一种目标搜索方法、计算设备及存储介质与流程

本发明涉及电数字数据处理，具体涉及一种目标搜索方法、计算设备及存储介质。

背景技术：

1、酒店搜索是用户通过在线平台查询、筛选并预订酒店的过程，涉及位置、价格、设施等多维条件匹配。随着在线旅游市场规模扩大，用户对搜索精准度与个性化体验的要求持续提升，传统搜索架构已难以满足复杂场景下的深层需求挖掘与动态资源适配。现有酒店搜索系统普遍依赖关键词匹配或端到端大模型意图识别，在电数字数据处理领域面临四方面深层困境：

2、用户酒店需求具有高度隐式化特征，诸如“带孩子出行”隐含家庭房与儿童设施需求、“周末度假”隐含浴缸与景观偏好，现有大模型意图识别仅聚焦显性参数抽取，缺乏对场景语义与隐性设施关联网络的建模能力，导致推荐结果与用户真实期望存在系统性偏差。酒店房源具有强动态性，价格、房型库存及空房状态实时变化，现有系统在将识别出的意图参数组装为工具请求时，未与中央预订系统的实时房源库存及地图交通路况进行可行性预耦合，常出现工具调用后返回无结果或结果严重偏离用户预算的情形；同时，现有方案多依赖空间网格坐标的直线距离计算，忽略实时通勤时长，导致用户实际出行成本被低估，产生空间冗余偏差。大语言模型在输出结构化参数时易产生参数幻觉，对用户未明确提及的枚举类参数填充默认值或生成超出工具接口枚举取值范围的非法值，且受保护业务字段经由模型生成存在数据安全隐患。历史查询复用机制缺乏业务等价类区分能力，多基于问句文本字面相似度或浅层向量相似度进行匹配，未区分语义相近但参数不同的业务不等价查询，且高准意图识别依赖大参数规模语言模型的在线推理，调用成本高昂，直接缓存又缺乏有效的质量校验与版本兼容机制。

3、上述问题在需要频繁调用外部酒店预订接口的智能导购场景中尤为突出，亟需一种兼顾隐性需求挖掘、实时资源耦合及高可靠历史复用的目标搜索方案。

技术实现思路

1、本发明所要解决的技术问题是现有酒店搜索系统对用户隐性需求识别不完整、实时房源与空间资源耦合不足以及历史查询复用可靠性低。

2、本发明解决上述技术问题的技术方案如下：一种目标搜索方法，具体包括以下步骤：

3、s1.获取用户自然语言查询、会话上下文及包含历史浏览酒店与收藏酒店的行为数据，从业务配置库读取意图定义集合、设施标准词表、领域术语及场景隐性需求映射规则，对绑定酒店搜索工具的各意图实时获取其输入模式，将字段信息转写为自然语言参数说明段并注入系统提示词，生成schema接地型意图识别提示词；依据场景隐性需求映射规则对自然语言查询进行隐性需求推断并构建隐性需求推断链；将用户查询、会话上下文、行为数据及隐性需求推断链与动态提示词一并输入第一语言模型，生成意图结构体、结构化参数集合及隐性需求标记集合。

4、s2.根据意图结构体中的意图标签确定目标酒店搜索工具，依据输入模式对结构化参数集合执行字段裁剪、类型规范化及受保护上下文字段注入，确保参数格式与目标工具的工具契约严格匹配；将隐性需求标记集合与工具契约约束进行关联索引，生成初步工具请求；同步获取实时资源快照，所述实时资源快照包括中央预订系统的房源库存数据、实时地图交通路况数据及空间网格坐标数据；基于结构化参数集合与实时资源快照计算需求与物理资源之间的动态势差，识别并校准因直线距离与实时通勤时长不一致所产生的空间冗余偏差，依据行程规划约束对存在库存冲突的参数结合隐性需求标记集合执行张力消解与参数修正，生成符合工具契约的最终工具请求并调用，获取酒店房源业务执行结果。

