术中的缺陷。
[0005]根据本公开实施例的第一方面，提供一种商品搜索方法，所述方法包括：
[0006]响应于接收到用于搜索目标商品的源语言搜索词，基于所述源语言搜索词获取所述目标商品的搜索结果，所述搜索结果包括所述目标商品的描述信息；
[0007]展示所述目标商品的描述信息，其中，展示的所述描述信息通过目标语言表达，所述目标语言不同于所述源语言。
[0008]在一实施例中，所述基于所述源语言搜索词获取所述目标商品的搜索结果，包括：
[0009]将所述源语言搜索词发送至服务端；
[0010]接收服务端基于所述源语言搜索词确定的所述目标商品的搜索结果。
[0011]在一实施例中，所述基于所述源语言搜索词获取所述目标商品的搜索结果，包括：
[0012]确定所述源语言搜索词对应的第一语义向量；
[0013]获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，所述第二语义向量包括预先确定的各类商品的目标语言描述信息对应的语义向量；
[0014]将所述目标语义向量对应的目标商品文档确定为所述目标商品的搜索结果，所述目标商品文档包括所述目标商品的描述信息。根据本公开实施例的第二方面，提供一种商品搜索方法，所述方法包括：
[0015]响应于接收到用于搜索目标商品的源语言搜索词，基于所述源语言搜索词确定所述目标商品的搜索结果，所述搜索结果包括所述目标商品的描述信息；
[0016]输出所述目标商品的描述信息，其中，输出的所述描述信息通过目标语言表达，所述目标语言不同于所述源语言。
[0017]在一实施例中，所述基于所述源语言搜索词确定所述目标商品的搜索结果，包括：
[0018]确定所述源语言搜索词对应的第一语义向量；
[0019]获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，所述第二语义向量包括预先确定的各类商品的目标语言描述信息对应的语义向量；
[0020]将所述目标语义向量对应的目标商品文档确定为所述目标商品的搜索结果，所述目标商品文档包括所述目标商品的描述信息。
[0021]在一实施例中，所述确定所述源语言搜索词对应的第一语义向量，包括：
[0022]将所述源语言搜索词输入至预先训练的深度学习模型中，得到所述源语言搜索词对应的第一语义向量。
[0023]在一实施例中，所述方法还包括预先基于以下方式训练所述深度学习模型：
[0024]获取用于训练所述深度学习模型的样本语料，所述样本语料包括源语言语料和目标语言语料，所述源语言语料对应于表达所述目标商品的搜索词的语言，所述目标语言对应于表达所述各类商品的描述信息的语言；
[0025]将所述源语言语料和目标语言语料分别输入至预先构建的深度学习模型中，得到所述源语言语料的第三语义向量和所述目标语言语料的第四语义向量；
[0026]基于所述第三语义向量和所述第四语义向量的相似度，构建所述深度学习模型的损失函数；
[0027]基于所述损失函数优化所述深度学习模型的参数，得到训练好的所述深度学习模型。
[0028]在一实施例中，所述目标语言语料包括正样本语料和负样本语料。
[0029]在一实施例中，所述方法还包括：
[0030]基于第二语义向量构建向量索引，所述向量索引中包括所述第二语义向量的分类结果；
[0031]所述获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，包括：
[0032]基于所述向量索引，将所述第二语义向量中与所述第一语义向量匹配成功的语义向量所在分类中的向量确定为目标语义向量。
[0033]在一实施例中，所述获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，包括：
[0034]分别计算所述第一语义向量与每个所述第二语义向量的余弦相似度；
[0035]将与所述第一语义向量的余弦相似度最高的第二语义向量确定为与所述第一语义向量匹配成功的目标语义向量。
[0036]根据本公开实施例的第三方面，提供一种商品搜索装置，所述装置包括：
[0037]搜索结果获取模块，用于响应于接收到用于搜索目标商品的源语言搜索词，基于所述源语言搜索词获取所述目标商品的搜索结果，所述搜索结果包括所述目标商品的描述信息；
[0038]描述信息展示模块，用于展示所述目标商品的描述信息，其中，展示的所述描述信息通过目标语言表达，所述目标语言不同于所述源语言。
[0039]在一实施例中，所述搜索结果获取模块包括第一获取单元；
[0040]所述第一获取单元，用于：
[0041]将所述源语言搜索词发送至服务端；
