数据处理方法、装置、存储介质及计算机设备与流程

1.本发明涉及数据处理领域，具体而言，涉及一种数据处理方法、装置、存储介质及计算机设备。


背景技术：

2.在相关技术中，在根据搜索文本返回与搜索文本相关的内容时，所采用的方法基本有以下几类：一种是，基于逻辑回归拟合文本相关性特征值的方法，该方法计算复杂度非常高，不能及时返回与搜索文本相关的内容，即无法通过在线相关性过滤，得到与搜索文本相关性较强的内容。另一种是，将文本中每一个词映射为词向量，计算两个文本中每个词之间的词向量相似度，得到词向量相似度矩阵，再通过卷积神经网络将相似度矩阵变换为相关性的方法，这种方法同样计算复杂度高，也不能解决在线相关性过滤的问题。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种数据处理方法、装置、存储介质及计算机设备，以至少解决相关技术中，在进行文本搜索时，难以及时返回与文本相关的数据的技术问题。
5.根据本发明实施例的一个方面，提供了一种数据处理方法，包括：接收搜索请求文本；通过相关性模型，从预定数据库中确定与所述搜索请求文本相关的目标数据，其中，所述预定数据库中包括多个数据，以及通过所述相关性模型确定的所述多个数据的数据向量；返回所述目标数据。
6.根据本发明实施例的另一方面，还提供了一种数据处理方法，包括：在线接收搜索请求文本；通过相关性模型，从预定广告库中确定与所述搜索请求文本相关的目标广告，其中，所述预定广告库中包括多个广告，以及通过所述相关性模型确定的所述多个广告的广告向量；在线返回所述目标广告。
7.根据本发明实施例的一方面，提供了一种数据处理装置，包括：第一接收模块，用于接收搜索请求文本；第一确定模块，用于通过相关性模型，从预定数据库中确定与所述搜索请求文本相关的目标数据，其中，所述预定数据库中包括多个数据，以及通过所述相关性模型确定的所述多个数据的数据向量；第一返回模块，用于返回所述目标数据。
8.根据本发明实施例的又一方面，还提供了一种数据处理装置，包括：第二接收模块，用于在线接收搜索请求文本；第二确定模块，用于通过相关性模型，从预定广告库中确定与所述搜索请求文本相关的目标广告，其中，所述预定广告库中包括多个广告，以及通过所述相关性模型确定的所述多个广告的广告向量；第二返回模块，用于在线返回所述目标广告。
9.根据本发明实施例的一方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述方法中任意一项所述的数据处理方法。
10.根据本发明实施例的另一方面，提供了一种计算机设备，包括：存储器和处理器，所述存储器存储有计算机程序；所述处理器，用于执行所述存储器中存储的计算机程序，所述计算机程序运行时使得所述处理器执行上述方法中任意一项所述的数据处理方法。
11.根据本发明实施例的一方面，提供了一种数据处理方法，包括：确定待推荐文本；通过相关性模型，从预定数据库中确定与所述待推荐文本相关的目标数据，其中，所述预定数据库中包括多个数据，以及通过所述相关性模型确定的所述多个数据的数据向量；展示所述目标数据。
12.根据本发明实施例的另一方面，提供了一种数据处理装置，包括：第三确定模块，用于确定待推荐文本；第四确定模块，用于通过相关性模型，从预定数据库中确定与所述待推荐文本相关的目标数据，其中，所述预定数据库中包括多个数据，以及通过所述相关性模型确定的所述多个数据的数据向量；展示模块，用于展示所述目标数据。
13.在本发明实施例中，采用接收搜索请求文本的方式，通过相关性模型，以及通过所述相关性模型确定的预定数据库中多个数据的数据向量，达到了从预定数据库中确定并返回与搜索请求文本相关的目标数据的目的，从而实现了依据搜索请求文本快速查找并返回与该搜索请求文本相关的数据的技术效果，进而解决了相关技术中，在进行文本搜索时，难以及时返回与文本相关的数据的技术问题。
附图说明
14.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
15.图1示出了一种用于实现数据处理方法的计算机终端的硬件结构框图；
16.图2是根据本发明实施例1的数据处理方法一的流程图；
17.图3是根据本发明实施例1的数据处理方法二的流程图；
18.图4是根据本发明实施例提供的相关性模型训练的流程图；
19.图5是根据本发明优选实施方式提供的广告文本相关性模型应用的流程图；
20.图6是根据本发明实施例1的数据处理方法三的流程图；
21.图7是根据本发明实施例提供的数据处理装置一的结构框图；
