System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及电子通信,尤其涉及一种数据搜索,特别涉及一种数据搜索方法、装置、介质及设备。
技术介绍
1、搜索词和文档的相关性计算是搜索引擎中最重要的一环。目前主流的搜索引擎中的相关性计算主要是计算搜索词和文档的标题和正文的相关性。然而随着业务的不断发展,很多搜索场景将图文资源的首图或者视频资源的封面图露出作为文档重要的部分。这种情况下,这种计算相关性的方式带来了很多的问题。比如用户输入的搜索文本是“沙漠”,搜索结果输出的文档中标题或正文都提到与“沙漠”相关的内容,但是展示的配图是一张与用户搜索意图不相关的美女图片,显然不符合用户需求,影响用户点击查看的欲望。
技术实现思路
1、本申请实施例提供一种数据搜索方法、装置、介质及设备,利用本申请实施例提供的数据搜索方法,通过融合搜索文本的视觉强度值,搜索文本与各初始搜索结果对应的图文相关度及字段相关度,得到对应各个初始搜索结果的综合相关度分值。相比传统的跨模态搜索逻辑,本方案能够提供与用户搜索意图更契合的搜索结果。
2、本申请实施例一方面提供了一种数据搜索方法,所述数据搜索方法包括:
3、接收输入的搜索文本;
4、搜索得到与所述搜索文本匹配的若干包含配图及字段的初始搜索结果;
5、获取所述搜索文本的视觉强度值,其中所述视觉强度值用于指示搜索文本对应的视觉需求程度;
6、获取所述搜索文本与所述初始搜索结果对应的图文相关度及字段相关度;
7、基于所述搜索文本的视觉强度值、所
8、在本申请实施例所述的数据搜索方法中,所述搜索得到与所述搜索文本匹配的若干包含配图及字段的初始搜索结果,包括:
9、通过爬虫获取匹配上所述搜索文本的若干包含配图及字段的初始搜索结果。
10、在本申请实施例所述的数据搜索方法中,在所述获取所述搜索文本的视觉强度值之前,所述方法还包括:
11、将所述搜索文本输入训练好的视觉强度模型中进行视觉强度判断操作,得到与所述搜索文本对应的视觉强度值;
12、所述视觉强度模型的训练过程包括:
13、获取待训练的视觉强度模型的第一训练样本,所述第一训练样本包括设置有标签的搜索文本,所述标签用于指示所述搜索文本的视觉强度值;
14、通过所述待训练的视觉强度模型对所述初始的第一训练样本中的搜索文本进行特征提取,得到与所述搜索文本对应的文本特征向量;
15、通过所述待训练的视觉强度模型,基于所述文本特征向量判断所述第一训练样本中的搜索文本的视觉强度值,得到与所述搜索文本对应的判断结果;
16、基于所述判断结果及所述第一训练样本的标签,调整所述待训练的视觉强度模型的参数,得到预训练的视觉强度模型。
17、在本申请实施例所述的数据搜索方法中,所述搜索文本与初始搜索结果对应的图文相关度通过以下步骤得到:
18、提取所述搜索文本的第一字段特征;
19、提取所述配图的图像特征;
20、构建第一字段特征-图像特征组;
21、将所述第一字段特征-图像特征组输入训练好的图文相关性识别模型中进行图文相关性识别操作,得到所述搜索文本与各初始搜索结果对应的图文相关度。
22、在本申请实施例所述的数据搜索方法中,所述搜索文本与初始搜索结果对应的文本相关度通过以下步骤得到:
23、提取所述字段的第二字段特征;
24、构建第一字段特征-第二字段特征组;
25、将所述第一字段特征-第二字段特征组输入训练好的字段相关性识别模型中进行字段相关性识别操作,得到所述搜索文本与各初始搜索结果对应的字段相关度。
26、在本申请实施例所述的数据搜索方法中,所述方法还包括:
27、使用预训练的第一特征提取模型别提取所述搜索文本的第一字段特征及所述字段的第二字段特征;
28、使用预训练的第二特征提取模型提取所述配图的图像特征。
29、在本申请实施例所述的数据搜索方法中,所述基于所述搜索文本的视觉强度值、所述初始搜索结果对应的图文相关度及字段相关度,得到所述初始搜索结果与所述搜索文本的综合相关度分值,包括:
30、将所述初始搜索结果对应的所述视觉强度值、图文相关度及字段相关度输入训练好的评估模型中进行分值计算操作,得到所述初始搜索结果的综合相关度分值;
31、所述评估模型的训练过程包括:
