基于查询匹配的文章排序方法、装置、电子设备及介质与流程

1.本发明涉及人工智能领域，尤其涉及一种基于查询匹配的文章排序方法、装置、电子设备及存储介质。


背景技术：

2.随着互联网技术的发展，各类不同的社交平台涌现，而在社交平台上会出现百万级甚至千万级的文章，社交平台的作用之一就是要将文章准确推送给用户，其中最关键的部分就是要对大量的文章进行排序，根据得到的文章排序结果进行推送。
3.现有的文章排序方法通常是通过交互模式实现，在交互模式中通过模型才能知道查询文本和待查询文章的匹配程度，无法提前计算文章的编码向量。但真实场景中文章的数量是巨大的，一般是百万甚至是千万级别，每个文章都和给定的查询重头计算匹配程度，会导致无法接受的时间延迟，从而带来不佳的用户体验，进而最终影响文章排序的效率。因此亟待提出一种效率更高的文章排序方法。


技术实现要素：

4.本发明提供一种基于查询匹配的文章排序方法、装置、电子设备及存储介质，其主要目的在于提高文章排序的效率。
5.为实现上述目的，本发明提供的一种基于查询匹配的文章排序方法，包括：
6.获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列；
7.将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列；
8.利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量；
9.根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。
10.可选地，所述将所述查询文本序列中的多个查询字符与预设特殊字符进行第一拼接处理，得到拼接查询序列，包括：
11.将所述查询文本序列中的多个查询字符进行顺序排列，并在顺序排列后的多个查询字符的开头添加多个所述特殊字符中的开头标识字符，得到初始标识序列；
12.在所述初始标识序列的后面添加预设个数的特殊字符中的掩码字符，得到拼接查询序列。
13.可选地，所述利用预设双向表征模型对所述拼接查询序列进行编码处理，得到查询编码向量，包括：
14.对所述拼接查询序列进行向量化处理，得到嵌入向量集；
15.利用所述双向表征模型中的编码层对所述嵌入向量集进行编码处理，得到查询编码向量。
16.可选地，所述对所述查询编码向量进行范数标准化处理，得到标准查询向量，包括：
17.根据预设范数定义构建范数公式，并根据所述范数公式计算得到参考范数；
18.将所述查询编码向量中的每个元素除以所述参考范数，得到标准查询向量。
19.可选地，所述根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，包括：
20.所述预设延迟匹配计算公式为：
[0021][0022]
其中，s
q,d
为所述匹配相似值，e
qi
表示第i个标准查询向量,e
di
表示第i个标准文章向量,t表示转置矩阵，|eq|表示所述标准查询向量的模。
[0023]
可选地，所述根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果，包括：
[0024]
遍历所述待查询文章中任意选取的目标文章的每个向量并进行延迟匹配计算，得到多个匹配相似值；
[0025]
选取多个所述匹配相似值中的最大值作为所述查询文本序列对应的匹配分数；
[0026]
根据预设顺序遍历所述查询文本序列中的每一个查询文本字符并将所述匹配分数作为目标文章的最终匹配得分；
[0027]
对多篇所述待查询文章执行最终匹配得分计算过程，得到多个最终匹配得分，根据所述最终匹配得分对多篇所述待查询文章进行排序处理，得到文章排序结果。
[0028]
可选地，所述对所述文章文本序列进行第二拼接处理，得到拼接文章序列，包括：
[0029]
对预获取的总结字符和文章开始字符进行连接处理，得到连接字符；
[0030]
将所述连接字符添加至所述文章文本序列的开头，得到拼接文章序列。
[0031]
为了解决上述问题，本发明还提供一种基于查询匹配的文章排序装置，所述装置包括：
[0032]
序列生成模块，用于获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列；
[0033]
字符拼接模块，用于将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列；
[0034]
标准化模块，用于利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量；
[0035]
文章排序模块，用于根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。
[0036]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0037]
至少一个处理器；以及，
[0038]
与所述至少一个处理器通信连接的存储器；其中，
[0039]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于查询匹配的文章排序方法。
[0040]
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于查询匹配的文章排序方法。
[0041]
