CN104679784A - 一种o2b智能搜索方法及系统 - Google Patents
一种o2b智能搜索方法及系统 Download PDFInfo
- Publication number
- CN104679784A CN104679784A CN201310634240.2A CN201310634240A CN104679784A CN 104679784 A CN104679784 A CN 104679784A CN 201310634240 A CN201310634240 A CN 201310634240A CN 104679784 A CN104679784 A CN 104679784A
- Authority
- CN
- China
- Prior art keywords
- search
- word
- vocabulary
- intelligent
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明提供一种O2B智能搜索方法和系统,属于计算机技术领域。本发明的方法包括:将词汇进行逻辑关联,建立映射词库; 获取用户输入的搜索内容;对用户输入的搜索内容进行语义分析;将语义分析结果,二次检索得出关联词,作为搜索词;将所述搜索词在规则库中进行推理运算,并得到搜索结果;输出所述搜索结果。本发明的有益效果是:克服现有搜索引擎不能满足用户真实需求的缺陷,提供一种改进的O2B智能搜索方法,其通过语义分析与逻辑映射,将复杂多变的语言化繁为简,准确翻译出用户的真实需求,进而提供精准的搜索服务。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种O2B智能搜索方法及系统。
背景技术
随着信息时代的不断发展,互联网也走进了人们生活的各个角落。轻轻一点搜索引擎,人们往往足不出户就可以获取各种信息,信息的共享大大便利了人们的生活。电子商务的蓬勃发展也为人们通过互联网获取各种服务提供了便利。但是,随着互联网用户群的不断增大,如何更准确的把握用户的真实意图,提供更快捷便利的服务,逐渐引起了服务提供商及中间商们的关注。
O2B(Order To Business),即采购报价模式,是一种新型的电子商务模式。O2B模式以订单信息精准有效匹配供应商为特色开展新一代贸易拓展服务。相较于传统的B2B、B2C模式,O2B模式能够更为精准的为用户提供匹配其需求的各项服务。
传统的搜索引擎通过关键字检索,从数据库中找到符合该关键词的相关网页索引,并将结果按一定的排名规则最终呈现给搜索用户。在实现本发明的过程中,发明人发现现有技术存在以下问题:
首先,现有的搜索引擎主要采取基于关键词的布尔表达式作为输入,这就造成了搜索引擎很难准确掌握隐含在关键词背后的用户的真实需求。
其次,基于关键词的索引方式,造成现有的搜索方式较为机械,获取的搜索结果数量巨大且不加筛选。“关键词全文检索”的结果就像扔给我们所有能获取的答案,毫无导向性。对于关键词指向不够明确的搜索,其效果不免差强人意。例如一个用户搜索“我的冰箱坏了”,他得到的结果是包含有“我的冰箱坏了”这一句话的各种网页,而如果用户需要找到冰箱维修等解决方式,则需要输入更多的关键词,这无形中增加了对搜索引擎应用不熟悉的一类用户的负担。
发明内容
本发明的目的在于,克服现有搜索引擎不能满足用户真实需求的缺陷,提供一种改进的O2B智能搜索方法,其通过语义分析与逻辑映射,将复杂多变的语言化繁为简,在所有零散的检索结果中“穿针引线”勾勒出我们所需要的真正有用的信息。准确翻译出用户的真实需求,进而提供精准的搜索服务。
本发明的目的还在于提供一种实现上述O2B智能搜索方法的O2B智能搜索系统。
为实现上述发明目的之一,本发明提供一种O2B智能搜索方法。所述技术方案如下:
一种O2B智能搜索方法,包括以下步骤:
词库建构步骤:将词汇进行逻辑关联,建立映射词库;
信息录入步骤:获取用户输入的搜索内容;
语义分析步骤:对用户输入的搜索内容进行语义分析;
二次检索步骤:将语义分析结果二次检索得出关联词,作为搜索词;
信息检索步骤:将所述搜索词在规则库中进行推理运算,并得到搜索结果;
信息反馈步骤:输出所述搜索结果。
作为上述技术方案的优选,所述词库建构步骤包括:
词汇逻辑关联步骤:运用图模型处理特征词权重,将词汇进行逻辑关联,并以此建立映射关系;
保存映射信息步骤:将所述词汇映射关系存入所述词库。
作为上述技术方案的优选,所述语义分析步骤包括:
分词处理步骤:利用分词技术对所述用户输入的搜索内容进行分词处理;
提取关键词步骤:根据分词主谓宾等中文语法特点查找关键词。
作为上述技术方案的优选,所述二次检索步骤为对所述关键词进行相关度分析,根据特征词权重判断词汇关联度,获取与其在所述词库中关联度最高的信息,作为搜索词。
作为上述技术方案的优选,所述信息检索步骤包括:
维度分析步骤:将所述搜索词进行维度分析,提取多维信息;
规则运算步骤:使用规则引擎将所述搜索词结合所述多维信息在规则库中进行推理运算,并得到搜索结果。
