信息查找方法、装置、电子设备及存储介质与流程

1.本技术涉及计算机技术领域，更具体地，涉及一种信息查找方法、装置、电子设备及存储介质。


背景技术：

2.在制作视频或者效果图的过程中可能需要搜集一些信息，例如，制作视频或者效果图中所需要的一些素材图片。其中，可以通过在信息查找系统中进行查找来查找所需的信息。但是，相关的信息查找系统还存在查找的准确性有待提升的问题。


技术实现要素：

3.鉴于上述问题，本技术提出了一种信息查找方法、装置、电子设备及存储介质，以改善上述问题。
4.第一方面，本技术提供了一种信息查找方法，所述方法包括：基于查找文本与多个标签之间的相似度，从所述多个标签中获取参考标签集合，以及所述参考标签集合对应的相似度参数，所述相似度参数包括所述参考标签集合中每个标签与所述查找文本之间的相似度，且所述相似度参数中的相似度按照大小顺序排序；根据标签与信息之间的对应关系，获取所述参考标签集合对应的参考信息集合；基于所述参考信息集合中每个信息所对应标签在所述参考标签集合中的排序位置，确定所述每个信息的位置特征参数，所述参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应；基于所述相似度参数以及所述每个信息的位置特征参数，从所述参考信息集合中得到所述查找文本对应查找的信息。
5.第二方面，本技术提供了一种信息查找装置，所述装置包括：相似度计算单元、信息获取单元、位置特征获取单元以及信息筛选单元。其中，相似度计算单元，用于基于查找文本与多个标签之间的相似度，从所述多个标签中获取参考标签集合，以及所述参考标签集合对应的相似度参数，所述相似度参数包括所述参考标签集合中每个标签与所述查找文本之间的相似度，且所述相似度参数中的相似度按照大小顺序排序；信息获取单元，用于根据标签与信息之间的对应关系，获取所述参考标签集合对应的参考信息集合；位置特征获取单元，用于基于所述参考信息集合中每个信息所对应标签在所述参考标签集合中的排序位置，确定所述每个信息的位置特征参数，所述参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应；信息筛选单元，用于基于所述相似度参数以及所述每个信息的位置特征参数，从所述参考信息集合中得到所述查找文本对应查找的信息。
6.第三方面，本技术提供了一种电子设备，包括处理器以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现上述的方法。
7.第四方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码被处理器运行时执行上述的方法。
8.本技术提供的一种信息查找方法、装置、电子设备及存储介质，在得到查找文本后，可以基于查找文本与多个标签之间的相似度，从所述多个标签中获取参考标签集合，以及所述参考标签集合对应的相似度参数。其中，所述相似度参数包括所述参考标签集合中每个标签与所述查找文本之间的相似度，且所述相似度参数中的相似度按照大小顺序排序；然后，根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合，并基于参考信息集合中每个信息所对应标签在所述参考标签集合中的排序位置，确定所述每个信息的位置特征参数，其中，所述参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应；再基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
9.从而通过上述方式，可以先通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。
附图说明
10.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，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。
11.图1示出了本技术实施例所涉及的一种应用环境的示意图；
12.图2示出了本技术一实施例提出的一种信息查找方法的流程图；
13.图3示出了本技术另一实施例提出的一种确定位置特征参数的实体图；
14.图4示出了本技术另一实施例提出的另一种确定位置特征参数的实体图；
15.图5示出了本技术又一实施例提出的一种信息查找方法的流程图；
16.图6示出了本技术中提出的范围选择选项各自对应一种存储区域的示意图；
17.图7示出了图5中s250所包括的步骤的流程图；
18.图8示出了本技术再一实施例提出的一种信息查找方法的流程图；
19.图9示出了本技术中提出的一种获取标签对应的向量的示意图；
20.图10示出了本技术再一实施例提出的一种信息查找方法的流程图；
21.图11示出了本技术实施例中用户操作界面的示意图；
22.图12示出了本技术实施例中关于游戏的平台中用户操作界面的示意图；
23.图13示出了本技术实施例中关于视频的平台中用户操作界面的示意图；
24.图14示出了本技术实施例提出的一种文本处理装置的结构框图；
25.图15示出了本技术另一实施例提出的一种文本处理装置的结构框图；
26.图16示出了本技术又一实施例提出的一种文本处理装置的结构框图；
27.图17示出了用于执行根据本技术实施例的信息查找方法的一种电子设备的结构框图；
28.图18示出了本技术实施例的用于保存或者携带实现根据本技术实施例的信息查
找方法的程序代码的存储单元。
具体实施方式
29.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
30.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。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
31.人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、计算机技术以及机器学习/深度学习等几大方向。
32.其中，随着人工智能技术中的文本处理技术的发展，出现了许多的涉及基于文本处理技术以及计算机技术进行文本处理的场景。例如，信息查找场景。例如，若用户需要制作视频或者效果图的过程中可能需要搜集一些信息，则可以通过信息查找系统来查找一些信息，例如，查找一些素材图片等。但是，发明人在相关信息查找方法进行研究后发现，相关的信息查找系统还存在查找的准确性有待提升的问题。