5、s3.当工具调用满足预设成功判定条件时，异步采集并存储候选轨迹，所述候选轨迹包括规范化用户问句、意图结构体、参数结构体、隐性需求标记集合、张力消解记录、工具名称及参数体及会话上下文；采用推理能力高于第一语言模型的第二语言模型，在相同动态提示词及输入模式约束条件下对候选轨迹重新执行意图识别与参数抽取，并依据输入模式约束重新组装工具请求，仅当复核结果与候选轨迹在意图结构体、结构化参数集合、隐性需求标记集合、工具请求及张力消解记录五个层面均完全一致时，方将候选轨迹晋升并写入已验证样本库；针对新到达的用户查询计算意图契约哈希值、参数契约哈希值及工具请求契约哈希值，基于已验证样本库执行稠密向量检索与词法检索的融合召回，对召回结果依次进行契约一致性比对及语义守门验证，若全部通过则直接复用已验证样本库中对应的意图结构体及工具请求，并在输出前依据当前用户会话上下文中的行为数据对历史浏览或收藏酒店执行权益提权排序。

6、一种计算设备，包括：

7、处理器；用于存储所述处理器可执行指令的存储器；

8、其中，所述处理器被配置为执行所述指令，以实现一种目标搜索方法。

9、一种存储介质，所述存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现一种目标搜索方法

10、本发明的有益效果是：

11、1.通过场景隐性需求映射规则构建隐性需求推断链，将用户未明确表述的设施配置倾向、行程规划约束等深层诉求显式化标定，使第一语言模型在schema接地约束下精准输出意图结构体与隐性需求标记集合，显著降低隐性需求缺失导致的搜索偏差，提升酒店意图识别的完整性与准确率。

12、2.基于实时资源快照计算动态势差，校准直线距离与实际通勤时长的空间冗余偏差，在调用工具前依据隐性需求标记集合执行张力消解与参数修正，动态调节搜索边界及预算浮动范围，有效解除物理资源约束对检索结果的限制，提升房源匹配的一次成功率。

13、3.采用第二语言模型对候选轨迹进行五层面离线复核，确保已验证样本库的高质量准入；新查询通过三类契约哈希值执行融合召回与三级比对，以语义守门验证保障复用可靠性，跳过在线推理环节，并依据行为数据对历史浏览或收藏酒店执行权益提权排序，兼顾复用效率与个性化时效性。

1.一种目标搜索方法，其特征在于，包括：

2.根据权利要求1所述的一种目标搜索方法，其特征在于，所述获取自然语言查询、会话上下文及行为数据，基于业务配置生成schema接地型意图识别提示词，具体包括：

3.根据权利要求2所述的一种目标搜索方法，其特征在于，所述构建隐性需求推断链，输入第一语言模型生成意图结构体、参数集合及隐性需求标记集合，具体包括：

4.根据权利要求1所述的一种目标搜索方法，其特征在于，所述根据意图结构体确定目标工具，对参数集合执行字段裁剪与规范化，并获取实时资源快照，具体包括：

5.根据权利要求4所述的一种目标搜索方法，其特征在于，所述计算动态势差并校准空间冗余偏差，结合隐性需求标记集合经张力消解生成最终工具请求并调用，具体包括：

6.根据权利要求1所述的一种目标搜索方法，其特征在于，所述调用成功后存储候选轨迹，由第二语言模型离线复核写入已验证样本库，具体包括：

7.根据权利要求6所述的一种目标搜索方法，其特征在于，所述新查询计算三类契约哈希值，具体包括：

8.根据权利要求7所述的一种目标搜索方法，其特征在于，所述执行融合召回、契约比对及语义守门验证，通过则复用意图结构体及工具请求，并依据行为数据执行权益提权排序，具体包括：

9.一种计算设备，其特征在于，包括：

10.一种存储介质，其特征在于，所述存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1-8中任一项所述的一种目标搜索方法。