相应地,为实现上述另一目的,本发明还提供了一种O2B智能搜索系统。
一种O2B智能搜索系统,包括:
词库建构模块:用于将词汇进行逻辑关联,建立映射词库;
语义分析模块:用于对用户输入的搜索内容进行语义分析;
二次检索模块:用于将语义分析结果二次检索得出关联词,作为搜索词;
信息检索模块:用于将所述搜索词在规则库中进行推理运算,并得到搜索结果;
数据交互模块:用于接收所述搜索内容,并输出所述搜索结果。
作为上述技术方案的优选,所述词库建构模块包括:
词汇逻辑关联单元:用于运用图模型处理特征词权重,将词汇进行逻辑关联,并以此建立映射关系;
词汇映射关系库:用于储存所述词汇映射关系。
作为上述技术方案的优选,所述语义分析模块包括:
分词处理单元:用于利用分词技术对所述用户输入的搜索内容进行分词处理;
关键词提取单元:用于根据分词主谓宾等中文语法特点查找关键词。
作为上述技术方案的优选,所述二次检索模块用于将所述关键词进行相关度分析,根据特征词权重判断词汇关联度,获取与其在所述词库中具有映射关系的信息,作为搜索词。
作为上述技术方案的优选,所述信息检索模块包括:
维度分析单元:用于将所述搜索词进行维度分析,提取多维信息;
规则引擎:用于将所述搜索词结合所述多维信息在规则库中进行推理运算,并得到搜索结果。
与现有技术相比,本发明的有益效果是:O2B智能搜索方法或O2B智能搜索系统,通过对用户语词的分析解读,更准确的挖掘隐含在关键字背后的用户的真实需求,从而化繁为简,筛选出更符合用户要求的搜索结果。
附图说明
图1是本发明一个实施例中O2B智能搜索方法的流程图;
图2是本发明一个实施例中词库建构步骤的流程图;
图3是本发明一个实施例中语义分析步骤的流程图;
图4是本发明一个实施例中信息检索步骤的流程图;
图5是本发明一个实施例中O2B智能搜索系统的结构示意图;
图6是本发明一个实施例中词库建构模块包括的单元图;
图7是本发明一个实施例中语义分析模块包括的单元图;
图8是本发明一个实施例中信息检索模块包括的单元图。
具体实施方式
为了更清楚地展示本发明的目的、技术方案和优点,下面将结合具体实施例及附图对本发明的实施方式作较为详细地描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所轻易做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
如图1所示,本发明第一实施例提出了一种O2B智能搜索方法,包括以下步骤:
词库建构步骤101、将词汇进行逻辑关联,建立映射词库;
信息录入步骤102、获取用户输入的搜索内容;
语义分析步骤103、对用户输入的搜索内容进行语义分析;
二次检索步骤104、将语义分析结果二次检索得出关联词,作为搜索词;
信息检索步骤105、将所述搜索词在规则库中进行推理运算,并得到搜索果;
信息反馈步骤106、输出所述搜索结果。
如图2所示,在本发明中,所述词库建构步骤101包括:
词汇逻辑关联步骤201、将词汇进行逻辑关联,建立映射关系。
具体的,此步骤利用图模型处理特征词权重,将词汇进行逻辑关联,并以此建立映射关系。例如:“煤气”对应“灶头”、“冰箱”对应“家电”。需要说明的是:这里的特征词权重以自动采集和人为干预的方式调整,因而针对一些网络新词汇也能较为迅速地获取。例如:“高帅富”对应“男性”。
保存映射信息步骤202、将所述词汇映射关系存入所述词库。
如图3所示,在本发明中,所述语义分析步骤103包括:
分词处理步骤301、利用分词技术对所述用户输入的搜索内容进行分词处理。例如:用户输入“我的煤气坏了”,通过分词处理,被分割为:“我的,煤气,坏了”。
提取关键词步骤302、根据分词主谓宾等中文语法特点查找关键词。例如:上述“我的煤气坏了”关键词为“煤气”。
具体的,在本发明中,所述二次检索步骤104为对所述关键词进行相关度分析,获取与其在所述词库中关联度最高的信息,作为搜索词。例如:上述关键词“煤气”经过相关度分析,转换为与其具有映射关系的信息“灶头”,并将“灶头”作为搜索词。
如图4所示,在本发明中,所述信息检索步骤105包括:
维度分析步骤401、将所述用户输入的搜索内容进行维度分析,提取多维信息。例如:上述“我的煤气坏了”经过维度分析, “我的”可提取出隶属关系维度,“坏了”可提取出判定维度。
规则运算步骤402、使用规则引擎将所述搜索词结合所述多维信息在规则库中进行推理运算,并得到搜索结果。
如图5所示,本发明另一实施例提出了一种O2B智能搜索系统,包括:
词库建构模块501、用于将词汇进行逻辑关联,建立映射词库;
语义分析模块502、用于对用户输入的搜索内容进行语义分析;
二次检索模块503、用于将语义分析结果二次检索得出关键词,作为搜索词;
信息检索模块504、用于将所述搜索词在规则库中进行推理运算,并得到搜索结果;
数据交互模块505、用于接收所述用户输入的搜索内容,并输出搜索搜索结果。
如图6所示,在本发明中,所述词库建构模块501包括:
词汇逻辑关联单元601、用于将词汇进行逻辑关联,建立映射关系。