22.图8是根据本发明实施例提供的数据处理装置二的结构框图；
23.图9是根据本发明实施例提供的数据处理装置三的结构框图；
24.图10是根据本发明实施例的一种计算机终端的结构框图。
具体实施方式
25.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
26.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
27.首先，在对本技术实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
28.向量表征，利用深度学习技术，将文本表示为向量，并且向量满足模型训练中指定的一些目标，如相似的文本其表征向量也相似。
29.向量检索，使用哈希和树方法快速查找相似向量的技术。
30.模型蒸馏，使用小模型拟合大模型，以克服模型过大带来的存储和计算要求过高的问题。
31.文本相关性，用于表示两个文本，或者文本与文档之间的相关性。可以用于文本相似度计算和文本检索等应用场景。
32.实施例1
33.根据本发明实施例，还提供了一种数据处理的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
34.本技术实施例1所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现数据处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，
……
，102n来示出)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为bus总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
35.应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本技术实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
36.存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的数据处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的漏洞检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上
述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
37.传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
38.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
39.在上述运行环境下，本技术提供了如图2所示的数据处理方法。图2是根据本发明实施例1的数据处理方法一的流程图，如图2所示，该流程包括如下步骤：
40.s202,接收搜索请求文本，其中，接收搜索请求文本的方式可以包括多种，例如，可以包括：通过互联网在线的方式，接收搜索请求文本；
41.s204,通过相关性模型，从预定数据库中确定与搜索请求文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；
42.s206，返回目标数据，其中，返回目标数据的方式可以包括多种，例如，响应于通过互联网在线接收搜索请求文本，也可以通过互联网在线的方式，返回该目标数据。
43.通过上述步骤，采用接收搜索请求文本的方式，通过相关性模型，以及通过相关性模型确定的预定数据库中多个数据的数据向量，达到了从预定数据库中确定并返回与搜索请求文本相关的目标数据的目的，从而实现了依据搜索请求文本快速查找并返回与该搜索请求文本相关的数据的技术效果，进而解决了相关技术中，在进行文本搜索时，难以及时返回与文本相关的数据的技术问题。
44.作为一种可选的实施例，从预定数据库中确定与搜索请求文本相关的目标数据的方法可以是，相关性模型可以包括两层，通过相关性模型的第一层，确定搜索请求文本对应的搜索向量；通过相关性模型的第二层，分别确定搜索向量与多个数据向量的相关性；确定与搜索向量相关性最大的数据向量为目标向量；然后确定与目标向量对应的数据为目标数据。通过上述处理，采用向量相关性的检索可以快速得到高相关性的目标数据，即通过将预定数据库中的数据和搜索请求文本表征为向量，进而通过向量检索技术，可以克服计算速度慢达不到预定要求的缺点。需要说明的是，上述相关性模型的结构并不限定，例如，可以分为用于实现上述不同功能的两层，也可以将不同功能集中到一层中实现，可以依据应用要求不同灵活选择。
