(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211198897.4 (22)申请日 2022.09.29 (71)申请人 建信金融科技有限责任公司 地址 200120 上海市自由贸易试验区银城 路99号12层、 15层 (72)发明人 陈达纲　李昱　王全礼　张晨　 蒲柯锐　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 刘妮　臧建明 (51)Int.Cl. G06F 16/9532(2019.01) G06F 16/9538(2019.01) G06F 16/33(2019.01) G06F 40/30(2020.01)G06F 16/35(2019.01) G06F 16/36(2019.01) (54)发明名称 信息检索方法、 服 务器、 介质及产品 (57)摘要 本申请涉及知识图谱 领域， 提供一种信息检 索方法、 服务器、 介质及产品。 该方法包括： 在接 收到用户终端输入的检索请求之后， 获取检索请 求中的检索信息对应的查询词； 根据预设的知识 图谱对查询词进行扩展处理， 以得到查询词的扩 展词； 确定查询词以及查询词的扩展词对应的词 向量； 将词向量输入训练好的文档多视图表示模 型中， 以得到词向量与预设的文档集中每一文档 的相似度得分； 根据相似度得分确定查询词对应 的文档序列， 并根据文档 序列向用户终端输出检 索结果。 本申请的方法， 提高了信息检索的准确 性。 权利要求书3页 说明书11页 附图2页 CN 115470396 A 2022.12.13 CN 115470396 A 1.一种信息检索方法， 其特 征在于， 包括： 在接收到用户终端输入的检索请求之后， 获取所述检索请求中的检索信 息对应的查询 词； 根据预设的知识图谱 对所述查询词进行扩展处 理， 以得到所述 查询词的扩展词； 确定所述 查询词以及所述 查询词的扩展词对应的词向量； 将所述词向量输入训练好的文档多视图表示模型中， 以得到所述词向量与 预设的文档 集中每一文档的相似度得分； 根据所述相似度得分确定所述查询词对应的文档序列， 并根据 所述文档序列向所述用 户终端输出检索结果。 2.根据权利要求1所述的方法， 其特征在于， 所述根据预设的知识图谱对所述查询词进 行扩展处 理， 以得到所述 查询词的扩展词， 具体包括： 确定所述 查询词在所述知识图谱中对应的第一实体； 确定所述知识图谱中与每一所述第一实体存在关系的第二实体； 确定所述知识图谱中与每一所述第二实体存在关系的第三实体； 根据每一所述第二实体和每一所述第三实体确定所述 查询词的扩展词。 3.根据权利要求1所述的方法， 其特征在于， 所述预设的知识图谱是通过下列方式获得 的： 确定所述用户终端中用户的历史查询词， 以及每一所述历史查询词对应的查询文档 集； 对所述历史查询词以及每一所述历史查询词对应的查询文档集进行实体抽取以及关 系抽取， 并根据抽取到的实体和关系构建初始的知识图谱； 根据标准知识图谱 对所述初始的知识图谱进行融合处 理， 以得到预设的知识图谱； 其中， 所述标准知识图谱是根据 标准词汇集、 业务概念集、 实体定义词典中的一种或多 种构建得到的。 4.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述将所述词向量输入训练好 的文档多视图表示模型中， 以得到所述词向量与预设的文档集中每一文档的相似度得分， 具体包括： 将所述词向量输入训练好的文档多视 图表示模型中， 对于每一词向量， 利用下列公式 计算得到所述词向量与预设的文档集中每一文档的相似度得分： f(q， dj)＝max(fi(q， dj))＝max(sim(E0(q)， Ei(dj))) E0(q)＝Encq([VIE0]·q·[SEP]) 其中， 所述f(q， dj)表示词向量q与预设的文档集中第j个文档 dj的相似度得分， j＝1， 2，…， k， k表示预设的文档集中文档的个数； 所述fi(q， dj)表示词向量q与第j个文档dj中第i 个多视图词项的相似度得分， i＝1， 2， …n， n表示文档中添加的多视图词项[V IE]的个数， 所 述max(fi(q， dj))表示词向量q与第j个文档dj中各多视图词项的相似度得分的最大池化， 所 述sim(·)表示相似度计算函数， 所述sim(E0(q)， Ei(dj))表示计算词向量q与第j个文档dj 中第i个多视图词项[VIEi]的相似度得分；权　利　要　求　书 1/3 页 2 CN 115470396 A 2所述E0(q)表示词向量q的编码向量， 所述Encq表示词向量编码器， 所述Ei(dj)表示第j个 文档dj的编码向量， 所述 表示文档向量编码器， 所述[VIE0]表示词向量q对应的多视 图词项， 所述[SEP]表示词项结束标志， 所述 ·表示连接操作符， 所述[VIEi]表示第j个文档 dj中的第i个多视图词项。 5.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述文档多视图表示模型是利 用包括正样本和负 样本的训练样本集训练得到的； 其中， 所述正样本为所述用户终端中用户的历史查询词， 以及每一所述历史查询词对 应的查询文档集； 所述负样本为所述用户终端中用户的历史查询词， 以及除所述查询文档 集之外的未查询文档集。 6.根据权利要求5所述的方法， 其特征在于， 所述未查询文档集是通过下列方式获得 的： 根据所述用户的历史查询词确定历史查询主题； 确定所述历史查询主题对应的未查询主题， 以及每一所述未查询主题对应的采样数 目； 利用聚类模型对除所述查询文档集之外的全部文档进行聚类处理， 以得到每一所述未 查询主题对应的文档样本； 根据每一所述未查询主题对应的采样数目， 对所述未查询主题对应的文档样本进行采 样， 并根据采集到的样本生成所述未查询文档集。 7.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述根据 所述相似度 得分确定 所述查询词对应的文档序列， 具体包括： 确定所述预设的文档集中相似度得分大于预设的分数阈值的文档； 按照相似度得分由大到小的顺序， 对所述相似度得分大于预设的分数阈值的文档进行 排序， 以生成所述 查询词对应的文档序列。 8.一种服 务器， 其特 征在于， 包括： 接收模块， 用于在接收到用户终端输入的检索请求之后， 获取所述检索请求中的检索 信息对应的查询词； 处理模块， 用于根据预设的知识图谱对所述查询词进行扩展处理， 以得到所述查询词 的扩展词； 确定所述查询词以及所述查询词的扩展词对应的词向量； 将所述词向量输入训 练好的文档多视图表示模型中， 以得到所述词向量与预设的文档集中每一文档的相似度得 分； 根据所述相似度得分确定所述 查询词对应的文档序列； 输出模块， 用于根据所述文档序列向所述用户终端输出检索结果。 9.一种服 务器， 其特 征在于， 包括处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1至7中任一项 所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指 令被处理器执行时用于实现如权利要求 1至7中任一项 所述的 方法。 11.一种计算机程序产品， 包括计算机程序， 该计算机程序被处理器执行时实现权利要权　利　要　求　书 2/3 页 3 CN 115470396 A 3