[發明專利]一種數據搜索方法、系統、電子設備及存儲介質

在審

• 申請號: 202210417524.5
• 申請日: 2022-04-21
• 公開（公告）號: CN114547474A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 崔燕紅
• 申請（專利權）人: 北京泰迪熊移動科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9538;G06N3/08
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 江宇

本發明提供了一種數據搜索方法、系統、電子設備及存儲介質，涉及互聯網技術領域，方法包括：獲取待搜索數據，將待搜索數據輸入預先訓練好的識別模型進行待搜索詞提取，獲取待搜索詞集；對待搜索詞集中的待搜索詞進行可視化顯示，生成待搜索詞圖形；待搜索詞圖形被觸發時，獲取待搜索詞圖形對應的待搜索詞在至少一個搜索引擎中的搜索結果集，搜索結果集包括至少一個搜索結果；獲取搜索結果與對應的待搜索詞之間的關聯度，根據預設的打分規則和關聯度，對搜索結果集進行打分，根據搜索結果集的分數，對搜索結果集進行排序與可視化顯示，生成搜索結果集圖形。本方法較好地滿足了對大量資料或數據進行多搜索引擎搜索的需求，提升用戶體驗。

技術領域

本公開涉及互聯網技術領域，尤其涉及一種數據搜索方法、系統、電子設備及存儲介質。

背景技術

目前，對于大量資料，如多個待搜索詞的搜索或查詢，通常有手動查詢和爬蟲查詢兩種方式。其中，利用手動查詢，需要在不同的搜索引擎網站，對待查詢待搜索詞一個個進行查詢并記錄查詢結果，浪費需求者大量時間；而利用爬蟲爬取互聯網搜索引擎進行信息搜索，則很可能涉及搜索引擎網站的知識產權問題，導致用戶進行大量資料搜索或查詢的過程十分不便。其次，目前的網站搜索通常針對單一文本詞匯進行搜索，不能較好地對大量文本和語音進行聯合搜索，不能較好地滿足用戶需求。

發明內容

本公開提供了一種數據搜索方法、系統、電子設備及存儲介質，以至少解決現有技術中存在的以上技術問題。

根據本公開的第一方面，提供了一種數據搜索方法，所述方法包括：

獲取待搜索數據；

將所述待搜索數據輸入預先訓練好的識別模型進行待搜索詞提取，獲取待搜索詞集；

對所述待搜索詞集中的待搜索詞進行可視化顯示，生成待搜索詞圖形；

所述待搜索詞圖形被觸發時，獲取所述待搜索詞圖形對應的待搜索詞在至少一個搜索引擎中的搜索結果集，所述搜索結果集包括至少一個搜索結果；

獲取所述搜索結果與對應的待搜索詞之間的關聯度，根據預設的打分規則和所述關聯度，對所述搜索結果集進行打分，獲取對應搜索結果集的分數；

根據所述分數，對所述搜索結果集進行排序與可視化顯示，生成搜索結果集圖形，所述搜索結果集圖形分別與搜索引擎和待搜索詞相對應。

在一可實施方式中，所述待搜索數據至少包括以下之一：文本數據和語音數據；

所述識別模型至少包括以下之一：文本識別子模型和語音識別子模型。

在一可實施方式中，所述文本識別子模型的獲取步驟包括：

獲取第一訓練集，所述第一訓練集包括：訓練語句、訓練詞集、與所述訓練語句相對應的第一真實語義標簽、以及與所述訓練詞集相對應的第二真實語義標簽；

將所述訓練語句和訓練詞集分別輸入預設的第一語義識別網絡進行語義識別，獲取第一預測語義標簽集和第二預測語義標簽集，所述第一預測語義標簽集包括至少一個第一預測語義標簽，所述第二預測語義標簽集包括至少一個第二預測語義標簽，所述第一預測語義標簽集與所述訓練語句相對應，所述第二預測語義標簽集與所述訓練詞集相對應；

根據所述第一真實語義標簽與第一預測語義標簽之間的差距、以及第二真實語義標簽與第二預測語義標簽之間的差距，對所述第一語義識別網絡進行迭代訓練，獲取所述文本識別子模型。

在一可實施方式中，所述語音識別子模型的獲取步驟包括：

獲取第二訓練集，所述第二訓練集包括：語音樣本數據、以及與所述語音樣本數據相對應的第三真實語義標簽；

對所述語音樣本數據進行降噪處理，獲取降噪樣本數據；

將所述降噪樣本數據輸入預設的語音識別網絡進行語音識別，獲取語音文本；

將所述語音文本輸入預設的第二語義識別網絡進行語義識別，獲取第三預測語義標簽集；