45.作为一种可选的实施例，为进一步提高返回与搜索请求文本相关的数据的速度，从而提高结果返回效率，在通过向量比较相关性确定需要的目标向量后，通过向量索引来快速确定目标数据。例如，确定与目标向量对应的数据为目标数据可以包括：先确定目标向量的向量索引，其中，向量索引用于标识目标向量以及目标向量对应的目标数据；之后，根据向量索引确定目标数据。即，可以在目标向量与目标数据之间可以通过向量索引进行关联，通过确定用于标识目标向量与目标向量对应的目标数据的向量索引，确定目标数据。
46.作为一种可选的实施例，在应用相关性模型之前，还可以对相关性模型进行训练，获取多对样本，采用多对样本对初始模型进行训练，得到达到预定训练目标的相关性模型，其中，多个样本中的每对样本均包括：两个样本文本，以及两个样本文本之间的相关性。为
实现相关性模型识别的准确性，可以采用多种方式获取进行训练的样本，例如，可以通过人工标注的方式获取该待训练的样本，也可以将已经训练好的模型识别出的结果作为待训练的样本。即通过提高用于训练相关性模型的样本的准确性，从而使得训练得到的相关性模型也准确。需要说明的是，相关性模型训练需要达到预定的训练目标，例如，可以采用一定的指标或参数来表征相关性模型训练的优劣，依据指标或者参数的值来确定相关性模型训练的程度。一般基本的训练目标是，向量表征的相似度能准确地拟合文本的相似度。
47.作为一种可选的实施例，上述方法中的预定数据库中的数据可以包括多种类型，例如，可以包括以下至少之一：广告数据，商品数据，检索结果数据。例如，当接收到搜索请求文本时，向用户返回与该搜索请求文本相关性比较大的广告，实现广告的投放。需要说明的是，一般广告的投放会依据用户的点击率来进行投放，但依据点击率可能存在一些不相关的广告，因此，采用本发明实施例的方法能够基于点击率之后，确定出与用户搜索请求文本相关的广告，进一步实现了广告投放的准确性，从而提高广告投放的转化率。又例如，当接收到搜索请求文本时，也可以向用户返回与该搜索请求文本相关性比较大的商品，从而实现向用户推荐商品，促进商品的宣传及购买。再例如，当接收到搜索请求文本时，也可以向用户返回与该搜索请求文本相关性比较大的检索结果数据，从而实现及时返回相关性较大的检索结果，提高检索体验。
48.图3是根据本发明实施例1的数据处理方法二的流程图，如图3所示，该流程包括如下步骤：
49.s302，在线接收搜索请求文本；
50.s304，通过相关性模型，从预定广告库中确定与搜索请求文本相关的目标广告，其中，预定广告库中包括多个广告；
51.s306，在线返回目标广告。
52.在广告投放的应用场景中，投放的广告和用户搜索请求需要满足文本上有一定的相关性，即用户搜索请求和广告标题相关才能投放。设置文本相关性这一投放门槛一方面是为了保证广告主和广告投放平台的利益，如果投放了不相关的广告，广告的点击率和转化率较低、收益较低；另一方面是要保证用户的使用体验，不相关的广告会引起用户的反感，最终也会影响平台和广告品牌的形象。
53.目前的文本相关性算法存在计算较慢的问题。当用户向服务器发出搜索请求，服务器面对广告投放平台中千万，甚至上亿级别的广告池，几毫秒内筛选出文本相关的广告非常困难，需要大量计算资源。
54.通过上述步骤，采用在线接收搜索请求文本的方式，通过相关性模型，以及通过相关性模型确定的预定广告库中多个广告的广告向量，达到了从预定广告库中确定与搜索请求文本相关的目标广告的目的，从而实现了依据搜索请求文本快速查找并返回与搜索请求文本相关的目标广告的技术效果，进而解决了相关技术中，在进行文本搜索时，难以及时返回与文本相关的数据的技术问题，即难以及时返回与文本相关的广告的技术问题。
55.因此，通过应用于搜索广告投放场景，采用向量表征技术，依托向量检索的速度优势，可以快速得到高相关性的广告文本，通过将广告和搜索请求表征为向量的方法和向量检索技术，可以克服计算速度慢达不到预定要求的缺点，进而实现在海量广告池中快速过滤相关广告的需求。
56.作为一种可选的实施例，通过相关性模型，从预定广告库中确定与搜索请求文本相关的目标广告可以采用多种方式，例如，可以先通过相关性模型，确定预定广告库中与搜索请求文本最相关的目标广告标题文本，然后确定目标广告标题文本对应的广告为目标广告。由于广告的文件类型可能有很多，例如，文本类型、视频类型或者图像类型，所以进行相关性检索的模型过于复杂，运算数据量过大，难以快速实时的反馈检索结果。因此，可以通过只将广告标题与搜索请求文本输入相关性模型进行检索，提高相关性匹配的效率。
