本发明涉及信息搜索
技术领域：
，特别涉及一种基于自然语言的智能搜索方法、电子设备及可读存储介质。
背景技术：
：当前大多数信息搜索形式主要分为两类：一种是需要用户显式地指定搜索目标和搜索条件完成搜索，该搜索形式虽然能够明确地指出搜索目标与条件，精确地完成整个搜索过程，但是在不同的搜索场景之间相互切换存在困难；另一种是基于用户给定搜索语句的全文搜索，虽然通过文本检索的方式避免了搜索场景切换的问题，但是对于搜索条件的识别以及整个搜索意图的理解上却存在着一定的偏差。技术实现要素：本发明的目的在于提供一种基于自然语言的智能搜索方法、电子设备及可读存储介质，以解决现有技术中自然语言搜索中搜索意图、搜索场景、搜索条件的识别与标准化转换的问题。本发明是这样实现的：为达到上述目的，本发明提供一种基于自然语言的智能搜索方法，将与业务有关的搜索意图进行整理，按照实体、属性、通用标签进行分类，预先构建搜索意图知识图谱；所述基于自然语言的智能搜索方法包括：接收用户输入的搜索文本；识别所述搜索文本中的原始搜索意图，采用所述搜索意图知识图谱对所述原始搜索意图进行标准化转换，得到对应的搜索实体作为最终搜索意图；识别所述搜索文本中的原始搜索条件，采用所述搜索意图知识图谱对所述原始搜索条件进行标准化转换，将转换后的搜索条件作为最终搜索条件；通过场景识别模型识别出所述搜索文本中的搜索场景；根据所述最终搜索意图、所述最终搜索条件和所述搜索场景生成搜索动作，传入搜索引擎进行搜索；将所述搜索引擎的搜索结果返回给用户。进一步的，在上述基于自然语言的智能搜索方法中，所述识别所述搜索文本中的原始搜索意图，包括：通过命名实体识别模型识别所述搜索文本中词汇实体的类别与边界，然后进行依存句法分析，从中提取所述搜索文本的主干部分，作为原始搜索意图。进一步的，在上述基于自然语言的智能搜索方法中，所述命名实体识别模型采用albert-tiny和bilstm crf进行模型训练。进一步的，在上述基于自然语言的智能搜索方法中，采用ud_chinesegsd中文依存句法树库进行中文句法依存分析。进一步的，在上述基于自然语言的智能搜索方法中，所述识别所述搜索文本中的原始搜索条件，包括：通过命名实体识别模型识别所述搜索文本，记录其中的属性名称与属性值，作为所述搜索文本的原始搜索条件。进一步的，在上述基于自然语言的智能搜索方法中，所述采用所述搜索意图知识图谱对所述原始搜索条件进行标准化转换，包括：针对识别出的每一原始搜索条件，对其中的属性值进行标准化，以及通过遍历所述搜索意图知识图谱查找其实体目标与其对应的标准化属性字段，对其中的属性名称进行标准化。进一步的，在上述基于自然语言的智能搜索方法中，所述搜索场景为不同搜索条件之间的组合模式；所述通过场景识别模型识别出所述搜索文本中的搜索场景，包括：通过所述场景识别模型识别出所述最终搜索条件中不同搜索条件之间“与”、“或”、“非”以及其间的组合模式，所述场景识别模型为深度学习模型。进一步的，在上述基于自然语言的智能搜索方法中，所述根据所述最终搜索意图、所述最终搜索条件和所述搜索场景生成搜索动作，包括：根据所述搜索场景确定搜索动作模板，根据所述最终搜索意图中的实体确定搜索数据来源，并依次将所述最终搜索条件中不同搜索条件分别填入所述搜索动作模板中，生成搜索动作。进一步的，在上述基于自然语言的智能搜索方法中，所述搜索意图知识图谱存储于janusgraph图数据库中。进一步的，在上述基于自然语言的智能搜索方法中，所述搜索引擎为elasticsearch。为达到上述目的，本发明还提供一种电子设备，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上文任一项所述的基于自然语言的智能搜索方法。为达到上述目的，本发明还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现上文任一项所述的基于自然语言的智能搜索方法。与现有技术相比，本发明具有以下有益效果：本方法相比于其他自然语言搜索方法的创新点在于结合自然语言处理技术与知识图谱技术去解决自然语言搜索中搜索意图、搜索场景、搜索条件的识别与标准化转换等问题，能够基于较少的模型训练成本，增强对搜索意图、场景的识别能力，从而提升自然语言搜索的准确率。本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图：图1是本发明一实施例提供的基于自然语言的智能搜索方法的流程图；图2是本发明的总体流程图；图3a是搜索意图知识图谱示意图；图3b是实体为“人”的搜索意图知识图谱示意图；图4a是意图识别与转换流程图；图4b是一个搜索文本的识别与分析示例图；图5是条件识别与标准化转换流程图；图6是搜索动作生成与搜索流程图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。本发明的核心思想在于针对现有技术的问题提供一种结合知识图谱的自然语言智能搜索方法，可广泛应用于安防、金融、互联网等