33.因此，为了改善上述问题，发明人提出了一种信息查找方法、装置、电子设备及存储介质，在得到查找文本后，可以基于查找文本与多个标签之间的相似度，从所述多个标签中获取参考标签集合，以及所述参考标签集合对应的相似度参数。其中，所述相似度参数包括所述参考标签集合中每个标签与所述查找文本之间的相似度，且所述相似度参数中的相似度按照大小顺序排序；然后，根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合，并基于参考信息集合中每个信息所对应标签在所述参考标签集合中的排序位置，确定所述每个信息的位置特征参数，其中，所述参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应；再基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
34.从而通过上述方式，可以先通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。
35.在对本技术实施例进行进一步详细说明之前，对本技术实施例中涉及一种应用环境进行介绍。
36.如图1所示，图1所示为本技术实施例所涉及的应用环境的示意图。其中，包括有客户端110以及服务器120。其中，客户端110用于采集用户输入的文本，然后将所采集的文本
发送给服务器120。服务器120接收到用户输入的文本后，可以基于本技术所提供的信息查找方法进行信息查找，将与用户输入的文本对应查找的信息返回给客户端110。客户端110在接收到返回的信息后则会进行显示。
37.需要说明的是，图1是一种示例性的应用环境，本技术实施例所提供的方法还可以运行于其他的应用环境中。例如，本技术实施例提供的信息查找方法可以均由客户端110来执行。
38.需要说明的是，其中，服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、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、cdn(content delivery network，内容分发网络)、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。客户端110所在的电子设备可以为智能手机外、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。
39.下面将结合附图具体描述本技术的各实施例。
40.请参阅图2，图2所示为本技术一实施例提出的一种信息查找方法的流程图，该方法包括：
41.s110：基于查找文本与多个标签之间的相似度，从多个标签中获取参考标签集合，以及参考标签集合对应的相似度参数，相似度参数包括参考标签集合中每个标签与查找文本之间的相似度，且相似度参数中的相似度按照大小顺序排序。
42.需要说明的是，在本技术实施例中预先存储的信息可以都对应有标签。其中，所存储的信息可以为视频、图片或者文本等。信息所对应的标签可以用于标识信息所对应的内容特征。示例性的，以信息为图片为例，若图片的内容为一个手拿羽扇的女战士，那么该图片所对应的标签就可以包括有羽扇以及女战士。再例如，若图片的内容为一个足球队员在踢足球，那么该图片所对应的标签可以包括有足球、踢足球以及足球队员。
43.那么在信息对应有标签的情况下，可以通过比对查找文本与多个标签之间的相似度来从多个标签中确定参考标签集合。其中，查找文本可以理解为进行信息查找所依据的文本，或者可以理解为所查找的信息是关于该查找文本的信息。该多个标签为用于与查找文本进行相似度计算的标签。
44.其中，在本实施例中，参考标签集合可以理解为所包括的标签与查找文本之间的相似度满足指定条件的集合。
45.作为一种方式，该指定条件可以为对应的相似度排序靠前指定位数的多个标签。示例性的，若多个标签包括标签t1、标签t2、标签t3、标签t4以及标签t5。其中，若标签t1与查找文本之间的相似度为s1，若标签t2与查找文本之间的相似度为s2，若标签t3与查找文本之间的相似度为s3，若标签t4与查找文本之间的相似度为s4，若标签t5与查找文本之间的相似度为s5，其中，s1大于s2，s2大于s3，s3大于s4，s4大于s5，那么该多个相似度从大到小排序为s1，s2，s3，s4以及s5，其中相似度值越大排序越靠前。那么若排序靠前指定位数为3，那么则可以确定相似度s1对应的标签t1，相似度s2对应的标签t2以及相似度s3对应的标签t3为参考标签集合中的标签。
46.需要说明的是，该排序靠前指定位数除了为3以外，还可以根据实际需求进行动态的调节。例如，若该排序靠前指定位数越多那么参考标签集合中的标签的个数就可能会越
多，进而后续步骤中所涉及的计算量也就越多，从而就可能会使得查找到信息的速率降低。那么作为一种方式，可以根据当前的信息查找需求来动态配置该排序靠前指定位数，若获取到当前的信息查找需求为数量优先，那么可以将排序靠前指定位数配置为第一位数，若获取到当前的信息查找需求为速率优先，可以将排序靠前指定位数配置为第二位数，其中，该第二位数小于该第一位数。
47.作为另外一种方式，该指定条件可以为对应的相似度大于指定相似度阈值的标签。还是以前述的多个标签包括标签t1、标签t2、标签t3、标签t4以及标签t5为例，若标签t1与查找文本之间的相似度为s1，若标签t2与查找文本之间的相似度为s2，若标签t3与查找文本之间的相似度为s3，若标签t4与查找文本之间的相似度为s4，若标签t5与查找文本之间的相似度为s5。若指定相似度阈值为s6，且其中s1以及s2大于s6，s3、s4以及s5小于s6，那么则可以确定相似度s1对应的标签t1以及s2对应的标签t2为参考标签集合中的标签。类似的，其中的指定相似度阈值也可以根据实际情况进行调节，可选的，若获取到当前的信息查找需求为数量优先，则可以将该指定相似度阈值配置为第一阈值，若获取到当前的信息查找需求为速率优先，可以将指定相似度阈值配置为第二阈值，其中，该第二阈值小于该第一阈值。