本发明实施例中，通过获取查询文本序列和多篇所述待查询文章组合为文章文本序列，并分别对所述查询文本序列和所述文章文本序列和特殊字符进行拼接处理，得到拼接查询序列和拼接文章序列。向不同的序列中添加特殊字符，让后续模型自动学习并扩充原有查询文本序列，减少了利用其他模型进行查询扩充的资源成本。并利用预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果，根据预设延迟匹配计算公式进行计，使得引入的计算成本小，且可以很好地支持大量文章的高精度低延迟排序场景。因此本发明提出的基于查询匹配的文章排序方法、装置、电子设备及存储介质，可以解决提高文章排序的效率低的问题。
附图说明
[0042]
图1为本发明一实施例提供的基于查询匹配的文章排序方法的流程示意图；
[0043]
图2为图1中其中一个步骤的详细实施流程示意图；
[0044]
图3为本发明一实施例提供的基于查询匹配的文章排序装置的功能模块图；
[0045]
图4为本发明一实施例提供的实现所述基于查询匹配的文章排序方法的电子设备的结构示意图。
[0046]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0047]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0048]
本技术实施例提供一种基于查询匹配的文章排序方法。所述基于查询匹配的文章排序方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于查询匹配的文章排序方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0049]
参照图1所示，为本发明一实施例提供的基于查询匹配的文章排序方法的流程示意图。在本实施例中，所述基于查询匹配的文章排序方法包括以下步骤s1-s4：
[0050]
s1、获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列。
[0051]
本发明实施例中，所述查询文本序列是指由多个查询文本字符构建得到的序列，其中，多个查询文本字符可以为q1，q2，q3，q4，q5，
…
，q
l
，l为所述查询文本序列的长度，则所述查询文本序列为q＝[q1，q2，q3，q4，q5，
…
，q
l
]。所述查询文本序列对应的多篇待查询文章是指以供查询的文章，多篇待查询文章可以表示为d1，d2，d3，d4，d5，
…
，dn，n为所述文章文本序列的长度，故所述文章文本序列可以表示为d＝[d1，d2，d3，d4，d5，
…
，dn]。
[0052]
其中，在数字医疗领域中，所述查询文本序列可以是指查询包含某个任意设定的医疗关键词的文本，例如，查询文本序列可以为“查找与糖尿病相关的文章”，而多篇所述待查询文章即为检索得到的包含“糖尿病”这个医疗关键词的文章。
[0053]
s2、将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列。
[0054]
本发明实施例中，参照图2所示，所述将所述查询文本序列中的多个查询字符与预设特殊字符进行第一拼接处理，得到拼接查询序列，包括以下步骤s21-s22：
[0055]
s21、将所述查询文本序列中的多个查询字符进行顺序排列，并在顺序排列后的多个查询字符的开头添加多个所述特殊字符中的开头标识字符，得到初始标识序列；
[0056]
s22、在所述初始标识序列的后面添加预设个数的特殊字符中的掩码字符，得到拼接查询序列。
[0057]
详细地，多个特殊字符中包含开头标识字符[q]和掩码字符[mask]，在顺序排列后的多个查询字符的开头添加多个所述特殊字符中的开头标识字符，得到初始标识序列为[[q]，q1，q2，q3，q4，q5，
…
，q
l
]，在所述初始标识序列的后面添加预设个数的特殊字符中的掩码字符，得到拼接查询序列为[[q]，q1，q2，q3，q4，q5，
…
，q
l
，[mask]，[mask]，[mask]，[mask]]。
[0058]
优选地，开头标识字符[q]标识所述拼接查询序列的开始，添加预设个数的特殊字符中的掩码字符的作用是让编码器自动学习预设个数的向量表示，对所述查询文本序列进行自动扩充。
[0059]
具体地，所述对所述文章文本序列进行第二拼接处理，得到拼接文章序列，包括：
[0060]
对预获取的总结字符和文章开始字符进行连接处理，得到连接字符；
[0061]
将所述连接字符添加至所述文章文本序列的开头，得到拼接文章序列。
[0062]
详细地，所述总结字符为[cls]，代表整体文章文本的总结，所述文章开始字符为[d]，标志文章文本的开始，对预获取的总结字符[cls]和文章开始字符[d]进行连接处理，得到连接字符为[[cls]，[d]]，并将所述连接字符添加至所述文章文本序列的开头，得到拼接文章序列为[[cls]，[d]，d1，d2，d3，d4，d5，
…
，dn]。
[0063]
s3、利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量。
[0064]
本发明实施例中，所述预设双向表征模型为bert模型(bidirectional encoder representations from transformers,深度双向语言表征模型)，所述bert模型使得神经网络更有效地从第一层本身一直到最后一层捕获来自目标词的左右上下文的信息，编码的
准确度也更高。
[0065]
具体地，所述利用预设双向表征模型对所述拼接查询序列进行编码处理，得到查询编码向量，包括：
