搜索方法、装置、存储介质及电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114297348A(43)申请公布日2022.04.08(21)申请号202111652186.5G06N3/08(2006.01)(22)申请日2021.12.30(71)申请人北京金堤科技有限公司地址100098北京市海淀区知春路65号院1号楼B座20层2001号(72)发明人刘春林李刚(74)专利代理机构北京英创嘉友知识产权代理事务所(普通合伙)11447代理人卢夏子(51)Int.Cl.G06F16/33(2019.01)G06F16/953(2019.01)G06F40/289(2020.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书8页附图2页(54)发明名称搜索方法、装置、存储介质及电子设备(57)摘要本公开涉及一种搜索方法、装置、存储介质及电子设备，依据用户输入的搜索词，得到针对搜索词的扩展搜索词，然后根据搜索词以及扩展搜索词进行数据搜索，提高了搜索结果的全面性和准确性。该方法包括：获取用户输入的搜索词；将所述搜索词输入到预先训练完成的分词模型中，得到所述搜索词的分词结果，其中，所述分词模型是基于在源域数据集和通过距离注释构造的目标领域数据集上联合进行对抗训练得到的；将所述搜索词的分词结果输入到预先训练完成的改写模型中，得到针对所述搜索词的扩展搜索词，所述改写模型是基于Transformer模型进行训练得到的；根据所述搜索词以及所述扩展搜索词进行数据搜索。CN114297348ACN114297348A权利要求书1/2页1.一种搜索方法，其特征在于，所述方法包括：获取用户输入的搜索词；将所述搜索词输入到预先训练完成的分词模型中，得到所述搜索词的分词结果；将所述搜索词的分词结果输入到预先训练完成的改写模型中，得到针对所述搜索词的扩展搜索词；根据所述搜索词以及所述扩展搜索词进行数据搜索。2.根据权利要求1所述的方法，其特征在于，所述改写模型的训练包括：根据对搜索结果的点击日志，确定点击的同一搜索结果对应的搜索词，得到对应同一搜索结果的搜索词集合；根据同一所述搜索词集合中的搜索词确定搜索词对，每一所述搜索词对包括原搜索词以及所述原搜索词的扩展搜索词；将所述搜索词对作为训练样本对所述改写模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述根据同一所述搜索词集合中的搜索词确定搜索词对，包括：确定同一所述搜索词集合中各个搜索词之间的第一相似度；将任意两个所述第一相似度大于第一阈值的搜索词确定为所述搜索词对。4.根据权利要求2所述的方法，其特征在于，所述将所述搜索词对作为训练样本对所述改写模型进行训练之前，所述方法还包括：将所述搜索词对输入到所述分词模型中，得到所述搜索词对的分词结果；根据所述搜索词对的分词结果对所述改写模型进行训练。5.根据权利要求1‑3中任一项所述的方法，其特征在于，在所述根据所述搜索词以及所述扩展搜索词进行数据搜索之前，还包括：确定所述每一所述扩展搜索词与所述搜索词之间的第二相似度；删除所述第二相似度小于第二相似度阈值的扩展搜索词。6.根据权利要求1‑3中任一项所述的方法，其特征在于，所述分词模型包括距离注释模块以及对抗训练模块，所述分词模型的训练数据包括源域的训练数据以及目标域的训练数据，所述距离注释模块用于对目标域数据进行标注，所述对抗训练模块用于对输入所述对抗训练模型的数据所属的域进行对抗训练，其中，输入所述对抗训练模型的数据包括所述源域的训练数据以及所述目标域中进行所述距离注释模块标注的训练数据。7.一种搜索装置，其特征在于，所述装置包括：获取模块，用于获取用户输入的搜索词；第一确定模块，用于将所述搜索词输入到预先训练完成的分词模型中，得到所述搜索词的分词结果；第二确定模块，用于将所述搜索词的分词结果输入到预先训练完成的改写模型中；搜索模块，用于根据所述搜索词以及所述扩展搜索词进行数据搜索。8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1‑6中任一项所述方法的步骤。9.一种电子设备，其特征在于，包括：存储器，其上存储有计算机程序；2CN114297348A权利要求书2/2页处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1‑6中任一项所述方法的步骤。3CN114297348A说明书1/8页搜索方法、装置、存储介质及电子设备技术领域[0001]本公开涉及计算机技术领域，具体地，涉及一种搜索方法、装置、存储介质及电子设备。背景技术[0002]搜索词分析是搜索引擎的一个重要模块，对搜索结果的覆盖率和相关性至关重要。搜索引擎的检索过程包含匹配和排序两个阶段。匹配也叫召回，表示根据用户的查询条件，尽可能多