48.在得到参考标签集合后，则可以将参考标签集合中标签所对应的相似度组合为相似度参数，并且，在该相似度参数中相似度按照大小顺序排序。示例性的，若参考标签集合中包括有标签t1、标签t2以及标签t3，且该标签t1与查找文本的之间的相似度为s1，该标签t2与查找文本的之间的相似度为s2，该标签t3与查找文本的之间的相似度为s3，那么该参考标签集合所对应的相似度参数中所包括的相似度有相似度s1、相似度s2以及相似度s3。且在相似度s1大于s2，相似度s2大于相似度s3的情况下，在该相似度参数中相似度s1排序最前，相似度s2排在相似度s1之后，相似度s3排序在相似度s2之后。
49.s120：根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合。
50.在本实施例中每个存储的信息都可以有各自对应的标签，其中的标签与信息之间的对应关系表征的是所存储的每个信息各自对应有哪些标签，那么在得到参考标签集合后，可以根据标签与信息之间的对应关系来获取到参考标签集合中每个标签所对应的信息，进而将每个标签所对应的信息组合为参考信息集合。示例性的，若参考标签集合中包括有标签t1、标签t2以及标签t3，其中标签t1对应有信息i1，标签t2对应有信息i2，标签t3对应有信息i3，那么包括有标签t1、标签t2以及标签t3的参考标签集合对应的参考信息集合包括有信息i1、信息i2以及信息i3。
51.作为一种方式，建立标签与信息之间建立多值函数来作为标签与信息之间的对应关系。该多值函数可以理解为一个索引，进而在获取到标签以后可以通过该多值函数来获取到与标签所对应的信息。
52.需要说明的是，在标签与信息之间的对应关系中可能会有一个信息对应有多个标签的情况，进而对于在参考标签集合中则可能会有不同的标签所对应的信息是相同的。例如，若参考标签集合中包括有标签t1、标签t4以及标签t5，其中，标签t1对应有信息i1，标签t4对应有信息i4，标签t5对应有信息i4，那么包括有标签t1、标签t4以及标签t5的参考标签集合对应的参考信息集合包括有信息i1以及信息i4。
53.s130：基于参考信息集合中每个信息所对应标签在参考标签集合中的排序位置，
确定每个信息的位置特征参数，参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应。
54.在本实施例中，在确定参考信息集合后则会在参考信息集合中筛选出查找文本对应查找的信息。在本实施例中，相似度参数中的相似度是会按照相似度大小进行排序的，并且参考标签集合中的标签的排序位置也会与对应的相似度在相似度矩阵中的排序位置对应。其中，排序位置对应可以理解为标签在参考标签集合中的排序位置与该标签对应的相似度在相似度参数中的排序位置相同。示例性的，若标签t1对应的相似度s1在相似度参数中的排序位置是在最前，那么该标签t1在参考标签集合中排序也是在最前。
55.那么在参考标签集合中的标签是对应于相似度大小进行排序的情况下，针对每个信息对应的标签在参考标签集合中的排序位置，确定每个信息的位置特征参数也是与相似度大小顺序对应的，进而使得信息对应的位置特征参数能够在表征信息与查找文本之间的相似度程度。
56.作为一种确定信息对应的位置特征参数的方式，可以先获取目标信息，该目标信息为当前进行位置特征参数确定的信息。可以将目标信息在参考标签集合中对应的标签所对应的特征值赋值为第一值，而将参考标签集合中其他标签对应的特征值赋值为第二值，进而参考标签集合中的每个标签对应的特征值按照标签的排序位置进行组合排序得到信息对应的位置特征参数。其中，其他标签为对应的信息不包括目标信息的标签。在有多个信息的情况下，针对每个信息执行上述确定位置特征参数的方式，就可以得到每个信息各自对应的位置特征参数。
57.示例性的，第一值为1，第二值为0，如图3所示，在参考表情集合中包括有标签t1、标签t2、标签t3、标签t4以及标签t5，当前的目标信息为标签t1所对应的信息i1，并且其中的标签t2、标签t3、标签t4以及标签t5与信息i1之间均没有对应关系，那么针对该信息i1，标签t1对应的特征值为1，标签t2、标签t3、标签t4以及标签t5各自对应的特征值均为0。进而所得到的位置特征参数为“10000”。再者，若当前的目标信息为标签t2、标签t3、标签t4以及标签t5均有对应的信息i2，且标签t1与信息i2并不对应，那么所确定的位置特征参数可以如图4所示为“01111”。
58.s140：基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
59.在获取得到相似度参数以及每个信息各自对应的位置特征参数后，则可以基于该相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
60.以相似度参数以及位置特征参数均为矩阵形式的参数为例，在这种情况下，相似度参数为相似度矩阵，位置特征参数为位置特征矩阵。其中，相似度矩阵中的矩阵元素则为前述指出的相似度参数中的相似度，对应的，位置特征矩阵中的矩阵元素则为位置特征参数所包括的特征值。示例性的，若相似度参数中包括有相似度s1、相似度s2、相似度s3、相似度s4以及相似度s5。那么该相似度参数对应矩阵形式的相似度矩阵则可以为[s1,s2,s3,s4,s5]。对应的，若位置特征参数为“10000”，那么该位置特征参数对应的矩阵形式的位置特征矩阵则可以为[1,0,0,0,0]。
[0061]
对于每个信息，可以将相似度矩阵左乘以每个信息的位置特征矩阵以得到每个信
息对应的匹配值，然后再基于匹配值来获取得到查找文本对应查找的信息。可以理解的，是每个信息对应的匹配值表征的是信息与查找文本之间的相似程度，对应的匹配值越大则表征信息与查找文本之间越相关。
[0062]
作为一种方式，在本技术实施例中，可以有信息查找个数配置接口，用户可以通过该查找个数配置接口来对每次查找过程中所查找的信息的数量上限进行配置，以得到信息查找上限。那么在得到每个信息对应的匹配值以后，则可以基于每个信息对应的匹配值的大小进行排序，进而将对应匹配值的排序顺序未超过信息查找上限的信息作为查找文本对应查找的信息。其中，排序顺序未超过信息查找上限可以理解为排序顺序对应的顺序值小于或者等于信息查找上限。是理性的，信息i1对应的匹配值为m1，信息i2对应的匹配值为m2，信息i3对应的匹配值为m3。其中，m1大于m2，m2大于m3，那么信息i1对应的匹配值的排序顺序为1，信息i2对应的匹配值的排序顺序为2，信息i3对应的匹配值的排序顺序为3，那么在信息查找上限为2的情况下，则会将对应的匹配值的排序顺序为1的信息i1以及对应的匹配值的排序顺序为2的信息i2作为查找文本对应查找的信息。