技术领域：
，可以实现基于自然语言充分理解用户搜索意图，自动识别搜索场景与搜索条件，从而实现基于自然语言的智能搜索。在本发明所述的方法中，用户无须手动指明搜索意图、搜索场景以及搜索条件，通过词性提取、句法依存、命名实体识别等自然语言处理技术，自动识别出搜索文本中隐藏的原始搜索意图与搜索条件，利用搜索意图知识图谱与通用标准化转换接口实现对原始搜索意图与搜索条件的标准化转换，生成相应的搜索动作，从而完成整个搜索过程，将搜索的结果返回给用户。本发明一实施例提供的基于自然语言的智能搜索方法，首先需要将与业务有关的搜索意图进行整理，按照实体、属性、通用标签进行分类，预先构建出搜索意图知识图谱。如图1所示，本发明一实施例提供的基于自然语言的智能搜索方法，包括以下步骤：s100：接收用户输入的搜索文本。s200：识别所述搜索文本中的原始搜索意图，采用所述搜索意图知识图谱对所述原始搜索意图进行标准化转换，得到对应的搜索实体作为最终搜索意图。s300：识别所述搜索文本中的原始搜索条件，采用所述搜索意图知识图谱对所述原始搜索条件进行标准化转换，将转换后的搜索条件作为最终搜索条件；s400：通过场景识别模型识别出所述搜索文本中的搜索场景；s500：根据所述最终搜索意图、所述最终搜索条件和所述搜索场景生成搜索动作，传入搜索引擎进行搜索。s600：将所述搜索引擎的搜索结果返回给用户。本发明相比于其他自然语言搜索方法的创新点在于结合自然语言处理技术与知识图谱技术去解决自然语言搜索中搜索意图、搜索场景、搜索条件的识别与标准化转换等问题，能够基于较少的模型训练成本，增强对搜索意图、场景的识别能力，从而提升自然语言搜索的准确率。下面结合图2-图6对实现本发明的技术方案进行详细介绍：首先，构建搜索意图知识图谱的方法如下：在此选择知识图谱作为搜索意图树载体主要是因为知识图谱作为一种语义网络，在自然语言的语义表达上具有天然的优势。将与业务相关的搜索意图进行整理，按照实体、属性、通用标签进行分类。假设业务中可能存在如下表1所示的针对人员的搜索场景以及其原始搜索意图：表1搜索文本的原始搜索意图序号搜索文本原始搜索意图1420111190010100010按照身份证号码进行搜索2张三按照姓名属性进行搜索3男性按照性别属性进行搜索4喜欢吃甜食的人按照人员标签进行搜索由上述原始搜索意图可得知，用户通过身份证号码、姓名、性别、标签等要素进行搜索的目的是搜人员实体的信息，因此需要待搜索的原始搜索意图链接到实体之上。因此，本方法中采用构建相应知识图谱完成意图与实体的语义链接，搜索意图知识图谱如图3a和图3b所示。在图3b中，“身份证号码”、“姓名”、“喜欢吃甜食”分别是是实体“人”的属性与标签，当原始搜索意图为属性或标签中的某些要素时，通过该图谱可以快速实现原始搜索意图到搜索实体的快速标准化转换。在步骤s200中，针对搜索文本的意图识别的方法如下：本发明所述的方法中主要通过命名实体识别与依存句法分析，识别搜索文本中的原始搜索意图。具体的，通过命名实体识别模型识别所述搜索文本中词汇实体的类别与边界，然后进行依存句法分析，从中提取所述搜索文本的主干部分，作为原始搜索意图。命名实体识别模型主要是识别搜索短语中词汇实体的类别与边界，例如上述例子中“喜欢吃甜食的人”中包括的实体词汇分别为“喜欢吃甜食”(标签)和“人”(实体)。依存句法分析是常用的用于分析短语中词与词之间的主从关系的自然语言处理方法，依赖于中文依存句法树库(一种语言学资源，由大量人工标注的依存句法树组成的语料库)，本发明所述的方法中优选采用ud_chinesegsd中文依存句法树库。将搜索短语进行依存句法分析后，从中提取搜索文本的主干部分，作为原始搜索意图。如图4b所示，搜索文本“喜欢吃甜食的人”中最终识别出“人”作为原始搜索意图。在步骤s200中，基于意图知识图谱的搜索意图转换的方法如下：搜索文本中识别的原始搜索意图具有多样性，可能为实体、实体属性、实体标签中的一种，然而最终的搜索意图却统一指向实体。