[0042]接收服务端基于所述源语言搜索词确定的所述目标商品的搜索结果。
[0043]在一实施例中，所述搜索结果获取模块包括第二获取单元；
[0044]所述第二获取单元，用于：
[0045]确定所述源语言搜索词对应的第一语义向量；
[0046]获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，所述第二语义向量包括预先确定的各类商品的目标语言描述信息对应的语义向量；
[0047]将所述目标语义向量对应的目标商品文档确定为所述目标商品的搜索结果，所述目标商品文档包括所述目标商品的描述信息。
[0048]根据本公开实施例的第四方面，提供一种商品搜索装置，所述装置包括：
[0049]搜索结果确定模块，用于响应于接收到用于搜索目标商品的源语言搜索词，基于所述源语言搜索词确定所述目标商品的搜索结果，所述搜索结果包括所述目标商品的描述信息；
[0050]描述信息输出模块，用于输出所述目标商品的描述信息，其中，输出的所述描述信息通过目标语言表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品搜索方法，其特征在于，所述方法包括：响应于接收到用于搜索目标商品的源语言搜索词，基于所述源语言搜索词获取所述目标商品的搜索结果，所述搜索结果包括所述目标商品的描述信息；展示所述目标商品的描述信息，其中，展示的所述描述信息通过目标语言表达，所述目标语言不同于所述源语言。2.根据权利要求1所述的方法，其特征在于，所述基于所述源语言搜索词获取所述目标商品的搜索结果，包括：将所述源语言搜索词发送至服务端；接收服务端基于所述源语言搜索词确定的所述目标商品的搜索结果。3.根据权利要求1所述的方法，其特征在于，所述基于所述源语言搜索词获取所述目标商品的搜索结果，包括：确定所述源语言搜索词对应的第一语义向量；获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，所述第二语义向量包括预先确定的各类商品的目标语言描述信息对应的语义向量；将所述目标语义向量对应的目标商品文档确定为所述目标商品的搜索结果，所述目标商品文档包括所述目标商品的描述信息。4.一种商品搜索方法，其特征在于，所述方法包括：响应于接收到用于搜索目标商品的源语言搜索词，基于所述源语言搜索词确定所述目标商品的搜索结果，所述搜索结果包括所述目标商品的描述信息；输出所述目标商品的描述信息，其中，输出的所述描述信息通过目标语言表达，所述目标语言不同于所述源语言。5.根据权利要求4所述的方法，其特征在于，所述基于所述源语言搜索词确定所述目标商品的搜索结果，包括：确定所述源语言搜索词对应的第一语义向量；获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，所述第二语义向量包括预先确定的各类商品的目标语言描述信息对应的语义向量；将所述目标语义向量对应的目标商品文档确定为所述目标商品的搜索结果，所述目标商品文档包括所述目标商品的描述信息。6.根据权利要求5所述的方法，其特征在于，所述确定所述源语言搜索词对应的第一语义向量，包括：将所述源语言搜索词输入至预先训练的深度学习模型中，得到所述源语言搜索词对应的第一语义向量。7.根据权利要求6所述的方法，其特征在于，所述方法还包括预先基于以下方式训练所述深度学习模型：获取用于训练所述深度学习模型的样本语料，所述样本语料包括源语言语料和目标语言语料，所述源语言语料对应于表达所述目标商品的搜索词的语言，所述目标语言对应于表达所述各类商品的描述信息的语言；将所述源语言语料和目标语言语料分别输入至预先构建的深度学习模型中，得到所述源语言语料的第三语义向量和所述目标语言语料的第四语义向量；
基于所述第三语义向量和所述第四语义向量的相似度，构建所述深度学习模型的损失函数；基于所述损失函数优化所述深度学习模型的参数，得到训练好的所述深度学习模型。8.根据权利要求7所述的方法，其特征在于，所述目标语言语料包括正样本语料和负样本语料。9.根据权利要求5所述的方法，其特征在于，所述方法还包括：基于第二语义向量构建向量索引，所述向量索引中包括所述第二语义向量的分类结果；所述获取第二语义向量中与所述第一语义向量匹配成功的目标语义向量，包括：基于所述向量索引，将所述第二语义向量中与所述第一语义向量匹配成功的语义向量所在分类中的向量确定为目标语义向量。10.根据权...

【专利技术属性】
技术研发人员：刘阳，
申请(专利权)人：北京小米松果电子有限公司，
类型：发明
国别省市：