具体的,此单元利用图模型处理特征词权重,将词汇进行逻辑关联,并以此建立映射关系。例如:“煤气”对应“灶头”、“冰箱”对应“家电”。需要说明的是:这里的特征词权重以自动采集和人为干预的方式调整,因而针对一些网络新词汇也能较为迅速地获取。例如:“高帅富”对应“男性”。
词汇映射关系库602、用于储存所述词汇映射关系。
如图7所示,在本发明中,所述语义分析模块502包括:
分词处理单元701、用于利用分词技术对所述用户输入的搜索内容进行分词处理。例如:用户输入“我的煤气坏了”,通过分词处理,被分割为:“我的,煤气,坏了”。
关键词提取单元702、用于根据分词主谓宾等中文语法特点查找关键词。例如:上述“我的煤气坏了”关键词为“煤气”。
具体的,在本发明中,所述二次检索模块503用于对所述关键词进行相关度分析,获取与其在所述词库中关联度最高的信息,作为搜索词。例如:上述关键词“煤气”经过相关度分析,转换为与其具有映射关系的信息“灶头”,并将“灶头”作为搜索词。
如图8所示,在本发明中,所述信息检索步骤504包括:
维度分析单元801、用于将所述户输入的搜索内容进行维度分析,提取多维信息。例如:上述“我的煤气坏了”经过维度分析, “我的”可提取出隶属关系维度,“坏了”可提取出判定维度。
规则引擎802、用于将所述搜索词结合所述多维信息在规则库中进行推理运算,并得到搜索结果。
本发明实施例提供的上述技术方案的全部或部分可以通过程序指令相关的硬件来完成,所述程序可以储存在可读取的存储介质中,所述存储介质包括:ROM、RAM、磁盘、光盘等各种可以存储程序代码的介质。
上文所述仅为本发明的可行性实施例,并不用以限制本发明,凡未脱离本发明的精神和原则所作的任何等效实施方式或变更,均应包含在本发明的保护范围之内。
Claims (10)
1.一种O2B智能搜索方法,其特征在于,所述O2B智能搜索方法包括以下步骤:
a) 词库建构步骤:将词汇进行逻辑关联,建立映射词库;
b) 信息录入步骤:获取用户输入的搜索内容;
c) 语义分析步骤:对用户输入的搜索内容进行语义分析;
d) 二次检索步骤:将语义分析结果,二次检索得出关联词,作为搜索词;
e) 信息检索步骤:将所述搜索词在规则库中进行推理运算,并得到搜索结果;
f) 信息反馈步骤:输出所述搜索结果。
2.根据权利要求1所述的O2B智能搜索方法,其特征在于,所述词库建构步骤包括:
词汇逻辑关联步骤:运用图模型处理特征词权重,将词汇进行逻辑关联,并以此建立映射关系;
保存映射信息步骤:将所述词汇映射关系存入所述词库。
3.根据权利要求1所述的O2B智能搜索方法,其特征在于,所述语义分析步骤包括:
分词处理步骤: 利用分词技术对所述用户输入的搜索内容进行分词处理;
提取关键词步骤:根据分词主谓宾等中文语法特点查找关键词。
4.根据权利要求1所述的O2B智能搜索方法,其特征在于,所述二次检索步骤为对所述关键词进行相关度分析,根据特征词权重判断词汇关联度,获取与其在所述词库中关联度最高的信息,作为搜索词。
5.根据权利要求1所述的O2B智能搜索方法,其特征在于,所述信息检索步骤包括:
维度分析步骤:将所述用户输入的搜索内容进行维度分析,提取多维信息;
规则运算步骤:使用规则引擎将所述搜索词结合所述多维信息在规则库中进行推理运算,并得到搜索结果。
6.一种O2B智能搜索系统,其特征在于,所述O2B智能搜索系统包括:
a) 词库建构模块:用于将词汇进行逻辑关联,建立映射词库;
b) 语义分析模块:用于对用户输入的搜索内容进行语义分析;
c) 二次检索模块:用于将语义分析结果,二次检索得出关联词,作为搜索词;
d) 信息检索模块:用于将所述搜索词在规则库中进行推理运算,并得到搜索结果;
e) 数据交互模块:用于接收所述用户输入的搜索内容,并输出所述搜索结果。
7.根据权利要求7所述的O2B智能搜索系统,其特征在于,所述词库建构模块包括:
词汇逻辑关联单元:用于运用图模型处理特征词权重,将词汇进行逻辑关联,并以此建立映射关系;
词汇映射关系库:用于储存所述词汇映射关系。
8.根据权利要求7所述的O2B智能搜索系统,其特征在于,所述语义分析模块包括:
分词处理单元:用于利用分词技术对所述用户输入的搜索内容进行分词处理;
关键词提取单元:用于根据分词主谓宾等中文语法特点查找关键词。
9.根据权利要求7所述的O2B智能搜索系统,其特征在于,所述二次检索模块用于对所述关键词进行相关度分析,根据特征词权重判断词汇关联度,获取与其在所述词库中具有映射关系的信息,作为搜索词。
10.根据权利要求7所述的O2B智能搜索系统,其特征在于,所述信息检索模块包括:
维度分析单元:用于将所述用户输入的搜索内容进行维度分析,提取多维信息;
规则引擎:用于将所述搜索词结合所述多维信息在规则库中进行推理运算,并得到搜索结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310634240.2A CN104679784A (zh) | 2013-12-03 | 2013-12-03 | 一种o2b智能搜索方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310634240.2A CN104679784A (zh) | 2013-12-03 | 2013-12-03 | 一种o2b智能搜索方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104679784A true CN104679784A (zh) | 2015-06-03 |