因此，面对这种分歧，本发明所述的方法通过采用搜索意图知识图谱对经过命名实体识别后的原始搜索意图进转换，得到其对应的搜索实体作为最终的搜索意图。表2标准化转换后的最终搜索意图序号搜索文本原始搜索意图转换后意图1420111190010100010身份证号码人员实体2张三姓名人员实体3男性性别人员实体4喜欢吃甜食的人人人员实体在步骤s300中，搜索条件识别的方法具体如下：基于多策略融合方式的搜索条件识别与抽取。本发明所述的方法中针对搜索文本中隐藏的搜索条件采用基于词典、规则和序列标注模型(albert-tiny bilstm crf)的多策略融合方式进行识别，即采用上述提及的命名实体识别模型进行识别，记录其属性值与属性名称，作为搜索文本的原始搜索条件。表3搜索文本的原始搜索条件序号搜索文本原始条件12020年1月出生的人2020年1月2红色的吉普车红色、吉普车3最近发生的新闻最近在步骤s300中，搜索条件标准化转换的方法具体如下：针对多策略融合方式识别后的原始搜索条件是无法直接被用于查询的，因此需要将其按照不同的查询场景与查询意图进行标准化转换。在此本发明通过搜索意图知识图谱与通用标准化转换模块对原始搜索条件进行标准化转换。具体的，针对识别出的每一原始搜索条件，对其中的属性值进行标准化，以及通过遍历所述搜索意图知识图谱查找其实体目标与其对应的标准化属性字段，对其中的属性名称进行标准化。针对识别出的原始条件，通过遍历搜索意图知识图谱查找其实体目标与其对应的标准化属性字段，例如搜索文本“2020年1月出生的人”中包含的原始条件“2020年1月”对应的标准化属性字段为“出生日期”；部分原始条件在识别出标准化属性字段后仍然无法直接被用于搜索，因此还需将其值利用通用标准化模块进行标准化，例如标注属性字段“出生日期”属于日期类型，原始条件的值“2020年1月”是无法直接被用于搜索，因此需要将其转换为可供使用的日期范围。只有经过标准化转换的搜索条件才能被用于搜索。表4转换后的标准搜索条件列表序号搜索文本原始搜索条件标准化转换后的查询条件12020年1月出生的人2020年1月2020-01-01<出生日期<2020-01-312红色的吉普车红色、吉普车车身颜色＝红色and款型＝吉普3最近发生的新闻最近发生时间＝最近在步骤s400中，搜索场景识别的方法具体如下：本发明所述的方法中定义的搜索场景为不同搜索条件之间的组合模式，本发明通过训练相应的深度学习模型得到场景识别模型，通过所述场景识别模型识别出所述最终搜索条件中不同搜索条件之间“与”、“或”、“非”以及其间的组合模式，。表5搜索场景与条件组合模式在步骤s500中，生成搜索查询动作的方法如下：针对上述步骤生成的最终搜索意图、搜索场景与最终搜索条件，通过搜索动作生成器成相应搜索动作，供给搜索引擎完成搜索整个搜索过程。具体的，根据所述搜索场景确定搜索动作模板，根据所述最终搜索意图中的实体确定搜索数据来源，并依次将所述最终搜索条件中不同搜索条件分别填入所述搜索动作模板中，生成搜索动作。在整个搜索动作生成的过程中，搜索生成器根据最终搜索意图中的实体确定搜索数据来源，根据搜索场景确定搜索动作模板，根据最终搜索条件限定目标搜索范围。例如搜索文本“2020年1月出生的人”的最终搜索意图、搜索场景与最终搜索条件分别如下表6所示：表6"2020年1月出生的人"最终搜索意图、搜索场景与最终搜索条件搜索文本2020年1月出生的人最终搜索意图人员搜索场景条件搜索最终搜索条件2020-01-01<出生日期<2020-01-31则通过搜索动作生成器生成的搜索伪代码为：select*from‘人员’where‘出生日期’>’2020-01-0100:00:00’and‘出生日期’<’2020-01-3123:59:59’。在步骤s600中，搜索结果返回的方法如下：将步骤s500中的搜索动作传入搜索引擎进行搜索，将相应的搜索结果进行排序后返回给用户。下面以使用基于(albert-tiny bilstm cr)的命名实体识别模型 janusgraph elasticsearch的自然语言搜索系统为例对本发明进行介绍。本例中采用albert-tiny bilstm crf进行模型训练命名实体识别模型，将训练后的命名实体识别模型进行加载并对外提供命名实体识别服务。