57.作为一种可选的实施例，为了确定预定广告库中与搜索请求文本最相关的目标广告标题文本，可以通过相关性模型的第一层，确定搜索请求文本对应的搜索向量；通过相关性模型的第二层，分别确定搜索向量与多个广告向量的相关性；确定与搜索向量相关性最大的广告向量为目标向量；确定与目标向量对应的广告标题文本为目标广告标题文本。通过上述处理，采用向量相关性的检索可以快速得到高相关性的目标广告标题文本，即通过将预定数据库中的广告和搜索请求文本表征为向量，进而通过向量检索技术，可以克服计算速度慢达不到预定要求的缺点。
58.作为一种可选的实施例，为进一步提高返回与搜索请求文本相关的广告的速度，从而提高广告返回效率，在通过向量比较相关性确定需要的目标向量后，通过向量索引来快速确定目标广告标题文本，即目标广告。即在目标向量与目标广告标题文本之间可以通过向量索引关联，通过确定目标向量的用于标识该目标向量以及该目标向量对应的目标广告标题文本的向量索引，确定目标广告标题文本。
59.下面对广告投放场景为例，对本发明优选实施方式进行说明。
60.图4是根据本发明优选实施方式提供的相关性模型训练的流程图，如图4所示，步骤s11，为对文本样本对的手工标注，通过人工标记两条文本的相关性。通过人工标注，得到相关性数据d11，其中每一条相关性数据都包括一个文本样本对和样本对中的文本的相关性。s12，为初始相关性模型，将相关性数据d11输入初始相关性模型s12之后，经过步骤s13的模型训练，得到相关性模型d13。其中，经过训练的相关性模型，将两个文本输入模型，可以输出两个文本的向量表征和两个向量之间的相似度。训练目标是向量表征的相似度能拟合文本的相似度，即通过训练，模型输出的表征文本对中两个文本的两个向量之间的相似度能够与人工标注的该样本对的相似度相拟合。图5是根据本发明优选实施方式提供的广告文本相关性模型应用的流程图，如图5所示，文本相关性模型在应用的时候，整个流程主要包括两大部分：构建离线广告向量库、表征搜索请求。
61.(1)构建离线广告向量库
62.构建离线广告向量库包括如下步骤：
63.首先，构建广告库d21，其中的广告以例如文本的形式储存；
64.其次，如步骤s21所示，将广告库d21中的多个广告的广告标题表征为向量，得到多个广告向量d22；
65.再次，如步骤s22所示，构建向量召回索引，其中索引与广告向量库中的广告向量对应，同时也与广告库中的广告对应，便于模型在得到与请求向量最相关的广告向量后，根据与该广告向量对应的广告向量索引，找到并召回与该索引对应的相关广告。
66.(2)表征搜索请求
67.表征搜索请求包括如下步骤：
68.首先，如步骤s23所示，获取用户的搜索请求文本；
69.其次，如步骤s24所示，将获取的用户搜索请求文本表征为向量，得到文本请求向量d23。
70.构建离线广告向量库和表征搜索请求两大部分都完成后，根据与请求向量相关性最大的广告向量的索引，返回与索引对应的相关广告给用户，完成了快速筛选用户搜索请求最相关的广告的流程。
71.图6是根据本发明实施例1的数据处理方法三的流程图，如图6所示，该流程包括如下步骤：
72.步骤s602,确定待推荐文本；
73.步骤s604,通过相关性模型，从预定数据库中确定与待推荐文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；
74.步骤s606,展示目标数据。
75.通过上述步骤，采用相关性模型，以及通过相关性模型确定的预定数据库中多个数据的数据向量，确定与待推荐文本相关的目标数据，达到了展示与待推荐文本相关的目标数据的目的，从而实现了向用户推荐相关目标数据的技术效果，在一定程度上实现了用户被动推荐功能。
76.作为一种可选的实施例，上述待推荐文本可以是用于描述待推荐商品的文本，基于该待推荐文本从商品数据库中查找相关的商品，进而向用户展示查找出的商品，实现对该商品的推荐，从而促进对应的购买。较佳地，在该商品数据库中还可以预先存储商品向量，该商品向量是通过上述相关性模型确定的用于表征该商品的向量，通过预先存储的商品向量，在通过该相关性模型确定待推荐文本对应的推荐向量后，可以直接通过比对向量的方式，从该预定数据库中确定与推荐向量相关的商品向量，从而确定商品，进而向用户展示相关商品。实现了快速推荐商品的目的，有效地提高了用户体验。