Family
ID=53314839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310634240.2A Pending CN104679784A (zh) | 2013-12-03 | 2013-12-03 | 一种o2b智能搜索方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104679784A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598946A (zh) * | 2016-12-14 | 2017-04-26 | 厦门市美亚柏科信息股份有限公司 | 一种内容提取方法及装置 |
CN106776888A (zh) * | 2016-11-30 | 2017-05-31 | 北京赛迈特锐医疗科技有限公司 | 智能结构化搜索系统及其搜索方法 |
CN107092608A (zh) * | 2016-04-16 | 2017-08-25 | 口碑控股有限公司 | 一种目标对象的搜索、推荐方法和设备 |
CN107665220A (zh) * | 2016-07-29 | 2018-02-06 | 苏宁云商集团股份有限公司 | 一种用于搜索业务的处理方法及系统 |
CN112579765A (zh) * | 2020-12-18 | 2021-03-30 | 中国平安人寿保险股份有限公司 | 基于布尔表达式的数据筛选方法、装置、设备及存储介质 |
CN112598471A (zh) * | 2020-12-25 | 2021-04-02 | 北京知因智慧科技有限公司 | 一种产品的推荐方法、推荐装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6269361B1 (en) * | 1999-05-28 | 2001-07-31 | Goto.Com | System and method for influencing a position on a search result list generated by a computer network search engine |
CN1759392A (zh) * | 2003-03-08 | 2006-04-12 | Nhn株式会社 | 在Web搜索引擎上产生搜索结果列表的方法 |
CN101916294A (zh) * | 2010-08-27 | 2010-12-15 | 黄斌 | 一种利用语义分析实现精确搜索的方法 |
CN103064838A (zh) * | 2011-10-19 | 2013-04-24 | 阿里巴巴集团控股有限公司 | 数据搜索方法和装置 |
-
2013
- 2013-12-03 CN CN201310634240.2A patent/CN104679784A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6269361B1 (en) * | 1999-05-28 | 2001-07-31 | Goto.Com | System and method for influencing a position on a search result list generated by a computer network search engine |
CN1759392A (zh) * | 2003-03-08 | 2006-04-12 | Nhn株式会社 | 在Web搜索引擎上产生搜索结果列表的方法 |
CN101916294A (zh) * | 2010-08-27 | 2010-12-15 | 黄斌 | 一种利用语义分析实现精确搜索的方法 |
CN103064838A (zh) * | 2011-10-19 | 2013-04-24 | 阿里巴巴集团控股有限公司 | 数据搜索方法和装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092608A (zh) * | 2016-04-16 | 2017-08-25 | 口碑控股有限公司 | 一种目标对象的搜索、推荐方法和设备 |
CN107092608B (zh) * | 2016-04-16 | 2021-03-23 | 口碑控股有限公司 | 一种目标对象的搜索、推荐方法和设备 |
CN107665220A (zh) * | 2016-07-29 | 2018-02-06 | 苏宁云商集团股份有限公司 | 一种用于搜索业务的处理方法及系统 |