32、获取第二样本数据,所述第二训练样本集包括由预设维度数据与人为实际评分组成的样本对,所述维度数据包括搜索文本的视觉强度值、图文相关度及字段相关度;
33、基于所述第二训练样本对树模型进行训练,并计算所述预设维度数据的预测得分;
34、通过所述预测得分与所述实际评分计算所述树模型的损失函数,直至所述树模型收敛,得到训练后的评估模型。
35、相应的,本申请实施例另一方面还提供了一种数据搜索装置,所述数据搜索装置包括:
36、数据接收模块,用于接收输入的搜索文本;
37、数据匹配模块,用于搜索得到与所述搜索文本匹配的若干包含配图及字段的初始搜索结果;
38、第一获取模块,用于获取所述搜索文本的视觉强度值,其中所述视觉强度值用于指示搜索文本对应的视觉需求程度;
39、第二获取模块,用于获取所述搜索文本与所述初始搜索结果对应的图文相关度及字段相关度;
40、分值计算模块,用于基于所述搜索文本的视觉强度值、所述初始搜索结果对应的图文相关度及字段相关度,得到所述初始搜索结果与所述搜索文本的综合相关度分值。
41、相应的,本申请实施例另一方面还提供了一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行如上所述的数据搜索方法。
42、相应的,本申请实施例另一方面还提供了一种终端设备,包括处理器和存储器,所述存储器存储有多条指令,所述处理器加载所述指令以执行如上所述的数据搜索方法。
43、本申请实施例提供了一种数据搜索方法、装置、介质及设备,该方法通过接收输入的搜索文本;搜索得到与所述搜索文本匹配的若干包含配图及字段的初始搜索结果;获取所述搜索文本的视觉强度值,其中所述视觉强度值用于指示搜索文本对应的视觉需求程度;获取所述搜索文本与所述初始搜索结果对应的图文相关度及字段相关度;基于所述搜索文本的视觉强度值、所述初始搜索结果对应的图文相关度及字段相关度,得到所述初始搜索结果与所述搜索文本的综合相关度分值。利用本申请实施例提供的数据搜索方法,通过融合搜索文本的视觉强度值,搜索文本与各初始搜索结果对应的图文相关度及字段相关度,得到对应各个初始搜索结果的综合相关度分值。相比传统的跨模态搜索逻辑,本方案能够提供与用户搜索意图更契合的搜索结果。
本文档来自技高网...【技术保护点】
1.一种数据搜索方法,其特征在于,包括:
2.如权利要求1所述的数据搜索方法,其特征在于,在所述获取所述搜索文本的视觉强度值之前,所述方法还包括:
3.如权利要求1所述的数据搜索方法,其特征在于,所述搜索文本与初始搜索结果对应的图文相关度通过以下步骤得到:
4.如权利要求1所述的数据搜索方法,其特征在于,所述搜索文本与初始搜索结果对应的文本相关度通过以下步骤得到:
5.如权利要求4所述的数据搜索方法,其特征在于,所述方法还包括:
6.如权利要求1所述的数据搜索方法,其特征在于,所述基于所述搜索文本的视觉强度值、所述初始搜索结果对应的图文相关度及字段相关度,得到所述初始搜索结果与所述搜索文本的综合相关度分值,包括:
7.如权利要求6所述的数据搜索方法,其特征在于,所述预设维度数据还包括搜索文本的字段长度及所述搜索文本中的实体数量。
8.一种数据搜索装置,其特征在于,包括:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利
10.一种终端设备,其特征在于,包括处理器和存储器,所述存储器存储有多条指令,所述处理器加载所述指令以执行权利要求1-7任一项所述的数据搜索方法。
...【技术特征摘要】
1.一种数据搜索方法,其特征在于,包括:
2.如权利要求1所述的数据搜索方法,其特征在于,在所述获取所述搜索文本的视觉强度值之前,所述方法还包括:
3.如权利要求1所述的数据搜索方法,其特征在于,所述搜索文本与初始搜索结果对应的图文相关度通过以下步骤得到:
4.如权利要求1所述的数据搜索方法,其特征在于,所述搜索文本与初始搜索结果对应的文本相关度通过以下步骤得到:
5.如权利要求4所述的数据搜索方法,其特征在于,所述方法还包括:
6.如权利要求1所述的数据搜索方法,其特征在于,所述基于所述搜索文本的视觉强度值、所述初始搜索结果对应...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。