77.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
78.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的数据处理方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
79.实施例2
80.根据本发明实施例，还提供了一种用于实施上述数据处理方法一的装置，图7是根据本发明实施例提供的数据处理装置一的结构框图，如图7所示，该数据处理装置一700包括：第一接收模块702，第一确定模块704和第一返回模块706，下面对该装置进行说明。
81.第一接收模块702，用于接收搜索请求文本；第一确定模块704，用于通过相关性模
型，从预定数据库中确定与搜索请求文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；第一返回模块706，用于返回目标数据。
82.此处需要说明的是，上述第一接收模块702，第一确定模块704和第一返回模块706对应于实施例1中的步骤s202至步骤s206，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
83.实施例3
84.根据本发明实施例，还提供了一种用于实施上述数据处理方法二的装置，图8是根据本发明实施例提供的数据处理装置二的结构框图，如图8所示，该数据处理装置二800包括：第二接收模块802，第二确定模块804和第二返回模块806，下面对该装置进行说明。
85.第二接收模块802，用于在线接收搜索请求文本；第二确定模块804，用于通过相关性模型，从预定广告库中确定与搜索请求文本相关的目标广告，其中，预定广告库中包括多个广告，以及通过相关性模型确定的多个广告的广告向量；第二返回模块806，用于在线返回目标广告。
86.此处需要说明的是，上述第二接收模块802，第二确定模块804和第二返回模块806对应于实施例1中的步骤s302至步骤s306，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
87.实施例4
88.根据本发明实施例，还提供了一种用于实施上述数据处理方法三的装置，图9是根据本发明实施例提供的数据处理装置三的结构框图，如图9所示，该数据处理装置三900包括：第三确定模块902，第四确定模块904和展示模块906，下面对该装置进行说明。
89.第三确定模块902，用于确定待推荐文本；第四确定模块904，连接至上述第三确定模块902，用于通过相关性模型，从预定数据库中确定与待推荐文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；展示模块906，连接至上述第四确定模块904，用于展示目标数据。
90.此处需要说明的是，上述第三确定模块902，第四确定模块904和展示模块906对应于实施例1中的步骤s602至步骤s606，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
91.实施例5
92.本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
93.可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
94.在本实施例中，上述计算机终端可以执行应用程序的数据处理方法中以下步骤的程序代码：接收搜索请求文本；通过相关性模型，从预定数据库中确定与搜索请求文本相关
的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；返回目标数据。
95.可选地，图10是根据本发明实施例的一种计算机终端的结构框图。如图10所示，该计算机终端可以包括：一个或多个(图中仅示出一个)处理器102、存储器104等。
96.其中，存储器可用于存储软件程序以及模块，如本发明实施例中的数据处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的数据处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