[0066]
对所述拼接查询序列进行向量化处理，得到嵌入向量集；
[0067]
利用所述双向表征模型中的编码层对所述嵌入向量集进行编码处理，得到查询编码向量。
[0068]
详细地，向量化处理是根据embedding实现。
[0069]
例如，对表现为[[q]，q1，q2，q3，q4，q5，
…
，q
l
，[mask]，[mask]，[mask]，[mask]]的拼接查询序列进行编码处理，可以得到查询编码向量为
[0070]
其中，对所述拼接文章序列进行编码处理的方法和对所述拼接查询序列进行编码处理的方法一致，此处不再赘述。
[0071]
进一步地，所述对所述查询编码向量进行范数标准化处理，得到标准查询向量，包括：
[0072]
根据预设范数定义构建范数公式，并根据所述范数公式计算得到参考范数；
[0073]
将所述查询编码向量中的每个元素除以所述参考范数，得到标准查询向量。
[0074]
详细地，所述范数公式为：
[0075][0076]
其中，norm(x)为参考范数，x1、x2…
xn均为所述查询编码向量中的元素。
[0077]
优选地，所述参考范数即为l2范数，对所述查询编码向量进行范数标准化可以防止后续模型过拟合。
[0078]
详细地，对所述文章编码向量进行范数标准化处理的方法与对所述查询编码向量进行范数标准化处理的方法一致，此处不再赘述。
[0079]
s4、根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。
[0080]
本发明实施例中，所述根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，包括：
[0081]
所述预设延迟匹配计算公式为：
[0082][0083]
其中，s
q,d
为所述匹配相似值，e
qi
表示第i个标准查询向量,e
di
表示第i个标准文章向量,t表示转置矩阵，|eq|表示所述标准查询向量的模。
[0084]
具体地，所述根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果，包括：
[0085]
遍历所述待查询文章中任意选取的目标文章的每个向量并进行延迟匹配计算，得到多个匹配相似值；
[0086]
选取多个所述匹配相似值中的最大值作为所述查询文本序列对应的匹配分数；
[0087]
根据预设顺序遍历所述查询文本序列中的每一个查询文本字符并将所述匹配分数作为目标文章的最终匹配得分；
[0088]
对多篇所述待查询文章执行最终匹配得分计算过程，得到多个最终匹配得分，根据所述最终匹配得分对多篇所述待查询文章进行排序处理，得到文章排序结果。
[0089]
详细地，所述延迟匹配计算则是根据预设延迟匹配计算公式计算所得，最后得到的所述文章排序结果更加准确。
[0090]
本发明实施例中，通过获取查询文本序列和多篇所述待查询文章组合为文章文本序列，并分别对所述查询文本序列和所述文章文本序列和特殊字符进行拼接处理，得到拼接查询序列和拼接文章序列。向不同的序列中添加特殊字符，让后续模型自动学习并扩充原有查询文本序列，减少了利用其他模型进行查询扩充的资源成本。并利用预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果，根据预设延迟匹配计算公式进行计，使得引入的计算成本小，且可以很好地支持大量文章的高精度低延迟排序场景。因此本发明提出的基于查询匹配的文章排序方法可以解决提高文章排序的效率低的问题。
[0091]
如图3所示，是本发明一实施例提供的基于查询匹配的文章排序装置的功能模块图。
[0092]
本发明所述基于查询匹配的文章排序装置100可以安装于电子设备中。根据实现的功能，所述基于查询匹配的文章排序装置100可以包括序列生成模块101、字符拼接模块102、标准化模块103及文章排序模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0093]
在本实施例中，关于各模块/单元的功能如下：
[0094]
所述序列生成模块101，用于获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列；
[0095]
所述字符拼接模块102，用于将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列；
[0096]
所述标准化模块103，用于利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量；
[0097]
所述文章排序模块104，用于根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。
[0098]
详细地，所述基于查询匹配的文章排序装置100各模块的具体实施方式如下：
[0099]
步骤一、获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列。
[0100]
本发明实施例中，所述查询文本序列是指由多个查询文本字符构建得到的序列，其中，多个查询文本字符可以为q1，q2，q3，q4，q5，
…
，q
l
，l为所述查询文本序列的长度，则所
述查询文本序列为q＝[q1，q2，q3，q4，q5，
…
，q
l
]。所述查询文本序列对应的多篇待查询文章是指以供查询的文章，多篇待查询文章可以表示为d1，d2，d3，d4，d5，
…
