[發(fā)明專利]信息檢索方法、裝置、設(shè)備及計算機(jī)可讀介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810635964.1
• 申請日: 2018-06-20
• 公開（公告）號: CN110633407B
• 公開（公告）日: 2022-05-24
• 發(fā)明（設(shè)計）人: 范淼;余金星;竇澤皓;孫明明;李平;王海峰
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京市鑄成律師事務(wù)所 11313
• 代理人: 張臻賢;王珺

本發(fā)明提出一種信息檢索方法，包括：通過搜索引擎檢索與查詢請求相關(guān)的網(wǎng)頁；從檢索到的網(wǎng)頁中提取與所述查詢請求相關(guān)的文本并拼接得到拼接文本；在所述拼接文本中截取文本片段；將所截取的文本片段發(fā)送至搜索引擎，以使得搜索引擎在信息檢索結(jié)果中顯示所截取的文本片段。本發(fā)明實(shí)施例給搜索引擎在用戶體驗(yàn)和交互方面帶來極大的優(yōu)勢，能夠滿足用戶對智能問答這一功能的需求。通過本發(fā)明實(shí)施例，能夠直接為用戶展示與檢索請求相關(guān)性較強(qiáng)的簡短文本，節(jié)省用戶的信息篩選時間。

技術(shù)領(lǐng)域

本發(fā)明涉及信息檢索技術(shù)領(lǐng)域，尤其涉及一種基于機(jī)器閱讀的信息檢索方法及裝置、設(shè)備和計算機(jī)可讀介質(zhì)。

背景技術(shù)

當(dāng)前搜索引擎的核心是信息檢索技術(shù)。早期的檢索是基于目錄的手工檢索；而目前的檢索則是基于計算機(jī)的數(shù)據(jù)庫檢索，包括音樂檢索、購物檢索、視頻檢索、圖片檢索等。

搜索引擎現(xiàn)有的信息檢索一般分為兩步：第一步是信息的儲存，把所有能夠?yàn)橛脩羲玫男畔?如各個門類的百科知識，各個領(lǐng)域的時事新聞等)以某種合適的方式組織并儲存起來；第二步是狹義的檢索，根據(jù)用戶輸入的關(guān)鍵詞或者關(guān)鍵特征從儲存的所有信息中檢索出最滿足用戶要求的一些條目。

隨著用戶需求的多樣性和逐漸個性化的發(fā)展趨勢，如今的搜索引擎面臨著一個非常大的交互革新的機(jī)會：在很多情況下，用戶并不是想要全面具體地了解某件事物的各個方面，而是希望搜索引擎能夠準(zhǔn)確地反饋查詢意圖，不求相關(guān)資料豐富與否，只求反饋的資料盡量簡潔、精準(zhǔn)。例如，在百度搜索引擎中我們搜索“今天百度的股票怎么樣”，我們希望搜索引擎能夠反饋百度這支股票的漲跌情況，或者收盤價、換手率情況等。只要查詢的反饋?zhàn)銐蚓珳?zhǔn)，一句話甚至一個數(shù)字即可滿足用戶的需求。目前搜索引擎得到搜索結(jié)果為關(guān)于股票的討論、百度股價的網(wǎng)頁、新聞等鏈接和部分與查詢意圖無關(guān)的摘要。

再比如，在搜索引擎中搜索“XX公司在2016年賺了多少錢”，我們想要的只是一個準(zhǔn)確的數(shù)字，然而搜到的前幾條結(jié)果都是對XX公司的介紹、官網(wǎng)和有關(guān)Tesla的新聞報道，并沒有一條準(zhǔn)確地回應(yīng)了我們的查詢。

在信息檢索方面，現(xiàn)有的主流方法包括：基于布爾檢索模型的直接檢索方法，基于概率或向量空間模型的相似度方法與樸素貝葉斯算法，基于網(wǎng)頁鏈接的重要性分析法。

(1)基于布爾檢索模型的直接檢索方法，根據(jù)用戶的需求來構(gòu)造一個布爾條件，布爾條件由and、if、not來組成。例如如果想要從所有的文本中挑選所有帶有詞條“自動駕駛”，但不帶有“撞車”兩個字的文本，輸入一個布爾條件：“自動駕駛”and(not“撞車”)即可。

(2)基于概率或向量空間模型的相似度方法與樸素貝葉斯算法，通過建立向量模型或概率模型，計算用戶輸入的查詢與數(shù)據(jù)庫中所有文本的相似度或關(guān)聯(lián)概率，然后將它們按照從高到低的順序進(jìn)行排序，呈現(xiàn)在用戶的面前。

(3)基于網(wǎng)頁鏈接的重要性分析法，尤其是著名的PageRank算法可以計算出每一個網(wǎng)頁的相對重要性，作為檢索結(jié)果排序的重要指標(biāo)，大幅度提高了搜索引擎的用戶體驗(yàn)。

上述信息檢索技術(shù)的優(yōu)缺點(diǎn)如下：

(1)基于布爾檢索模型的直接檢索方法，具備容易操作的優(yōu)點(diǎn)，但是其檢索結(jié)果文檔是沒有任何辦法進(jìn)行排序的，只有匹配與不匹配之分，而且其檢索結(jié)果往往過多或者過少。

(2)基于概率或向量空間模型的相似度方法與樸素貝葉斯算法，以詞頻作為核心的參考因素，并沒有考慮到詞之間和字之間的順序，也并沒有完整地理解任何文本的真實(shí)含義，僅僅是比對不同字、不同詞出現(xiàn)的頻率，因此經(jīng)常出現(xiàn)檢索結(jié)果的不準(zhǔn)確。

(3)基于網(wǎng)頁鏈接的重要性分析法，由于最重要的網(wǎng)頁往往是一些官網(wǎng)，或者政府的網(wǎng)站，而在大多數(shù)情況下，這些網(wǎng)頁并不是我們所需要的，因此可能無法滿足用戶需求。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種信息檢索方法、裝置、設(shè)備及計算機(jī)可讀介質(zhì)，以解決或緩解現(xiàn)有技術(shù)中的一個或多個技術(shù)問題。