[發(fā)明專利]商品搜索方法、裝置、設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210152319.0
• 申請日: 2022-02-18
• 公開（公告）號: CN114357273A
• 公開（公告）日: 2022-04-15
• 發(fā)明（設計）人: 劉陽
• 申請（專利權）人: 北京小米移動軟件有限公司;北京小米松果電子有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/9535;G06F16/9538;G06N20/00
• 代理公司: 北京博思佳知識產(chǎn)權代理有限公司 11415
• 代理人: 康瑩

1.一種商品搜索方法，其特征在于，所述方法包括：

響應于接收到用于搜索目標商品的源語言搜索詞，基于所述源語言搜索詞獲取所述目標商品的搜索結(jié)果，所述搜索結(jié)果包括所述目標商品的描述信息；

展示所述目標商品的描述信息，其中，展示的所述描述信息通過目標語言表達，所述目標語言不同于所述源語言。

2.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述源語言搜索詞獲取所述目標商品的搜索結(jié)果，包括：

將所述源語言搜索詞發(fā)送至服務端；

接收服務端基于所述源語言搜索詞確定的所述目標商品的搜索結(jié)果。

3.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述源語言搜索詞獲取所述目標商品的搜索結(jié)果，包括：

確定所述源語言搜索詞對應的第一語義向量；

獲取第二語義向量中與所述第一語義向量匹配成功的目標語義向量，所述第二語義向量包括預先確定的各類商品的目標語言描述信息對應的語義向量；

將所述目標語義向量對應的目標商品文檔確定為所述目標商品的搜索結(jié)果，所述目標商品文檔包括所述目標商品的描述信息。

4.一種商品搜索方法，其特征在于，所述方法包括：

響應于接收到用于搜索目標商品的源語言搜索詞，基于所述源語言搜索詞確定所述目標商品的搜索結(jié)果，所述搜索結(jié)果包括所述目標商品的描述信息；

輸出所述目標商品的描述信息，其中，輸出的所述描述信息通過目標語言表達，所述目標語言不同于所述源語言。

5.根據(jù)權利要求4所述的方法，其特征在于，所述基于所述源語言搜索詞確定所述目標商品的搜索結(jié)果，包括：

確定所述源語言搜索詞對應的第一語義向量；

獲取第二語義向量中與所述第一語義向量匹配成功的目標語義向量，所述第二語義向量包括預先確定的各類商品的目標語言描述信息對應的語義向量；

將所述目標語義向量對應的目標商品文檔確定為所述目標商品的搜索結(jié)果，所述目標商品文檔包括所述目標商品的描述信息。

6.根據(jù)權利要求5所述的方法，其特征在于，所述確定所述源語言搜索詞對應的第一語義向量，包括：

將所述源語言搜索詞輸入至預先訓練的深度學習模型中，得到所述源語言搜索詞對應的第一語義向量。

7.根據(jù)權利要求6所述的方法，其特征在于，所述方法還包括預先基于以下方式訓練所述深度學習模型：

獲取用于訓練所述深度學習模型的樣本語料，所述樣本語料包括源語言語料和目標語言語料，所述源語言語料對應于表達所述目標商品的搜索詞的語言，所述目標語言對應于表達所述各類商品的描述信息的語言；

將所述源語言語料和目標語言語料分別輸入至預先構建的深度學習模型中，得到所述源語言語料的第三語義向量和所述目標語言語料的第四語義向量；

基于所述第三語義向量和所述第四語義向量的相似度，構建所述深度學習模型的損失函數(shù)；

基于所述損失函數(shù)優(yōu)化所述深度學習模型的參數(shù)，得到訓練好的所述深度學習模型。

8.根據(jù)權利要求7所述的方法，其特征在于，所述目標語言語料包括正樣本語料和負樣本語料。

9.根據(jù)權利要求5所述的方法，其特征在于，所述方法還包括：

基于第二語義向量構建向量索引，所述向量索引中包括所述第二語義向量的分類結(jié)果；

所述獲取第二語義向量中與所述第一語義向量匹配成功的目標語義向量，包括：

基于所述向量索引，將所述第二語義向量中與所述第一語義向量匹配成功的語義向量所在分類中的向量確定為目標語義向量。

10.根據(jù)權利要求5所述的方法，其特征在于，所述獲取第二語義向量中與所述第一語義向量匹配成功的目標語義向量，包括：

分別計算所述第一語義向量與每個所述第二語義向量的余弦相似度；

將與所述第一語義向量的余弦相似度最高的第二語義向量確定為與所述第一語義向量匹配成功的目標語義向量。