【技术实现步骤摘要】
技术介绍
1、搜索引擎用于识别并定位可通过互联网访问的相关搜索结果。在一些情况下，用户可能希望基于概念来缩小、修改或过滤搜索结果集(例如，物品)。
技术实现思路
1、在高层次上，本文描述的方面涉及基于用户提供的概念以可以产生更准确或更完整的搜索结果的方式来修改搜索查询向量。
2、当用户在搜索引擎处输入搜索查询时，可以基于该搜索查询来提供第一搜索结果集。搜索引擎可以将搜索查询表示为搜索查询向量，并且第一搜索结果集可以包括基于将搜索查询向量与第一物品集所关联的物品向量进行比较而从物品索引中识别的第一物品集。
3、可以例如从用户接收包括特征的概念。可以识别正物品集和负物品集，其中，正物品集中的物品包括该特征，并且负物品集中的物品不包括该特征。可以使用机器学习模型来生成概念激活向量(cav)。在一些实施例中，超平面可以被确定为使得超平面位于正物品集中的物品与负物品集中的物品之间，并且cav可以被确定为使得它与超平面正交。可以基于正物品集的物品和负物品集的物品之间的间隔量来确定cav的大小(或长度)。
4、一旦被确定，可以使用cav来修改搜索查询向量。例如，可以基于cav的位置、大小或方向来修改搜索查询向量。基于将经修改的搜索查询向量与物品向量进行比较，可以提供第二搜索结果集。
5、本
技术实现思路
意在以简化形式介绍还在本公开的具体实施方式部分中描述的构思的选择。本
技术实现思路
不意在标识所请求保护的主题的关键特征或基本特征，也不意在帮助确定所请
【技术保护点】
1.一种计算机存储介质，存储计算机可执行指令，所述计算机可执行指令在由至少一个处理器执行时，使所述至少一个处理器执行操作，所述操作包括：
2.根据权利要求1所述的计算机实现方法，其中，所述概念输入是与所述特征相对应的文本字符串，并且其中，所述方法还包括：
3.根据权利要求1所述的计算机实现方法，其中，所述概念输入是与所述特征相对应的文本字符串，并且其中，所述方法还包括：
4.根据权利要求1所述的计算机实现方法，其中，所述概念输入是包括所述特征的图像，并且其中，所述方法还包括：
5.根据权利要求4所述的计算机实现方法，还包括确定与所述图像中的所述特征相对应的文本字符串，其中，所述第一物品的描述包括所述文本字符串，并且其中，所述第二物品的描述不包括所述文本字符串。
6.根据权利要求1所述的计算机实现方法，其中，所述第一物品是基于正物品集阈值来识别的，并且其中，所述第二物品是基于负物品集阈值来识别的。
7.根据权利要求1所述的计算机实现方法，其中，使用所述机器学习模型来生成所述概念激活向量包括：
8.根
9.一种系统，包括：
10.根据权利要求9所述的系统，其中，所述概念输入是与所述特征相对应的文本字符串，其中，所述第一物品是通过确定所述第一物品在所述第一物品的描述中包括所述文本字符串来识别的，并且其中，所述第二物品是通过确定所述第二物品在所述第二物品的描述中不包括所述文本字符串来识别的。
11.根据权利要求10所述的系统，其中，所述概念输入是与所述特征相对应的文本字符串，其中，所述第一物品是通过确定所述第一物品的标题包括所述文本字符串来识别的，并且其中，所述第二物品是通过确定所述第二物品的标题不包括所述文本字符串来识别的。
12.根据权利要求9所述的系统，其中，所述概念输入是包括所述特征的图像，其中，所述第一物品是通过确定与所述第一物品相关联的第一图像包括所述特征来识别的，并且其中，所述第二物品是通过确定与所述第二物品相关联的第二图像不包括所述特征来识别的。
13.根据权利要求9所述的系统，其中，所述机器学习模型包括支持向量机。
14.根据权利要求9所述的系统，其中，所述概念激活向量还通过以下方式来生成：
15.根据权利要求14所述的系统，其中，所述概念激活向量还通过以下方式来生成：
16.一种计算机实现方法，包括：
17.根据权利要求16所述的计算机实现方法，其中，所述概念输入是与所述特征相对应的文本字符串，其中，所述第一物品是通过确定所述第一物品在所述第一物品的描述中包括所述文本字符串来识别的，并且其中，所述第二物品是通过确定所述第二物品在所述第二物品的描述中不包括所述文本字符串来识别的。
18.根据权利要求16所述的计算机实现方法，其中，所述概念激活向量还通过以下方式来确定：
19.根据权利要求18所述的计算机实现方法，其中，所述概念激活向量还通过以下方式来确定：
20.根据权利要求16所述的计算机实现方法，其中，所述机器学习模型是支持向量机。
...【技术特征摘要】
1.一种计算机存储介质，存储计算机可执行指令，所述计算机可执行指令在由至少一个处理器执行时，使所述至少一个处理器执行操作，所述操作包括：
2.根据权利要求1所述的计算机实现方法，其中，所述概念输入是与所述特征相对应的文本字符串，并且其中，所述方法还包括：
3.根据权利要求1所述的计算机实现方法，其中，所述概念输入是与所述特征相对应的文本字符串，并且其中，所述方法还包括：
4.根据权利要求1所述的计算机实现方法，其中，所述概念输入是包括所述特征的图像，并且其中，所述方法还包括：
5.根据权利要求4所述的计算机实现方法，还包括确定与所述图像中的所述特征相对应的文本字符串，其中，所述第一物品的描述包括所述文本字符串，并且其中，所述第二物品的描述不包括所述文本字符串。
6.根据权利要求1所述的计算机实现方法，其中，所述第一物品是基于正物品集阈值来识别的，并且其中，所述第二物品是基于负物品集阈值来识别的。
7.根据权利要求1所述的计算机实现方法，其中，使用所述机器学习模型来生成所述概念激活向量包括：
8.根据权利要求7所述的计算机实现方法，其中，使用所述机器学习模型来生成所述概念激活向量还包括：
9.一种系统，包括：
10.根据权利要求9所述的系统，其中，所述概念输入是与所述特征相对应的文本字符串，其中，所述第一物品是通过确定所述第一物品在所述第一物品的描述中包括所述文本字符串来识别的，并且其中，所述第二物品是通过确定所述第二物品在所述第二物品的描述中不包括所述文本字符串来识别的。
【专利技术属性】
技术研发人员：德米特里·贝森，伊多·本肖尔，
申请(专利权)人：电子湾有限公司，
类型：发明
国别省市：
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。