，dn，n为所述文章文本序列的长度，故所述文章文本序列可以表示为d＝[d1，d2，d3，d4，d5，
…
，dn]。
[0101]
其中，在数字医疗领域中，所述查询文本序列可以是指查询包含某个任意设定的医疗关键词的文本，例如，查询文本序列可以为“查找与糖尿病相关的文章”，而多篇所述待查询文章即为检索得到的包含“糖尿病”这个医疗关键词的文章。
[0102]
步骤二、将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列。
[0103]
本发明实施例中，所述将所述查询文本序列中的多个查询字符与预设特殊字符进行第一拼接处理，得到拼接查询序列，包括：
[0104]
将所述查询文本序列中的多个查询字符进行顺序排列，并在顺序排列后的多个查询字符的开头添加多个所述特殊字符中的开头标识字符，得到初始标识序列；
[0105]
在所述初始标识序列的后面添加预设个数的特殊字符中的掩码字符，得到拼接查询序列。
[0106]
详细地，多个特殊字符中包含开头标识字符[q]和掩码字符[mask]，在顺序排列后的多个查询字符的开头添加多个所述特殊字符中的开头标识字符，得到初始标识序列为[[q]，q1，q2，q3，q4，q5，
…
，q
l
]，在所述初始标识序列的后面添加预设个数的特殊字符中的掩码字符，得到拼接查询序列为[[q]，q1，q2，q3，q4，q5，
…
，q
l
，[mask]，[mask]，[mask]，[mask]]。
[0107]
优选地，开头标识字符[q]标识所述拼接查询序列的开始，添加预设个数的特殊字符中的掩码字符的作用是让编码器自动学习预设个数的向量表示，对所述查询文本序列进行自动扩充。
[0108]
具体地，所述对所述文章文本序列进行第二拼接处理，得到拼接文章序列，包括：
[0109]
对预获取的总结字符和文章开始字符进行连接处理，得到连接字符；
[0110]
将所述连接字符添加至所述文章文本序列的开头，得到拼接文章序列。
[0111]
详细地，所述总结字符为[cls]，代表整体文章文本的总结，所述文章开始字符为[d]，标志文章文本的开始，对预获取的总结字符[cls]和文章开始字符[d]进行连接处理，得到连接字符为[[cls]，[d]]，并将所述连接字符添加至所述文章文本序列的开头，得到拼接文章序列为[[cls]，[d]，d1，d2，d3，d4，d5，
…
，dn]。
[0112]
步骤三、利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量。
[0113]
本发明实施例中，所述预设双向表征模型为bert模型(bidirectional encoder representations from transformers,深度双向语言表征模型)，所述bert模型使得神经网络更有效地从第一层本身一直到最后一层捕获来自目标词的左右上下文的信息，编码的准确度也更高。
[0114]
具体地，所述利用预设双向表征模型对所述拼接查询序列进行编码处理，得到查询编码向量，包括：
[0115]
对所述拼接查询序列进行向量化处理，得到嵌入向量集；
[0116]
利用所述双向表征模型中的编码层对所述嵌入向量集进行编码处理，得到查询编码向量。
[0117]
详细地，向量化处理是根据embedding实现。
[0118]
例如，对表现为[[q]，q1，q2，q3，q4，q5，
…
，q
l
，[mask]，[mask]，[mask]，[mask]]的拼接查询序列进行编码处理，可以得到查询编码向量为
[0119]
其中，对所述拼接文章序列进行编码处理的方法和对所述拼接查询序列进行编码处理的方法一致，此处不再赘述。
[0120]
进一步地，所述对所述查询编码向量进行范数标准化处理，得到标准查询向量，包括：
[0121]
根据预设范数定义构建范数公式，并根据所述范数公式计算得到参考范数；
[0122]
将所述查询编码向量中的每个元素除以所述参考范数，得到标准查询向量。
[0123]
详细地，所述范数公式为：
[0124][0125]
其中，norm(x)为参考范数，x1、x2…
xn均为所述查询编码向量中的元素。
[0126]
优选地，所述参考范数即为l2范数，对所述查询编码向量进行范数标准化可以防止后续模型过拟合。
[0127]
详细地，对所述文章编码向量进行范数标准化处理的方法与对所述查询编码向量进行范数标准化处理的方法一致，此处不再赘述。
[0128]
步骤四、根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。
[0129]
本发明实施例中，所述根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，包括：
[0130]
所述预设延迟匹配计算公式为：
[0131][0132]
其中，s
q,d
为所述匹配相似值，e
qi
表示第i个标准查询向量,e
di
表示第i个标准文章向量,t表示转置矩阵，|eq|表示所述标准查询向量的模。
[0133]
具体地，所述根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果，包括：
[0134]
遍历所述待查询文章中任意选取的目标文章的每个向量并进行延迟匹配计算，得到多个匹配相似值；
[0135]
选取多个所述匹配相似值中的最大值作为所述查询文本序列对应的匹配分数；
[0136]
根据预设顺序遍历所述查询文本序列中的每一个查询文本字符并将所述匹配分