[0063]
本技术提供的一种信息查找方法，在得到查找文本后，可以基于查找文本与多个标签之间的相似度，从多个标签中获取参考标签集合，以及参考标签集合对应的相似度参数。其中，相似度参数包括参考标签集合中每个标签与查找文本之间的相似度，且相似度参数中的相似度按照大小顺序排序；然后，根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合，并基于参考信息集合中每个信息所对应标签在参考标签集合中的排序位置，确定每个信息的位置特征参数，其中，参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应；再基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
[0064]
从而通过上述方式，可以先通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。
[0065]
请参阅图5，图5所示为本技术一实施例提出的一种信息查找方法的流程图，该方法包括：
[0066]
s210：基于查找文本与多个标签之间的相似度，从多个标签中获取参考标签集合，以及参考标签集合对应的相似度参数，相似度参数包括参考标签集合中每个标签与查找文本之间的相似度，且相似度参数中的相似度按照大小顺序排序。
[0067]
其中，如前述内容所示，多个标签为进行参考标签集合获取的基础。在本技术实施例中可以有多种方式来确定与查找文本进行相似度计算的多个标签。
[0068]
作为一种方式，用于与查找文本进行相似度计算的多个标签可以为所存储的所有标签。在这种方式下，可以在获取到查找文本以后将查找文本与所存储的所有标签分别进行相似度计算，然后基于前述实施例中提出的方式来获取得到参考标签集合。示例性的，若所有存储的标签包括有n个标签，那么则会将查找文本与该n个标签分别进行相似度计算，以得到查找文本分别与该n个标签之间的相似度，然后再根据每个标签的相似度，从该n个标签中得到参考标签集合。
[0069]
作为另外一种方式，用于与查找文本进行相似度计算的多个标签可以为所存储标签中的部分标签。需要说明的是，在所存储的标签数量较为庞大的情况下，若在每次进行信息查找时，将查找文本与所存储的所有标签都进行一次相似度计算则可能会造成计算量较大，进而也会造成不能够较为快速的将查找结果反馈给用户。那么本方式中，可以在给用户提供查找范围选择接口，进而在计算相似度的过程中，可以将用户所选择的查找范围对应的标签作为与查找文本进行相似度计算的多个标签。
[0070]
可选的，该查找范围选择接口可以包括有热度高的标签优先选项。其中，热度高的标签优先表征会从热度较高的标签中筛选标签作为参考标签集合，以便最终所查询到的信息为当前比较热门的信息。那么若检测到该热度高的标签优先选项中，则可以将对应的查找热度大于指定热度阈值的标签作为与查找文本进行相似度计算的多个标签。在这种方式下，可以在存储每个标签时给每个标签配置一个热度字段，以便基于该热度字段的值来表征标签所对应的热度。
[0071]
其中，可以基于标签被作为参考标签集合中的标签的次数来表征标签对应的热度。需要说明的是，在本技术实施例中，参考标签集合中的标签为与查找文本之间的相似度满足指定条件的标签，进而能够作为参考标签集合中的标签与查找文本之间的相似度相对于其他标签会更高，那么可以在每次生成参考标签集合的过程中，将所生成的参考标签集合中的标签所对应的热度加1。
[0072]
可选的，该查找范围选择接口可以包括有热度低的标签优先选项。其中，热度低的标签优先表征会从热度较低的标签中筛选标签作为参考标签集合，以便最终所查询到的信息为使用较少的信息，有利于避免使用所查找的信息制作出的视频或者效果图与他人制作的重复。那么若检测到该热度低的标签优先选项中，则可以将对应的查找热度低于指定热度阈值的标签作为与查找文本进行相似度计算的多个标签。
[0073]
需要说明的是，若所存储的标签均存储在同一个存储区域中，那么在基于查找范围选择接口来选择多个标签的这种方式中，会预先增加一个查找范围选择接口对应的标签的操作，并且在查找范围选择接口对应的标签的过程中，依然会遍历标签存储区域中的所有标签，进而就会使得这种方式在效率上的提升不够明显。那么为了能够进一步的提升通过查找范围选择接口来确定多个标签的这种方式所带来的查找效率的提升，可以针对查找范围选择接口中的每种范围选择选项分别建立一个存储区域，以便可以预先将每种范围选择选项对应的标签存储到各自对应的存储区域中。那么在这种情况下，在获取用于与查找文本进行相似度计算的多个标签时，可以直接将所选中的范围选择选项对应的存储区域中的标签作为多个标签。
[0074]
示例性的，如图6所示，查找范围选择接口包括有范围选择选项1、范围选择选项2以及范围选择选项3。其中，范围选择选项1对应于存储区域1，进而在该存储区域1中存储有范围选择选项1对应的标签。范围选择选项2对应于存储区域2，进而在该存储区域2中存储有范围选择选项2对应的标签。范围选择选项3对应于存储区域3，进而在该存储区域3中存储有范围选择选项3对应的标签。那么在检测到用户选中范围选择选项1，那么则会将存储区域1中存储的标签作为与查找文本进行相似度计算的多个标签。
[0075]
可选的，在本实施例中存储区域可以理解为一个数据表，也可以理解为一个文件夹。
[0076]
s220：根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合。
[0077]
作为一种方式，在本技术实施例中，可以对参考信息集合中所包括的信息的数量进行限定，以使得在确定参考信息集合的过程中，所生成的参考信息集合中的信息的数量不会超过该限定。可选的，可以提供用于用户进行配置的参考信息数量配置接口，进而通过该参考信息数量配置接口，用户可以对每次信息查找过程中的所生成的参考信息集合中的信息的数量进行限定。
[0078]
