本申請(qǐng)涉及計(jì)算機(jī)，尤其涉及一種向量召回方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、在檢索場(chǎng)景中，需要根據(jù)用戶輸入的較為模糊的查詢語(yǔ)句，得到準(zhǔn)確的檢索結(jié)果。

2、在現(xiàn)有技術(shù)中，通常對(duì)查詢語(yǔ)句進(jìn)行向量化處理，得到查詢特征描述向量(queryembedding)，并對(duì)查詢語(yǔ)句進(jìn)行分詞，根據(jù)查詢語(yǔ)句的分詞、前綴詞，以及查詢特征描述向量，進(jìn)行向量召回，得到向量集，上述向量集包括多個(gè)用于表征檢索結(jié)果的向量，以此基于向量集確定最終的檢索結(jié)果。

3、然而，在現(xiàn)有技術(shù)中，僅對(duì)查詢語(yǔ)句進(jìn)行解析，從查詢語(yǔ)句本身這一維度確定向量集，可能導(dǎo)致向量集不夠準(zhǔn)確，不能準(zhǔn)確的表征查詢結(jié)果。因此，如何提供一種能夠準(zhǔn)確且全面召回向量的方法，是本領(lǐng)域待以解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的主要目的在于提供了一種向量召回方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，旨在解決向量集不夠準(zhǔn)確，不能準(zhǔn)確的表征查詢結(jié)果的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┮环N向量召回方法，該方法包括：

3、獲取用戶輸入的查詢語(yǔ)句和所述用戶關(guān)聯(lián)的歷史數(shù)據(jù)；

4、解析所述查詢語(yǔ)句，得到所述查詢語(yǔ)句對(duì)應(yīng)的興趣點(diǎn)；

5、基于所述查詢語(yǔ)句和所述歷史數(shù)據(jù)，確定查詢特征描述向量；

6、基于所述興趣點(diǎn)和所述歷史數(shù)據(jù)，確定興趣點(diǎn)特征描述向量；

7、基于所述查詢特征描述向量和所述興趣點(diǎn)特征描述向量，生成向量集。

8、可選地，所述歷史數(shù)據(jù)包括多個(gè)歷史興趣點(diǎn)名稱，所述基于所述查詢語(yǔ)句和所述歷史數(shù)據(jù)，確定查詢特征描述向量，包括：

9、基于所述查詢語(yǔ)句，得到第一特征描述向量；

10、基于所述多個(gè)歷史興趣點(diǎn)名稱，得到向量矩陣；所述向量矩陣包括多個(gè)向量，且1個(gè)向量與1個(gè)歷史興趣點(diǎn)名稱對(duì)應(yīng)；

11、基于所述向量矩陣和所述第一特征描述向量，得到第二特征描述向量；

12、拼接所述第一特征描述向量和所述第二特征描述向量，得到所述查詢特征描述向量。

13、可選地，所述基于所述查詢語(yǔ)句，得到第一特征描述向量，包括：

14、通過預(yù)設(shè)的bert模型對(duì)所述查詢語(yǔ)句進(jìn)行向量化處理，得到第一特征描述向量；

15、所述基于所述多個(gè)歷史興趣點(diǎn)名稱，得到向量矩陣，包括：

16、通過所述bert模型對(duì)所述多個(gè)歷史興趣點(diǎn)進(jìn)行向量化處理，得到向量矩陣。

17、可選地，所述基于所述向量矩陣和所述第一特征描述向量，得到第二特征描述向量，包括：

18、通過預(yù)設(shè)的注意力模型對(duì)所述向量矩陣和所述第一特征描述向量進(jìn)行內(nèi)積向量運(yùn)算，得到與所述向量矩陣中每個(gè)向量對(duì)應(yīng)的權(quán)重值；

19、通過所述注意力模型聚合所述每個(gè)向量對(duì)應(yīng)的權(quán)重值和所述向量矩陣，得到第二特征描述向量。

20、可選地，所述歷史數(shù)據(jù)包括多個(gè)搜索詞，所述多個(gè)搜索詞與所述查詢語(yǔ)句對(duì)應(yīng)的興趣點(diǎn)相關(guān)聯(lián)；

21、所述基于所述興趣點(diǎn)和所述歷史數(shù)據(jù)，確定興趣點(diǎn)特征描述向量，包括：

22、基于所述興趣點(diǎn)，得到第三特征描述向量；

23、基于所述多個(gè)搜索詞，得到第四特征描述向量；

24、拼接所述第三特征描述向量和所述第四特征描述向量，得到所述興趣點(diǎn)特征描述向量。

25、可選地，所述基于所述興趣點(diǎn)，得到第三特征描述向量，包括：

26、通過預(yù)設(shè)的bert模型對(duì)所述興趣點(diǎn)進(jìn)行向量化處理，得到第三特征描述向量；

27、所述基于所述多個(gè)搜索詞，得到第四特征描述向量，包括：

28、通過所述bert模型對(duì)所述多個(gè)搜索詞進(jìn)行向量化處理，得到第四特征描述向量。

29、可選地，所述基于所述查詢特征描述向量和所述興趣點(diǎn)特征描述向量，生成向量集，包括：

30、對(duì)每個(gè)查詢特征描述向量與每個(gè)興趣點(diǎn)特征描述向量進(jìn)行內(nèi)積向量運(yùn)算，得到多個(gè)目標(biāo)向量；每個(gè)目標(biāo)向量與1個(gè)查詢特征描述向量和1個(gè)興趣點(diǎn)特征描述向量相關(guān)聯(lián)；