数作为目标文章的最终匹配得分；
[0137]
对多篇所述待查询文章执行最终匹配得分计算过程，得到多个最终匹配得分，根据所述最终匹配得分对多篇所述待查询文章进行排序处理，得到文章排序结果。
[0138]
详细地，所述延迟匹配计算则是根据预设延迟匹配计算公式计算所得，最后得到的所述文章排序结果更加准确。
[0139]
本发明实施例中，通过获取查询文本序列和多篇所述待查询文章组合为文章文本序列，并分别对所述查询文本序列和所述文章文本序列和特殊字符进行拼接处理，得到拼接查询序列和拼接文章序列。向不同的序列中添加特殊字符，让后续模型自动学习并扩充原有查询文本序列，减少了利用其他模型进行查询扩充的资源成本。并利用预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果，根据预设延迟匹配计算公式进行计，使得引入的计算成本小，且可以很好地支持大量文章的高精度低延迟排序场景。因此本发明提出的基于查询匹配的文章排序装置可以解决提高文章排序的效率低的问题。
[0140]
如图4所示，是本发明一实施例提供的实现基于查询匹配的文章排序方法的电子设备的结构示意图。
[0141]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于查询匹配的文章排序程序。
[0142]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于查询匹配的文章排序程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0143]
所述存储器11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、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于查询匹配的文章排序程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0144]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0145]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户
接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0146]
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0147]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0148]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0149]
所述电子设备1中的所述存储器11存储的基于查询匹配的文章排序程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0150]
获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列；
[0151]
将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列；
[0152]
利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量；
[0153]
根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。
[0154]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0155]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0156]
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0157]
获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列；
[0158]
将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列；
[0159]
利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量；
[0160]
根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。
[0161]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0162]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0163]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0164]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0165]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0166]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0167]