示例性的，若参考标签集合中包括有标签t1、标签t2、标签t3、标签t4以及标签t5。且该标签t1、标签t2、标签t3、标签t4以及标签t5各自对应有一个信息，且每个标签所对应的信息不同，那么在参考信息集合中的信息的数量中的上限为5的情况下，则会将该标签t1、标签t2、标签t3、标签t4以及标签t5各自对应的信息均作为参考信息集合中的信息。对应的，在参考标签集合中的标签所对应的信息的数量，大于参考信息集合中的信息的数量的上限情况下，则可以按照对应的相似度的大小，来对部分标签对应的信息进行舍弃。例如，若参考信息集合中的信息的数量中的上限为5，那么则可以将对应的相似度最低的标签t5所对应的信息进行舍弃，那么所得到的参考信息集合中包括有t1、标签t2、标签t3以及标签t4各自对应的信息。
[0079]
需要说明的是，在一些情况中，同一个标签可能会对应有多个信息，那么就有可能会出现在参考标签集合中有多个标签的情况下，某一个标签所对应的信息的数量就已经超过了参考信息集合中信息的上限，或者说部分标签对应的信息就已经超过了参考信息集合中信息的上限。那么在这种情况下，可以按照参考标签集合中标签的排列顺序，来依次判断标签对应的信息的数量，以获取到数量不超过参考信息集合中信息的上限的信息。其中，在获取参考信息集合的过程中，可以计算当前标签对应的信息的数量与排序在前的标签所对应的信息的数量之和是否超过参考信息集合中信息的上限，若没有超过，则继续对排序在后的标签进行上述判断，若超过，则会将排序在前的标签所对应的信息与当前标签对应的补充信息共同作为参考信息集合中的信息。其中，补充信息可以为当前标签对应的信息中随机选取的信息，该补充信息的数量为参考信息集合中信息的上限与排序在前的标签所对应的信息的数量之差。
[0080]
示例性的，若参考标签集合中的标签有标签t1、标签t2以及标签t3，那么首先会针对标签t1执行对应信息数量的判断，在这种情况下标签t1为当前标签，若判断标签t1对应的信息的数量没有超过参考信息集合中信息的上限，则会进一步的判断标签t2，在这种情况下标签t2为当前标签，若标签t2对应的信息的数量与标签t1对应信息数量之和依然没有超过参考信息集合中信息的上限，则会再进一步的针对标签t3进行判断。若标签t3对应的信息的数量与标签t1、t2对应信息数量之和超过了参考信息集合中信息的上限，则会将标签t1、t2对应信息以及标签t3对应的补充信息作为参考信息集合中的信息。
[0081]
s230：基于参考信息集合中每个信息所对应标签在参考标签集合中的排序位置，确定每个信息的位置特征参数，参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应。
[0082]
s240：获取参考标签集合对应的权重参数，权重参数包括参考标签集合中每个标签对应的权重，其中，对应的相似度越大的标签所对应的权重越大。
[0083]
其中，参考标签集合中每个标签可以对应有一个权重。权重用于调节对应标签所
对应的信息被确定为查找信息的概率。对应的，若标签对应的权重越大，那么该标签对应的信息被确定为查找信息的概率也就越大。
[0084]
作为一种方式，获取参考标签集合对应的权重参数，包括：等差值的配置每个标签对应的权重。在这种方式中，每个相邻标签各自对应权重的差值是相同的，相邻标签为各自对应的相似度最接近的两个标签。示例性的，若参考标签集合中包括有标签t1、标签t2以及标签t3，那么标签t1对应的权重与标签t2对应的权重的差值，与标签t2对应的权重与标签t3对应的权重的差值是相同的。
[0085]
作为另外一种方式，获取参考标签集合对应的权重参数，包括：基于参考标签集合中标签对应的相似度确定每个标签对应的权重，以得到权重参数；其中，参考标签集合中相邻标签各自对应的相似度的差值越小，相邻标签所对应的权重的差值越大，相邻标签为各自对应的相似度最接近的两个标签。从而通过这种方式，使得在相似度差距较小时，相似度越大的标签对应的信息能够更大概率的被作为查找文本对应查找的信息。
[0086]
示例性的，若参考标签集合中包括有标签t1、标签t2以及标签t3，其中，标签t1对应的相似度s1大于标签t2对应的相似度s2，标签t2对应的相似度s2大于标签t3对应的相似度s3，那么在这种情况下，标签t1对应的权重大于标签t2对应的权重，标签t2对应的权重则大于标签t3对应的权重。此外，在确定每个标签对应权重的大小顺序后，还可以进一步的确定每个标签对应的权重的差值。可选的，可以预先建立相似度差值与权重差值的对应关系，且该对应关系呈反比，即对应相似度差值越小，那么所对应的权重差值也就越大。那么在确定前述权重之间的大小关系以及差值关系后，可以先确定权重最小的标签的权重，然后通过该大小关系以及差值关系则可以确定每个标签对应的权重。
[0087]
例如，确定权重最小的标签t3对应的权重为w，且标签t3与标签t2之间的差值为d1，那么则可以确定标签t2的权重为w d1。若确定标签t2与标签t1之间的差值为d2，那么则可以确定标签t1的权重为w d1 d2。
[0088]
s250：基于相似度参数、权重参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
[0089]
作为一种方式，如图7所示，相似度参数为相似度矩阵，位置特征参数为位置特征矩阵，权重参数为权重矩阵；基于相似度参数、权重参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息，包括：
[0090]
s251：获取相似度矩阵、权重矩阵以及每个信息的位置特征矩阵的乘积作为每个信息对应的匹配值。
[0091]
s252：将对应的匹配值满足指定排序条件的信息作为查找文本对应的信息。
[0092]
可选的，可以将对应的匹配值最大的一个信息作为查找文本对应的信息。在这种方式下，可以基于下列公式来计算信息的匹配值，以及根据匹配值确定查找文本对应的信息，该公式为：
[0093][0094]
其中，h表征权重矩阵，s表征相似度矩阵，l表征位置特征参数矩阵。degree则表征的是匹配值，其中的e表征的是参考信息集合，函数则表征的获取参考集合中对应的匹配值最大的信息。
[0095]