CN106776888A (zh) * | 2016-11-30 | 2017-05-31 | 北京赛迈特锐医疗科技有限公司 | 智能结构化搜索系统及其搜索方法 |
CN106598946A (zh) * | 2016-12-14 | 2017-04-26 | 厦门市美亚柏科信息股份有限公司 | 一种内容提取方法及装置 |
CN112579765A (zh) * | 2020-12-18 | 2021-03-30 | 中国平安人寿保险股份有限公司 | 基于布尔表达式的数据筛选方法、装置、设备及存储介质 |
CN112598471A (zh) * | 2020-12-25 | 2021-04-02 | 北京知因智慧科技有限公司 | 一种产品的推荐方法、推荐装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815308B (zh) | 意图识别模型的确定及检索意图识别方法、装置 | |
Liu et al. | Full‐text citation analysis: A new method to enhance scholarly networks | |
CN104239513B (zh) | 一种面向领域数据的语义检索方法 | |
CN104679784A (zh) | 一种o2b智能搜索方法及系统 | |
CN106446148A (zh) | 一种基于聚类的文本查重方法 | |
CN105468605A (zh) | 一种实体信息图谱生成方法及装置 | |
Xue et al. | Ontology alignment based on instance using NSGA-II | |
CN104281565A (zh) | 语义词典构建方法和装置 | |
CN109783484A (zh) | 基于知识图谱的数据服务平台的构建方法及系统 | |
Xu et al. | Research on topic recognition of network sensitive information based on SW-LDA model | |
Liu et al. | Cross-media intelligent perception and retrieval analysis application technology based on deep learning education | |
Hu et al. | EGC: A novel event-oriented graph clustering framework for social media text | |
CN111143394A (zh) | 知识数据处理方法、装置、介质及电子设备 | |
CN102622413A (zh) | 一种回答自然语言问题的方法与装置 | |
Ma et al. | Matching descriptions to spatial entities using a siamese hierarchical attention network | |
Gao et al. | Hierarchical clustering based web service discovery | |
Jebbara et al. | Extracting common sense knowledge via triple ranking using supervised and unsupervised distributional models | |
Yajian et al. | A short text classification algorithm based on semantic extension | |
Shen et al. | Emotional tendency dictionary construction for college teaching evaluation | |
Wu et al. | A summary of the latest research on knowledge graph technology | |
CN108959555B (zh) | 查询式的扩展方法、装置、计算机设备及存储介质 | |
CN113377739A (zh) | 知识图谱应用方法、平台、电子设备及存储介质 | |
Zhou et al. | Research on mechanism of the information retrieval based on ontology label | |
Zou et al. | An improved model for spam user identification | |
ElGindy et al. | Capturing place semantics on the geosocial web |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150603 |