一种智慧城市系统的信息检索方法及装置制造方法及图纸

本发明专利技术公开一种智慧城市系统的信息检索方法及装置，方法包括：获取检索语句转换为语句向量；将语句向量输入识别模型，识别模型包括第一模块和第二模块，其均包括依次连接的输入层、中间层、输出层，各中间层为神经网络层，语句向量经第一模块的输入层输入，第一模块的中间层的参数依次与第二模块的中间层的参数相加，作为第二模块的中间层的更新参数，第二模块的输出加载分类模型，得到检索语句中每个字的分类结果；将分类结果进行信息流的拼接，得到与检索语句对应的至少一条概要信息流；根据概要信息流进行检索，取得与所述检索语句对应的检索结果。根据本发明专利技术，可以提高在智慧城市系统中进行检索查询时的检索结果的准确率，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
一种智慧城市系统的信息检索方法及装置


[0001]本专利技术涉及人工智能领域，具体地说，涉及一种智慧城市系统的信息检索方法及装置。

技术介绍

[0002]智慧城市是指利用各种信息技术或创新概念，将城市的系统和服务打通、集成，以提升资源运用的效率，优化城市管理和服务，以及改善市民生活质量。其中，信息化可以把空间距离降至零，因为信息具有流动性，可以即时获取。信息网络的普及可以把城市的信息鸿沟填平，使得人们在时间和空间上都可以没有障碍地获取信息。
[0003]在智慧城市的建设中，信息的获取和传播是十分重要的环节，检索是人们获得信息的常用途径，如何根据检索内容提供所需的结果是关键。目前的检索方式多数是根据神经网络提取出检索语句中的主题词，根据主题词去资料库中去匹配，并根据用户反馈从而试探出用户的检索意图。但这种查询方式是对于整个语句提取主题词，比较耗时，且对于主题词的提取根据模型的不同可能会有较大差别，并不能很好的获得正确的检索结果。