本技术提供的一种信息查找方法，从而通过上述方式，可以先通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。并且，在本实施例中，还可以获取包括参考标签集合中每个标签对应的权重的权重参数，进而通过相似度参数、权重参数以及每个信息的位置特征参数来从参考信息集合中得到查找文本对应查找的信息，从而使得可以通过权重参数来对信息查找的结果进行调节，提升了信息查找结果调节的灵活性。
[0096]
请参阅图8，图8所示为本技术一实施例提出的一种信息查找方法的流程图，该方法包括：
[0097]
s310：获取查找文本对应的向量。
[0098]
作为一种方式，获取查找文本对应的向量，包括：获取查找文本对应的独热编码(one
‑
hot编码)；将独热编码输入目标神经网络，目标神经网络包括有隐藏层；将隐藏层输出的权重参数作为查找文本对应的向量。可选的，目标神经网络可以为基于word2vec模型训练生成。
[0099]
需要说明的是，类似的，在计算标签对应的向量的过程和获取查找文本对应的向量的方式可以是相同的。如图9所示，对于标签t可以先获取对应的独热编码，然后将标签t的独热编码作为目标神经网络的输出层的输入数据，即图9中的输入层向量l，然后将该输入层向量l输入到隐藏层中，将隐藏层输出的权重参数作为标签t的向量，即图9中的标签向量t。
[0100]
s320：计算查找文本对应的向量与多个标签的向量之间的向量相似度，并将向量相似度作为查找文本与多个标签之间的相似度。
[0101]
可选的，可以基于下列公式来计算向量相似度，该公式为：
[0102][0103]
其中，similarity表征所计算得到的向量相似度。t
m
和w
i
表征参与计算的两个向
量。
[0104]
需要说明的是，在本技术实施例中在获取到查找文本以及标签对应的向量后，则可以基于前述方式通过计算向量相似度的方式来作为查找文本与标签之间的相似度，通过该方式可以实现更为准确的确定查找文本与标签之间的相似程度。此外，在本技术实施例中，还可以通过其他方式来获取到查找文本与标签之间的相似度，例如，可以通过判断查找文本与标签共同包括的字的数量来确定相似度，在这种方式向，查找文本与标签共同包括的字的数量越大，那么所对应的相似度也就越大。
[0105]
s330：基于查找文本与多个标签之间的相似度，从多个标签中获取参考标签集合，以及参考标签集合对应的相似度参数，相似度参数包括参考标签集合中每个标签与查找文本之间的相似度，且相似度参数中的相似度按照大小顺序排序。
[0106]
s340：根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合。
[0107]
s350：基于参考信息集合中每个信息所对应标签在参考标签集合中的排序位置，确定每个信息的位置特征参数，参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应。
[0108]
s360：基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
[0109]
本技术提供的一种信息查找方法，从而通过上述方式，可以先通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。并且，在本实施例中可以是基于查找文本对应的向量与信息对应的标签的向量之间的相似度来获取参考标签集合，从而有利于提升所获取到的参考标签集合中的标签都是与查找文本更加相关的标签，以便提升最终所查找信息的准确性。
[0110]
请参阅图10，图10所示为本技术一实施例提出的一种信息查找方法的流程图，该方法包括：
[0111]
s410：获取输入文本。
[0112]
其中，输入文本可以理解为用户输入的表征用户所期望查询内容的文本。
[0113]
s420：对输入文本进行分词，得到多个查找文本。
[0114]
作为一种方式，对信息输入文本进行分词，得到多个查找文本，包括：获取分词长度，分词长度用于限定分割得到的查找文本的长度上限；基于分词长度对输入文本进行分词，得到多个查找文本。
[0115]
作为另外一种方式，对输入文本进行分词，得到多个查找文本，包括：对输入文本进行多次分词，获取多次分词的结果作为多个查找文本，其中，每次分词对应的分词长度不同，分词长度用于限定分割得到的查找文本的长度上限。
[0116]
需要说明的是，在分词长度不同的情况下，对输入文本进行分词的结果可能是不同的。例如，若输入文本为“手拿羽扇的女性战士”，若分词长度为2，那么所得到的分词结果可以包括“羽扇”、“女性”以及“战士”，若分词长度为4，那么所得到的分词结果可以包括有“女性战士”，而其中的“女性战士”以及“战士”各自对应的向量是会不同的，那么在进行相
似度计算的过程中，基于同于同一个标签，“女性战士”以及“战士”这两个个词语会有不同的相似度，那么通过对输入文本进行分词长度不同的多次分词，可以使得所得到的多个查找文本能够包括更多的内容，进而使得有利于更为准确的查找到与输入文本对应的查找的信息。
[0117]
并且，通过改变分词长度还可以保留输入文本中部分内容的顺序性，也可以以便于能够更为准确的找到与输入文本对应的信息。例如，以前述的输入文本为“手拿羽扇的女性战士”为例，若分词长度为2，那么对于“女性战士”这个词语会被分割为“女性”和“战士”，进而就会分别针对“女性”进行信息查找，以及针对“战士”进行信息查找。若在有多种分词长度的情况下，还可以得到内容为“女性战士”这个分词文本，进而也还会单独针对“女性战士”这个查找文本进行信息查找，有利于更为准确的查找到内容为女性且为战士的信息。
[0118]
s430：基于查找文本与多个标签之间的相似度，从多个标签中获取参考标签集合，以及参考标签集合对应的相似度参数，相似度参数包括参考标签集合中每个标签与查找文本之间的相似度，且相似度参数中的相似度按照大小顺序排序。
[0119]
s440：根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合。
[0120]
s450：基于参考信息集合中每个信息所对应标签在参考标签集合中的排序位置，确定每个信息的位置特征参数，参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应。
[0121]
s460：基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
[0122]