janusgraph作为搜索意图知识图谱的图数据库组件，将业务中涉及到的表示实体、属性、标签的词汇进行梳理，按照所属、近义同义等标准进行链接，构建搜索意图知识图谱，将图谱存储于janusgraph图数据库中，并对外提供搜索实体搜索、意图转换等服务。采用ud_chinesegsd中文依存句法树库用于中文句法依存分析。elasticsearch作为搜索引擎。以下为具体实现过程：1.搜索文本通过中文依存句法树进行依存分析后，得出该搜索文本的原始搜索意图，并将原始搜索意图利用搜索意图知识图谱进行转换，得到最终的搜索意图；2.搜索文本经过命名实体识别分析后，得到原始搜索条件列表，将此列表经过属性名称与属性值的标准化后得到可以直接用于搜索的标准搜索条件列表；3.结合步骤2得到的搜索条件列表，通过场景识别模型识别出搜索文本中包含的搜索场景，主要是各个条件的组合模式，用于接下来生成搜索动作模板；4.搜索动作生成器根据步骤3生成的搜索动作模板，将步骤2得到的最终搜索意图所链接的数据源作为限定数据源，并依次将标准搜索条件列表中的搜索条件分别填入搜索动作模板中，生成搜索动作，将搜索动作传递给搜索引擎；5.搜索引擎elasticsearch根据步骤4中得到的搜索动作中的搜索脚本完成搜索过程，将得到搜索结果返回给用户。下面对前述涉及的相关技术进行介绍。albert-tiny：bert是由谷歌公司提出的用来产生词向量的相关模型，albert是bert模型的改进版本，能够有效减少内存的方法，同时提升了训练速度。albert-tiny作为轻量albert模型，其隐藏层仅有4层，模型参数量约为1.8m，非常的轻便。相对于bert，albert-tiny在精度基本保留条件下，其训练和推理预测速度提升约10倍。bilstm crf：lstm的全称是长短记忆模型，非常适合用于对时序数据的建模，如文本数据。bilstm是由前向lstm与后向lstm组合而成。crf条件随机场，是一种序列化标注算法。在自然语言处理过程中，bi-lstm crf模型常用于解决文本分类问题。elasticsearch：elasticsearch是一个基于lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于restfulweb接口。elasticsearch是用java语言开发的，并作为apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。janusgraph：janusgraph是一个高度可扩展的分布式图数据库，专门用于存储和查询包含数千亿个分布在多机群集中的极点和边缘的图形。janusgraph是一个事务处理型数据库，可以支持数千个并发用户实时执行复杂的图遍历。基于同一发明构思，本发明还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上文所述的基于自然语言的智能搜索方法。所述处理器在一些实施例中可以是中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制所述电子设备的总体操作。本实施例中，所述处理器用于运行所述存储器中存储的程序代码或者处理数据，例如基于自然语言的智能搜索方法的程序代码。所述存储器至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器可以是所述电子设备的内部存储单元，例如该电子设备的硬盘或内存。在另一些实施例中，所述存储器也可以是所述电子设备的外部存储设备，例如该电子设备上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。当然，所述存储器还可以既包括所述电子设备的内部存储单元也包括其外部存储设备。本实施例中，所述存储器通常用于存储安装于所述电子设备的操作方法和各类应用软件，例如基于自然语言的智能搜索方法的程序代码等。此外，所述存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。基于同一发明构思，本发明还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的基于自然语言的智能搜索方法。综上所述，本发明提供的一种基于自然语言的智能搜索方法、电子设备及可读存储介质，具有如下优点和积极效果：本方法相比其他自然语言搜索方法的创新点在于结合自然语言处理技术与知识图谱技术去解决自然语言搜索中搜索意图、搜索场景、搜索条件的识别与标准化转换等问题，能够基于较少的模型训练成本，增强对搜索意图、场景的识别能力，从而提升自然语言搜索的准确率。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。当前第1页1 2 3