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0168]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0169]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种基于查询匹配的文章排序方法，其特征在于，所述方法包括：获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列；将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列；利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量；根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。2.如权利要求1所述的基于查询匹配的文章排序方法，其特征在于，所述将所述查询文本序列中的多个查询字符与预设特殊字符进行第一拼接处理，得到拼接查询序列，包括：将所述查询文本序列中的多个查询字符进行顺序排列，并在顺序排列后的多个查询字符的开头添加多个所述特殊字符中的开头标识字符，得到初始标识序列；在所述初始标识序列的后面添加预设个数的特殊字符中的掩码字符，得到拼接查询序列。3.如权利要求1所述的基于查询匹配的文章排序方法，其特征在于，所述利用预设双向表征模型对所述拼接查询序列进行编码处理，得到查询编码向量，包括：对所述拼接查询序列进行向量化处理，得到嵌入向量集；利用所述双向表征模型中的编码层对所述嵌入向量集进行编码处理，得到查询编码向量。4.如权利要求1所述的基于查询匹配的文章排序方法，其特征在于，所述对所述查询编码向量进行范数标准化处理，得到标准查询向量，包括：根据预设范数定义构建范数公式，并根据所述范数公式计算得到参考范数；将所述查询编码向量中的每个元素除以所述参考范数，得到标准查询向量。5.如权利要求1所述的基于查询匹配的文章排序方法，其特征在于，所述根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，包括：所述预设延迟匹配计算公式为：其中，s
q,d
为所述匹配相似值，e
qi
表示第i个标准查询向量,e
di
表示第i个标准文章向量,t表示转置矩阵，|
q
|表示所述标准查询向量的模。6.如权利要求1所述的基于查询匹配的文章排序方法，其特征在于，所述根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果，包括：遍历所述待查询文章中任意选取的目标文章的每个向量并进行延迟匹配计算，得到多个匹配相似值；选取多个所述匹配相似值中的最大值作为所述查询文本序列对应的匹配分数；根据预设顺序遍历所述查询文本序列中的每一个查询文本字符并将所述匹配分数作
为目标文章的最终匹配得分；对多篇所述待查询文章执行最终匹配得分计算过程，得到多个最终匹配得分，根据所述最终匹配得分对多篇所述待查询文章进行排序处理，得到文章排序结果。7.如权利要求1所述的基于查询匹配的文章排序方法，其特征在于，所述对所述文章文本序列进行第二拼接处理，得到拼接文章序列，包括：对预获取的总结字符和文章开始字符进行连接处理，得到连接字符；将所述连接字符添加至所述文章文本序列的开头，得到拼接文章序列。8.一种基于查询匹配的文章排序装置，其特征在于，所述装置包括：序列生成模块，用于获取查询文本序列及所述查询文本序列对应的多篇待查询文章，并将多篇所述待查询文章组合为文章文本序列；字符拼接模块，用于将所述查询文本序列中的多个查询字符与预设的多个特殊字符进行第一拼接处理，得到拼接查询序列，并对所述文章文本序列进行第二拼接处理，得到拼接文章序列；标准化模块，用于利用预设双向表征模型分别对所述拼接查询序列和所述拼接文章序列进行编码处理，得到查询编码向量及文章编码向量，并对所述查询编码向量和所述文章编码向量进行范数标准化处理，得到标准查询向量和标准文章向量；文章排序模块，用于根据预设延迟匹配计算公式计算所述标准查询向量和所述标准文章向量之间的匹配相似值，并根据所述匹配相似值对多篇所述待查询文章进行排序，得到文章排序结果。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于查询匹配的文章排序方法。10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于查询匹配的文章排序方法。

技术总结
本发明涉及数字医疗领域的自然语言处理技术，揭露一种基于查询匹配的文章排序方法，包括：分别对查询文本序列和文章文本序列进行第一拼接处理和第二拼接处理，得到拼接查询序列和拼接文章序列，对拼接查询序列和拼接文章序列进行编码，得到查询编码向量及文章编码向量，对查询编码向量和文章编码向量进行范数标准化，得到标准查询向量和标准文章向量，计算标准查询向量和标准文章向量之间的匹配相似值，根据匹配相似值对多篇待查询文章进行排序，得到文章排序结果。此外，本发明还涉及区块链技术，匹配相似值可存储于区块链的节点。本发明还提出一种基于查询匹配的文章排序装置、电子设备以及存储介质。本发明可以提高文章排序的效率。序的效率。序的效率。


技术研发人员：谯轶轩 姜鹏
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.04.13
技术公布日：2023/7/18