s470：将多个查找文本各自对应查找的信息输出为输入文本所对应查找的信息。
[0123]
下面再通过示意图的方式来对本技术实施例所涉及的场景进行介绍。
[0124]
如图11所所示，在图11所示的用户操作界面中有输入控件10，查找触发控件11以及信息显示控件12。其中，用户可以通过输入控件10来进行输入文本的录入，在完整输入文本的录入后，则可以通过查找触发控件11来触发查找以输入文本对应的信息。在这个过程中则可以基于前述实施例中所介绍的方式来获取得到输入文本对应查找的信息。在最后得到输入文本对应查找的信息后，则可以将查找到的信息显示在信息显示控件12中。针对信息显示控件12中的信息，用户还可以进一步的进行删除或者转存等操作。
[0125]
其中，该用户操作界面可以应用于不同的平台中。可选的，该平台可以为关于游戏的平台，在关于游戏的平台中，所查找的信息可以为游戏图片，所输入的描述信息可以为关于游戏图片的描述信息。例如，如图12所示，若获取到在输入控件10输入有“弓箭战士”，则基于前述方式介绍的对描述信息进行分词的方式，可以对“弓箭战士”进行处理得到的查找文本可以包括有弓箭战士、弓箭以及战士这个三个，进而平台可以分别基于弓箭战士、弓箭以及战士这三个查找文本来分别执行本技术实施例提供的信息查找方法，并将基于每个查找文本所查找到的图片都输出到信息显示控件12中进行显示。
[0126]
此外，除了关于游戏的平台外，该用户操作界面还可以应用于其他平台中，例如，该用户操作界面还可以应用于关于视频的平台。这种方式中，所查找的信息可以为视频，那么所输入的描述信息可以为关于视频的描述信息。例如，如图13所示，若获取到在输入控件10中输入有“一起来踢足球”，那么则对该描述信息进行处理后得到的查找文本可以包括有踢足球以及足球，进而可以将踢足球以及足球作为查找文本执行本技术实施例提供的信息
查找方法，并将查找到的视频对应的封面图像输出到信息显示控件12中进行显示。并且，还可以在封面图像中显示一个播控控件13，以便在检测到作用于该播控控件13的触控操作后，对被触控的播控控件13所对应的视频进行播放。
[0127]
本技术提供的一种信息查找方法，从而通过上述方式，对于获取到的输入文本可以进行分词得到多个查找文本，然后通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。那么在针对每个查找文本都更加准确写查找到所需的信息的情况下，对于输入文本则可以更加准确的获取到对应所查找的信息。
[0128]
需要说明的是，对于本技术实施例中的所查找的信息可以预先建立对应的标签。作为一种方式，基于查找文本与多个标签之间的相似度，从多个标签中获取参考标签集合之前还包括：获取信息对应的初始描述信息；
[0129]
对初始描述信息进行文本处理，得到处理后的信息；将初始描述信息与处理后的信息作为信息对应的标签。文本处理包括以下处理方式中的至少一种：对初始描述信息进行分词；以及获取初始描述信息对应的近义词。
[0130]
可以理解的是，对于信息所对应的标签可以为通过人工的方式进行标注的，那么则可能会造成所批注的标签并不全面，该通过人工方式进行标注的内容可以理解为前述的初始描述信息。该不全面可以理解为并没有对信息中的所有内容进行批注，例如，在内容为手拿羽扇的女战士的图片中，对应批注的标签可能仅包括了“女性”以及“战士”，那么其中的羽扇则被遗漏了。再者，对于一些词语其实是有一定的近似词的，那么通过对原本初始描述信息进行分词，以及对初始描述信息本身进行近义词扩展，有利于丰富信息对应的标注内容，也有有利于提升查找的命中率。
[0131]
再者，需要说明的是，在本技术实施例中，每个标签所对应的信息的类型可以不同。例如，前述介绍的信息可以为视频、图片或者文本。那么若参考标签集合中包括有标签t1，标签t2以及标签t3，那么该标签t1所对应的信息可以为视频，标签t1所对应的信息可以为图片，标签t3所对应的信息可以为文本。
[0132]
请参阅图14，图14所示为本技术一实施例提出的一种信息查找装置500，装置500包括：
[0133]
相似度计算单元510，用于基于查找文本与多个标签之间的相似度，从多个标签中获取参考标签集合，以及参考标签集合对应的相似度参数，相似度参数包括参考标签集合中每个标签与查找文本之间的相似度，且相似度参数中的相似度按照大小顺序排序。
[0134]
信息获取单元520，用于根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合。
[0135]
位置特征获取单元530，用于基于参考信息集合中每个信息所对应标签在参考标签集合中的排序位置，确定每个信息的位置特征参数，参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应。
[0136]
信息筛选单元540，用于基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
[0137]
作为一种方式，信息筛选单元540，具体用于获取参考标签集合对应的权重参数，权重参数包括参考标签集合中每个标签对应的权重，其中，对应的相似度越大的标签所对应的权重越大；基于相似度参数、权重参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
[0138]
可选的，相似度参数为相似度矩阵，位置特征参数为位置特征矩阵，权重参数为权重矩阵。信息筛选单元540，具体用于获取相似度矩阵、权重矩阵以及每个信息的位置特征矩阵的乘积作为每个信息对应的匹配值；将对应的匹配值满足指定排序条件的信息作为查找文本对应的信息。
[0139]
可选的，信息筛选单元540，具体用于基于参考标签集合中标签对应的相似度确定每个标签对应的权重，以得到权重参数；其中，参考标签集合中相邻标签各自对应的相似度的差值越小，相邻标签所对应的权重的差值越大，相邻标签为各自对应的相似度最接近的两个标签。
[0140]
作为一种方式，相似度计算单元510，还用于获取查找文本对应的向量；计算查找文本对应的向量与多个标签的向量之间的向量相似度，并将向量相似度作为查找文本与多个标签之间的相似度。可选的，相似度计算单元510，还具体用于获取查找文本对应的独热编码；将独热编码输入目标神经网络，目标神经网络包括有隐藏层；将隐藏层输出的权重参数作为查找文本对应的向量。