技术特征：1.一种基于自然语言的智能搜索方法，其特征在于，将与业务有关的搜索意图进行整理，按照实体、属性、通用标签进行分类，预先构建搜索意图知识图谱；
所述基于自然语言的智能搜索方法包括：
接收用户输入的搜索文本；
识别所述搜索文本中的原始搜索意图，采用所述搜索意图知识图谱对所述原始搜索意图进行标准化转换，得到对应的搜索实体作为最终搜索意图；
识别所述搜索文本中的原始搜索条件，采用所述搜索意图知识图谱对所述原始搜索条件进行标准化转换，将转换后的搜索条件作为最终搜索条件；
通过场景识别模型识别出所述搜索文本中的搜索场景；
根据所述最终搜索意图、所述最终搜索条件和所述搜索场景生成搜索动作，传入搜索引擎进行搜索；
将所述搜索引擎的搜索结果返回给用户。
2.如权利要求1所述的基于自然语言的智能搜索方法，其特征在于，所述识别所述搜索文本中的原始搜索意图，包括：
通过命名实体识别模型识别所述搜索文本中词汇实体的类别与边界，然后进行依存句法分析，从中提取所述搜索文本的主干部分，作为原始搜索意图。
3.如权利要求2所述的基于自然语言的智能搜索方法，所述命名实体识别模型采用albert-tiny和bilstm crf进行模型训练。
4.如权利要求2所述的基于自然语言的智能搜索方法，其特征在于，采用ud_chinesegsd中文依存句法树库进行中文句法依存分析。
5.如权利要求1所述的基于自然语言的智能搜索方法，其特征在于，所述识别所述搜索文本中的原始搜索条件，包括：
通过命名实体识别模型识别所述搜索文本，记录其中的属性名称与属性值，作为所述搜索文本的原始搜索条件。
6.如权利要求5所述的基于自然语言的智能搜索方法，其特征在于，所述采用所述搜索意图知识图谱对所述原始搜索条件进行标准化转换，包括：
针对识别出的每一原始搜索条件，对其中的属性值进行标准化，以及通过遍历所述搜索意图知识图谱查找其实体目标与其对应的标准化属性字段，对其中的属性名称进行标准化。
7.如权利要求1所述的基于自然语言的智能搜索方法，其特征在于，所述搜索场景为不同搜索条件之间的组合模式；
所述通过场景识别模型识别出所述搜索文本中的搜索场景，包括：
通过所述场景识别模型识别出所述最终搜索条件中不同搜索条件之间“与”、“或”、“非”以及其间的组合模式，所述场景识别模型为深度学习模型。
8.如权利要求1所述的基于自然语言的智能搜索方法，其特征在于，所述根据所述最终搜索意图、所述最终搜索条件和所述搜索场景生成搜索动作，包括：
根据所述搜索场景确定搜索动作模板，根据所述最终搜索意图中的实体确定搜索数据来源，并依次将所述最终搜索条件中不同搜索条件分别填入所述搜索动作模板中，生成搜索动作。
9.如权利要求1所述的基于自然语言的智能搜索方法，其特征在于，所述搜索意图知识图谱存储于janusgraph图数据库中。
10.如权利要求1所述的基于自然语言的智能搜索方法，其特征在于，所述搜索引擎为elasticsearch。
11.一种电子设备，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1至10中任一项所述的方法。
12.一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至10中任一项所述的方法。
技术总结本发明提供一种基于自然语言的智能搜索方法，将与业务有关的搜索意图进行整理，按照实体、属性、通用标签进行分类，预先构建搜索意图知识图谱，所述方法包括：接收用户输入的搜索文本；识别搜索文本中的原始搜索意图，采用搜索意图知识图谱对原始搜索意图进行标准化转换，得到对应的搜索实体作为最终搜索意图；识别搜索文本中的原始搜索条件，采用搜索意图知识图谱对原始搜索条件进行标准化转换，将转换后的搜索条件作为最终搜索条件；通过场景识别模型识别出搜索文本中的搜索场景；根据最终搜索意图、最终搜索条件和搜索场景生成搜索动作，传入搜索引擎进行搜索；将所述搜索引擎的搜索结果返回给用户。本发明能够提升自然语言搜索的准确率。
技术研发人员：杨光;贺珊
受保护的技术使用者：武汉烽火众智数字技术有限责任公司
技术研发日：2020.12.24
技术公布日：2021.03.12
