[發明專利]數據搜索方法及裝置、電子設備、存儲介質

在審

• 申請號: 201810410063.2
• 申請日: 2018-05-02
• 公開（公告）號: CN110457339A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 劉繼宇;邵榮防;郝暉;謝群群
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/242
• 分類號: G06F16/242;G06F16/21;G06F16/2455
• 代理公司: 11438 北京律智知識產權代理有限公司
• 代理人: 闞梓瑄;王衛忠<國際申請>=<國際公布>

本公開是關于一種數據搜索方法及裝置、電子設備、存儲介質，涉及電子商務技術領域，該方法包括：獲取搜索數據；通過詞形和詞義計算所述搜索數據與多個歷史搜索數據之間的相似度；通過所述相似度從所述歷史搜索數據中確定所述搜索數據的近義詞；根據所述近義詞進行搜索，以返回搜索結果。本公開能夠提高數據搜索準確率。

技術領域

本公開涉及電子商務技術領域，具體而言，涉及一種數據搜索方法、數據搜索裝置、電子設備以及計算機可讀存儲介質。

背景技術

隨著互聯網技術的快速發展，用戶通過網絡進行搜索的需求逐漸提高。由于用戶的搜索查詢query會存在多樣性，同時有些用戶的搜索query系統無法識別，因此如何根據用戶搜索的query挖掘出用戶真實的意圖是急需解決的問題。

為了解決上述問題，相關技術中在接收到用戶輸入的搜索詞之后，通過正則表達式匹配的方法獲取搜索詞的近義詞。正則表達式指的是對字符串和特殊字符操作的一種邏輯公式，其只可以在搜索查詢query的形式比較相似時才可以使用。

上述方式中，由于正則表達式不能從搜索詞的詞義層面確定其近義詞，也不能確定縮寫形式的搜索詞的近義詞，因此導致確定的近義詞不準確，進而影響數據搜索的準確率，與此同時，由于不能準確確定近義詞，導致搜索過程效率較低；除此之外，由于正則表達式的局限性，導致數據搜索的應用范圍受到限制，因此降低了用戶滿意度和用戶體驗。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種數據搜索方法及裝置、電子設備、存儲介質，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的數據搜索不準確的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一個方面，提供一種數據搜索方法，包括：獲取搜索數據；通過詞形和詞義計算所述搜索數據與多個歷史搜索數據之間的相似度；通過所述相似度從所述歷史搜索數據中確定所述搜索數據的近義詞；根據所述近義詞進行搜索，以返回搜索結果。

在本公開的一種示例性實施例中，通過詞形和詞義計算所述搜索數據與多個歷史搜索數據之間的相似度包括：對所述搜索數據進行分詞處理，以獲取第一詞序列；對所述歷史搜索數據進行分詞處理，以獲取第二詞序列；通過詞形和詞義計算所述第一詞序列與所述第二詞序列之間的相似度。

在本公開的一種示例性實施例中，通過詞形和詞義計算所述第一詞序列與所述第二詞序列之間的相似度包括：計算所述第一詞序列與所述第二詞序列之間的匹配度；計算所述第一詞序列與所述第二詞序列之間的編輯距離；確定所述第一詞序列與所述第二詞序列之間的詞義相似度。

在本公開的一種示例性實施例中，所述匹配度的計算公式包括：

s＝P_i/len(term)，

其中，s為匹配度，P_i為第一詞序列與第二詞序列中相同詞的數量，len(term)為第一詞序列中詞的數量。

在本公開的一種示例性實施例中，所述編輯距離的計算公式包括：

d＝0.1×Edit(a,b)，

其中，a為第一詞序列，b為第二詞序列。

在本公開的一種示例性實施例中，確定所述第一詞序列與所述第二詞序列之間的詞義相似度包括：通過將第一詞序列中的每個詞輸入一搜索詞模型，以確定第一詞序列的目標向量；計算所述目標向量與第二詞序列的參考向量之間的余弦相似度，以得到所述詞義相似度。

在本公開的一種示例性實施例中，所述余弦相似度的計算公式包括：