[發明專利]搜索方法、深度學習模型的訓練方法、裝置及電子設備

在審

• 申請號: 202310371823.4
• 申請日: 2023-04-07
• 公開（公告）號: CN116628315A
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 麻俊滿;葉超;崔自鑫;殷碩;鄧濤;曾晨;李雙龍;國智;孫琳;劉林
• 申請（專利權）人: 百度在線網絡技術(北京)有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/284;G06F40/30;G06F18/214;G06F18/22;G06F18/2415;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 孫蕾

本公開提供了搜索方法、深度學習模型的訓練方法、裝置、電子設備、存儲介質以及程序產品，涉及人工智能技術領域，尤其涉及深度學習技術領域及自然語言處理技術領域等。具體實現方案為：獲取搜索文本；基于搜索文本、多個待匹配內容和多個待匹配內容各自的屬性信息，確定多個待匹配內容各自與搜索文本之間的匹配度；以及基于多個匹配度，從多個待匹配內容中確定目標待匹配內容。

技術領域

本公開涉及人工智能技術領域，尤其涉及深度學習技術領域及自然語言處理技術領域等，具體涉及搜索方法、深度學習模型的訓練方法、裝置、電子設備、存儲介質以及程序產品。

背景技術

隨著互聯網的普及，智能搜索已經成為互聯網的重要工具之一。智能搜索可以提供信息查詢、檢索等服務，在提供該些服務的過程中，可以通過不斷優化其智能化、個性化、交互性、主動性等優勢，力求使用戶快速精準地找到自己需要的信息。

發明內容

本公開提供了一種搜索方法、深度學習模型的訓練方法、裝置、電子設備、存儲介質以及程序產品。

根據本公開的一方面，提供了一種搜索方法，包括：獲取搜索文本；基于上述搜索文本、多個待匹配內容和上述多個待匹配內容各自的屬性信息，確定上述多個待匹配內容各自與上述搜索文本之間的匹配度；以及基于多個上述匹配度，從上述多個待匹配內容中確定目標待匹配內容。

根據本公開的另一方面，提供了一種深度學習模型的訓練方法，包括：將訓練樣本的訓練數據輸入至深度學習模型中，得到樣本匹配度，其中，上述訓練數據包括樣本搜索文本、樣本匹配內容和上述樣本匹配內容的樣本屬性信息，上述訓練樣本還包括標簽，上述標簽用于表征上述樣本搜索文本與上述樣本匹配內容之間的匹配概率；以及基于上述樣本匹配度和上述標簽，訓練上述深度學習模型。

根據本公開的另一方面，提供了一種搜索裝置，包括：獲取模塊，用于獲取搜索文本；第一確定模塊，用于基于上述搜索文本、多個待匹配內容和上述多個待匹配內容各自的屬性信息，確定上述多個待匹配內容各自與上述搜索文本之間的匹配度；以及第二確定模塊，用于基于多個上述匹配度，從上述多個待匹配內容中確定目標待匹配內容。

根據本公開的另一方面，提供了一種深度學習模型的訓練裝置，包括：第一輸入模塊，用于將訓練樣本的訓練數據輸入至深度學習模型中，得到樣本匹配度，其中，上述訓練數據包括樣本搜索文本、樣本匹配內容和上述樣本匹配內容的樣本屬性信息，上述訓練樣本還包括標簽，上述標簽用于表征上述樣本搜索文本與上述樣本匹配內容之間的匹配概率；以及訓練模塊，用于基于上述樣本匹配度和上述標簽，訓練上述深度學習模型。

根據本公開的另一方面，提供了一種電子設備，包括：至少一個處理器；以及與上述至少一個處理器通信連接的存儲器；其中，上述存儲器存儲有可被上述至少一個處理器執行的指令，上述指令被上述至少一個處理器執行，以使上述至少一個處理器能夠執行如本公開的方法。

根據本公開的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，上述計算機指令用于使上述計算機執行如本公開的方法。

根據本公開的另一方面，提供了一種計算機程序產品，包括計算機程序，上述計算機程序在被處理器執行時實現如本公開的方法。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本公開的限定。其中：

圖1示意性示出了根據本公開實施例的可以應用搜索方法及裝置的示例性系統架構；

圖2示意性示出了根據本公開實施例的搜索方法的流程圖；

圖3示意性示出了根據本公開實施例的確定匹配度的示意圖；