[0141]
作为一种方式，如图15所示，装置500还包括：文本处理单元550，用于获取输入文本；对输入文本进行分词，得到多个查找文本。在这种方式下，信息筛选单元540，还具体用于将多个查找文本各自对应查找的信息输出为输入文本所对应查找的信息。
[0142]
可选的，文本处理单元550，具体用于获取分词长度，分词长度用于限定分割得到的查找文本的长度上限；基于分词长度对输入文本进行分词，得到多个查找文本。
[0143]
可选的，文本处理单元550，具体用于对输入文本进行多次分词，获取多次分词的结果作为多个查找文本，其中，每次分词对应的分词长度不同，分词长度用于限定分割得到的查找文本的长度上限。
[0144]
作为一种方式，如图16所示，装置500还包括：标签处理单元560，用于获取信息对应的初始描述信息；对初始描述信息进行文本处理，得到处理后的信息；将初始描述信息与处理后的信息作为信息对应的标签。可选的，文本处理包括以下处理方式中的至少一种：对初始描述信息进行分词；以及获取初始描述信息对应的近义词。
[0145]
本技术提供的一种信息查找装置，从而通过上述方式，信息查找装置可以先通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。
[0146]
需要说明的是，本技术中装置实施例与前述方法实施例是相互对应的，装置实施例中具体的原理可以参见前述方法实施例中的内容，此处不再赘述。
[0147]
下面将结合图17对本技术提供的一种电子设备进行说明。
[0148]
请参阅图17，基于上述的信息查找方法，本技术实施例还提供的另一种包括可以执行前述信息查找方法的处理器104的电子设备200，该电子设备200可以为智能手机、平板
电脑、计算机或者便携式计算机等设备。电子设备200还包括存储器104以及网络模块106。其中，该存储器104中存储有可以执行前述实施例中内容的程序，而处理器102可以执行该存储器104中存储的程序。
[0149]
其中，处理器102可以包括一个或者多个用于处理数据的核以及消息矩阵单元。处理器102利用各种接口和线路连接整个电子设备200内的各个部分，通过运行或执行存储在存储器104内的指令、程序、代码集或指令集，以及调用存储在存储器104内的数据，执行电子设备200的各种功能和处理数据。可选地，处理器102可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field－programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器102可集成中央处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器102中，单独通过一块通信芯片进行实现。
[0150]
存储器104可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read
‑
only memory)。存储器104可用于存储指令、程序、代码、代码集或指令集。存储器104可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
[0151]
网络模块106用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯，例如网络模块106可以发送广播数据，也可以对其他设备发送的广播数据进行解析。所述网络模块106可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(sim)卡、存储器等等。所述网络模块106可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。例如，网络模块106可以与基站进行信息交互。
[0152]
请参考图18，其示出了本技术实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质1100中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
[0153]
计算机可读存储介质1100可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读存储介质1100包括非易失性计算机可读介质(non
‑
transitory computer
‑
readable storage medium)。计算机可读存储介质1100具有执行上述方法中的任何方法步骤的程序代码810的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码1110可以例如以适当形式进行压缩。
[0154]
本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算
机设备执行上述的信息查找方法。
[0155]
综上所述，本技术提供的一种信息查找方法、装置、电子设备及存储介质，在得到查找文本后，可以基于查找文本与多个标签之间的相似度，从所述多个标签中获取参考标签集合，以及所述参考标签集合对应的相似度参数。其中，所述相似度参数包括所述参考标签集合中每个标签与所述查找文本之间的相似度，且所述相似度参数中的相似度按照大小顺序排序；然后，根据标签与信息之间的对应关系，获取参考标签集合对应的参考信息集合，并基于参考信息集合中每个信息所对应标签在所述参考标签集合中的排序位置，确定所述每个信息的位置特征参数，其中，所述参考标签集合中的标签排序位置与所对应的相似度在相似度矩阵中的排序位置对应；再基于相似度参数以及每个信息的位置特征参数，从参考信息集合中得到查找文本对应查找的信息。
[0156]
从而通过上述方式，可以先通过信息所对应标签与查找文本之间的相似度获取得到参考信息集合，进而在获取到每个信息对应的与该相似度排序对应的位置特征参数后，再基于每个信息的位置特征参数，以及参考信息集合所对应的相似度参数来从参考信息集合中筛选出查找文本对应查找的信息，进而使得所找到的信息与查找文本更加相关，以提升信息查找的准确性。
[0157]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。