31、基于n個(gè)目標(biāo)向量，生成向量集；所述n個(gè)目標(biāo)向量為所述多個(gè)目標(biāo)向量中對(duì)應(yīng)相似度數(shù)值從高至低排序的前n個(gè)，所述相似度數(shù)值用于表征目標(biāo)向量關(guān)聯(lián)的查詢特征描述向量與興趣點(diǎn)特征描述向量之間的相似度，n為大于1的正整數(shù)。

32、此外，為實(shí)現(xiàn)上述目的，本申請(qǐng)還提供一種向量召回裝置，所述向量召回裝置包括：

33、獲取模塊，用于獲取用戶輸入的查詢語(yǔ)句和所述用戶關(guān)聯(lián)的歷史數(shù)據(jù)；

34、解析模塊，用于解析所述查詢語(yǔ)句，得到所述查詢語(yǔ)句對(duì)應(yīng)的興趣點(diǎn)；

35、第一確定模塊，用于基于所述查詢語(yǔ)句和所述歷史數(shù)據(jù)，確定查詢特征描述向量；

36、第二確定模塊，用于基于所述興趣點(diǎn)和所述歷史數(shù)據(jù)，確定興趣點(diǎn)特征描述向量；

37、生成模塊，用于基于所述查詢特征描述向量和所述興趣點(diǎn)特征描述向量，生成向量集。

38、為了解決上述技術(shù)問題，本申請(qǐng)實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

39、所述計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)本申請(qǐng)實(shí)施例中提出的任一項(xiàng)所述的向量召回方法的步驟。

40、為了解決上述技術(shù)問題，本申請(qǐng)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，采用了如下所述的技術(shù)方案：

41、所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本申請(qǐng)實(shí)施例中提出的任一項(xiàng)所述的向量召回方法的步驟。

42、與現(xiàn)有技術(shù)相比，本申請(qǐng)實(shí)施例主要有以下有益效果：

43、本申請(qǐng)實(shí)施例提供了一種向量召回方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，上述方法包括：獲取用戶輸入的查詢語(yǔ)句和用戶關(guān)聯(lián)的歷史數(shù)據(jù)；解析查詢語(yǔ)句，得到查詢語(yǔ)句對(duì)應(yīng)的興趣點(diǎn)；基于查詢語(yǔ)句和歷史數(shù)據(jù)，確定查詢特征描述向量；基于興趣點(diǎn)和歷史數(shù)據(jù)，確定興趣點(diǎn)特征描述向量；基于查詢特征描述向量和興趣點(diǎn)特征描述向量，生成向量集。本實(shí)施例中，基于查詢語(yǔ)句確定查詢特征描述向量，基于歷史數(shù)據(jù)確定興趣點(diǎn)特征描述向量，進(jìn)而基于查詢特征描述向量和興趣點(diǎn)特征描述向量，生成向量集，以此從多個(gè)維度生成高置信度的向量集。

技術(shù)特征：

1.一種向量召回方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述歷史數(shù)據(jù)包括多個(gè)歷史興趣點(diǎn)名稱，所述基于所述查詢語(yǔ)句和所述歷史數(shù)據(jù)，確定查詢特征描述向量，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述查詢語(yǔ)句，得到第一特征描述向量，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述向量矩陣和所述第一特征描述向量，得到第二特征描述向量，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述歷史數(shù)據(jù)包括多個(gè)搜索詞，所述多個(gè)搜索詞與所述查詢語(yǔ)句對(duì)應(yīng)的興趣點(diǎn)相關(guān)聯(lián)；

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述興趣點(diǎn)，得到第三特征描述向量，包括：

7.根據(jù)權(quán)利要求1-6中任一項(xiàng)所述的方法，其特征在于，所述基于所述查詢特征描述向量和所述興趣點(diǎn)特征描述向量，生成向量集，包括：

8.一種向量召回裝置，其特征在于，包括：

9.一種計(jì)算機(jī)設(shè)備，其特征在于，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的向量召回方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的向量召回方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)實(shí)施例提供了一種向量召回方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，上述方法包括：獲取用戶輸入的查詢語(yǔ)句和用戶關(guān)聯(lián)的歷史數(shù)據(jù)；解析查詢語(yǔ)句，得到查詢語(yǔ)句對(duì)應(yīng)的興趣點(diǎn)；基于查詢語(yǔ)句和歷史數(shù)據(jù)，確定查詢特征描述向量；基于興趣點(diǎn)和歷史數(shù)據(jù)，確定興趣點(diǎn)特征描述向量；基于查詢特征描述向量和興趣點(diǎn)特征描述向量，生成向量集。本實(shí)施例中，基于查詢語(yǔ)句確定查詢特征描述向量，基于歷史數(shù)據(jù)確定興趣點(diǎn)特征描述向量，進(jìn)而基于查詢特征描述向量和興趣點(diǎn)特征描述向量，生成向量集，以此從多個(gè)維度生成高置信度的向量集。

技術(shù)研發(fā)人員：居夢(mèng)月,趙驥
受保護(hù)的技術(shù)使用者：深圳依時(shí)貨拉拉科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9