[發明專利]搜索文本處理方法、裝置、電子設備及介質

在審

• 申請號: 202110695117.6
• 申請日: 2021-06-22
• 公開（公告）號: CN113535895A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 錢昉
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/31;G06K9/62;G06F40/232;G06F40/289;G06F40/295
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種搜索文本處理方法，其特征在于，所述方法包括：

從待處理的搜索文本中確定當前待糾錯的糾錯文本片段；

基于所述糾錯文本片段進行文本召回，得到所述糾錯文本片段對應的多個待召回文本；

分別基于所述多個待召回文本，對目標索引庫中的搜索對象進行檢索，所述目標索引庫存儲有分別以描述詞為索引的多條索引記錄；其中，一條索引記錄對應一個或多個搜索對象，所述描述詞為搜索對象的名稱中的分詞；

根據所述多個待召回文本各自對應的檢索結果，從所述多個待召回文本中確定用于對所述糾錯文本片段進行糾錯的目標文本。

2.根據權利要求1所述的方法，其特征在于，分別基于所述多個待召回文本，對目標索引庫的搜索對象進行檢索，包括：

基于所述多個待召回文本，對目標索引庫的搜索對象進行多種不同粒度的檢索，其中，所述多種不同粒度至少包括片段文本檢索粒度和完整文本檢索粒度；

根據所述多個待召回文本各自對應的檢索結果，從所述多個待召回文本中確定用于對所述糾錯文本片段進行糾錯的目標文本，包括：

根據所述多個待召回文本各自對應的不同粒度的檢索結果，從所述多個待召回文本中確定用于對所述糾錯文本片段進行糾錯的目標文本。

3.根據權利要求2所述的方法，其特征在于，基于所述多個待召回文本，對目標索引庫的搜索對象進行多種不同粒度的檢索，包括：

分別以所述多個待召回文本為檢索文本，對所述目標索引庫的搜索對象進行檢索，得到檢索到搜索對象的至少一個候選召回文本；

將所述搜索文本中的所述糾錯文本片段分別替換為所述至少一個候選召回文本，得到與所述至少一個候選召回文本各自對應的候選搜索文本；

以所述候選搜索文本為檢索文本，對所述目標索引庫的搜索對象進行檢索；

根據所述多個待召回文本各自對應的不同粒度的檢索結果，從所述多個待召回文本中確定用于對所述糾錯文本片段進行糾錯的目標文本，包括：

根據各所述候選搜索文本各自對應的檢索結果，從所述至少一個候選召回文本中確定所述目標文本。

4.根據權利要求2或3所述的方法，其特征在于，根據所述多個待召回文本各自對應的不同粒度的檢索結果，從所述多個待召回文本中確定用于對所述糾錯文本片段進行糾錯的目標文本，包括：

在所述完整文本檢索粒度下，獲取各候選搜索文本命中的索引記錄所對應的目標搜索對象；其中，候選搜索文本是以待召回文本對所述搜索文本進行糾錯處理得到；

基于各所述候選搜索文本和對應的目標搜索對象，確定各所述候選搜索文本各自對應的多維度特征；其中，每個候選搜索文本的多維度特征包括候選搜索文本與目標搜索對象的名稱之間的相似度特征、目標搜索對象的屬性特征、候選召回文本的上下文語言特征；

基于各所述候選搜索文本各自對應的多維度特征，從各所述候選搜索文本對應的候選召回文本中篩選出所述目標文本。

5.根據權利要求4所述的方法，其特征在于，在所述糾錯文本片段為多個的情況下，所述方法還包括：

在確定篩選出的所述目標文本的相似度特征大于或等于相似度閾值時，將所述搜索文本中所述當前待糾錯的糾錯文本片段替換為所述目標文本，得到糾錯后搜索文本；

在確定篩選出的所述目標文本的相似度特征小于相似度閾值時，確定下一糾錯文本片段對應的目標文本，直到遍歷完所有的糾錯文本片段，并將搜索文本中所述多個糾錯文本片段分別替換為各自對應的目標文本，得到糾錯后搜索文本。

6.根據權利要求1-5任一項或7所述的方法，其特征在于，所述糾錯文本片段是通過以下步驟獲得的：

獲得發送所述搜索文本的用戶所在的位置標識；

對所述搜索文本進行分詞處理和/或實體識別，得到多個文本片段：

分別以多個文本片段和所述位置標識為檢索文本，對所述目標索引庫中的多個索引記錄進行檢索，得到每個文本片段所命中的索引記錄對應的命中搜索對象；

根據每個文本片段對應的命中搜索對象與其他文本片段對應的命中搜索對象的取交集結果，從多個文本片段確定需要糾錯的糾錯文本片段。