技术实现思路

[0004]为解决以上问题，本专利技术公开一种智慧城市系统的信息检索方法，包括以下步骤：获取检索语句并转换为对应的语句向量；将所述语句向量输入到识别模型，所述识别模型包括依次连接的第一模块和第二模块，所述第一模块和所述第二模块均包括依次连接的输入层、中间层、输出层，各中间层为神经网络层，其中，所述语句向量经所述第一模块的输入层输入，所述第一模块的中间层的参数依次与所述第二模块的中间层的参数相加，作为第二模块的中间层的更新参数，所述第二模块的输出加载分类模型，得到所述检索语句中每个字的分类结果；将所述分类结果进行信息流的拼接，得到与所述检索语句对应的至少一条概要信息流；根据所述概要信息流进行检索，取得与所述检索语句对应的检索结果。
[0005]可选地，所述第一模块的输入为n维的语句向量，所述第一模块、第二模块的任一中间层是LSTM模型。
[0006]可选地，所述分类包括无关信息、第一实体、第二实体、属性、结束标记，其中，在遇到结束标记前将所识别的实体依照第一实体、第二实体的顺序分类到各实体分类中。
[0007]可选地，如果遇到结束标记前的实体数多于2个时，还通过TF
‑
IDF提取主题词形成主题词向量，并将各实体与主题词向量求取相似度，并选取相似度最高的两个实体分类到第一实体、第二实体分类中。
[0008]可选地，所述结束标记包括逗号、句号、分号，以及并列语义的词语。
[0009]可选地，将所述检索语句形成语句向量的步骤包括：使用word2vec模型对所述检索语句进行处理，形成与所述检索语句中的每个字对应的字向量，从而得到与所述检索语句对应的语句向量。
[0010]可选地，根据所述概要信息流去匹配知识图谱中的实体
‑
关系
‑
实体中的任两个，
从而获得与所述概要信息流对应的检索结果。
[0011]本专利技术还提供一种计算机装置，该计算机装置包括存储器和至少一个处理器，所述存储器中存储有至少一个指令，所述至少一个指令被所述至少一个处理器执行时实现如上所述智慧城市系统的信息检索方法。
[0012]根据本专利技术的上述构成，基于信息流的方式，以一定顺序拼接实体/属性，并在遇到结束标记时再次获取概要信息流，从而得到多个概要信息流，并根据每个概要信息流获取检索结果，因此可以通过多个概要信息流获得对应的检索结果，提高在智慧城市系统中进行检索查询时的检索结果的准确率，提升用户体验。
附图说明
[0013]通过结合下面附图对其实施例进行描述，本专利技术的上述特征和技术优点将会变得更加清楚和容易理解。
[0014]图1是表示本专利技术实施例的智慧城市系统的信息检索方法的步骤示意图；
[0015]图2是表示本专利技术实施例的分类的示意图；
[0016]图3是表示本专利技术实施例的智慧城市系统的信息检索方法的硬件装置架构图。
具体实施方式
[0017]下面将参考附图来描述本专利技术所述的实施例。本领域的普通技术人员可以认识到，在不偏离本专利技术的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。
[0018]下面，参照图1来说明本实施例的智慧城市系统的信息检索方法。
[0019]首先，在步骤S1，当用户利用智慧城市系统中的检索查询功能时，将用户输入的检索语句转换为对应的语句向量，所述检索语句是用户检索或查询时所输入的语句，例如，用户输入检索语句可以是“北京最高的建筑”、“天安门在北京什么位置”、“北京的特产和天津的特产”等。
[0020]接着，在步骤S2，将所述检索语句对应的语句向量输入到识别模型，所述识别模型包括依次连接的第一模块和第二模块，所述第一模块和所述第二模块均包括输入层、输出层和在其之间的多个中间层，各中间层为神经网络层。其中，语句向量经所述第一模块的输入层输入，所述第一模块的中间层的参数依次与所述第二模块的中间层的参数相加，作为第二模块的中间层的更新参数，所述第二模块对最后一层中间层的输出加载分类模型，得到所述检索语句中每个字的所属分类。
[0021]其中，所述识别模型在使用之前先进行训练，对训练结果进行数据拟合，将数据拟合结果作为最终训练结果，基于最终训练结果确定识别模型的参数，得到最终的识别模型，用于对用户意图进行识别。
[0022]接着，在步骤S3，将所述第二模块分类的结果进行信息流的拼接，得到与所述检索语句对应的至少一条概要信息流。
[0023]在步骤S4，根据所述概要信息流进行检索，并取得与检索语句对应的检索结果。
[0024]优选地，可以基于知识图谱获取用户意图，从而得出与用户意图对应的检索结果。
具体说，根据所述概要信息流去匹配知识图谱中的实体
‑
关系
‑
实体中的任两个，从而获得与所述概要信息流对应的检索结果。
[0025]进一步地，在步骤S2中，所述第一模块的任一中间层是LSTM模型，所述LSTM模型的输入为n维的语句向量。第一模块的输入形状为(batch_size，time_step，word_n)，第一模块的输出形状为(batch_size，time_step，output_feature)，中间层LSTM模块的形状为(batch_size，time_step，inner_feature)。为了使多层的LSTM模型顺利连接，每层LSTM模型的batch_size和time_step都对应一致，最后的feature维每层可以不一样。
[0026]所述第二模块的神经网络中间层也是LSTM模型，第二模块的输入形状为(batch_size，time_step，output_feature)，输出形状为(batch_size，time_step，i)，中间层LSTM模型的形状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧城市系统的信息检索方法，其特征在于，包括以下步骤：获取检索语句并转换为对应的语句向量；将所述语句向量输入到识别模型，所述识别模型包括依次连接的第一模块和第二模块，所述第一模块和所述第二模块均包括依次连接的输入层、中间层、输出层，各中间层为神经网络层，其中，所述语句向量经所述第一模块的输入层输入，所述第一模块的中间层的参数依次与所述第二模块的中间层的参数相加，作为第二模块的中间层的更新参数，所述第二模块的输出加载分类模型，得到所述检索语句中每个字的分类结果；将所述分类结果进行信息流的拼接，得到与所述检索语句对应的至少一条概要信息流；根据所述概要信息流进行检索，取得与所述检索语句对应的检索结果。2.根据权利要求1所述的智慧城市系统的信息检索方法，其特征在于，所述第一模块的输入为n维的语句向量，所述第一模块、第二模块的任一中间层是LSTM模型。3.根据权利要求1所述的智慧城市系统的信息检索方法，其特征在于，所述分类包括无关信息、第一实体、第二实体、属性、结束标记，其中，在遇到结束标记前将所识别的实体依照第一实体、第二实体的顺序分类到各实体分类中。4.根据权利要求3所述的智慧城市系统的信息检索方...

【专利技术属性】
技术研发人员：董文雷，张军，李仲华，马云飞，宋扬，
申请(专利权)人：中天众达智慧城市科技有限公司，
类型：发明
国别省市：