97.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤的程序代码：接收搜索请求文本；通过相关性模型，从预定数据库中确定与搜索请求文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；返回目标数据。
98.可选的，上述处理器还可以执行如下步骤的程序代码：通过相关性模型，从预定数据库中确定与搜索请求文本相关的目标数据包括：通过相关性模型的第一层，确定搜索请求文本对应的搜索向量；通过相关性模型的第二层，分别确定搜索向量与多个数据向量的相关性；确定与搜索向量相关性最大的数据向量为目标向量；确定与目标向量对应的数据为目标数据。
99.可选的，上述处理器还可以执行如下步骤的程序代码：确定与目标向量对应的数据为目标数据包括：确定目标向量的向量索引，其中，向量索引用于标识目标向量以及目标向量对应的目标数据；根据向量索引确定目标数据。
100.可选的，上述处理器还可以执行如下步骤的程序代码：在通过相关性模型，从预定数据库中确定与搜索请求文本相关的目标数据之前，还包括：获取多对样本，其中，多个样本中的每对样本均包括：两个样本文本，以及两个样本文本之间的相关性；采用多对样本对初始模型进行训练，得到达到预定训练目标的相关性模型。
101.可选的，上述处理器还可以执行如下步骤的程序代码：接收搜索请求文本包括：通过互联网在线的方式，接收搜索请求文本；返回目标数据包括：通过互联网在线的方式，返回目标数据。
102.可选的，上述处理器还可以执行如下步骤的程序代码：预定数据库中的数据包括以下至少之一：广告数据，商品数据，检索结果数据。
103.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤的程序代码：在线接收搜索请求文本；通过相关性模型，从预定广告库中确定与搜索请求文本相关的目标广告，其中，预定广告库中包括多个广告，以及通过相关性模型确定的多个广告的广告向量；在线返回目标广告。
104.可选的，上述处理器还可以执行如下步骤的程序代码：通过相关性模型，从预定广告库中确定与搜索请求文本相关的目标广告包括：通过相关性模型，确定预定广告库中与搜索请求文本最相关的目标广告标题文本；确定目标广告标题文本对应的广告为目标广
告。
105.可选的，上述处理器还可以执行如下步骤的程序代码：通过相关性模型，确定预定广告库中与搜索请求文本最相关的目标广告标题文本包括：通过相关性模型的第一层，确定搜索请求文本对应的搜索向量；通过相关性模型的第二层，分别确定搜索向量与多个广告向量的相关性；确定与搜索向量相关性最大的广告向量为目标向量；确定与目标向量对应的广告标题文本为目标广告标题文本。
106.可选的，上述处理器还可以执行如下步骤的程序代码：确定与目标向量对应的广告标题文本为目标广告标题文本包括：确定目标向量的向量索引，其中，向量索引用于标识目标向量以及目标向量对应的广告标题文本；根据向量索引确定目标广告标题文本。
107.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤的程序代码：确定待推荐文本；通过相关性模型，从预定数据库中确定与待推荐文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；展示目标数据。
108.采用本发明实施例，采用接收搜索请求文本的方式，通过相关性模型，以及通过相关性模型确定的预定数据库中多个数据的数据向量，达到了从预定数据库中确定并返回与搜索请求文本相关的目标数据的目的，从而实现了依据搜索请求文本快速查找并返回与该搜索请求文本相关的数据的技术效果，进而解决了相关技术中，在进行文本搜索时，难以及时返回与文本相关的数据的技术问题。
109.本领域普通技术人员可以理解，图10所示的结构仅为示意，计算机终端也可以是智能手机(如android手机、ios手机等)、平板电脑、掌声电脑以及移动互联网设备(mobile internet devices，mid)、pad等终端设备。图10其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图10中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图10所示不同的配置。
110.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
111.实施例6
112.本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例1所提供的数据处理方法所执行的程序代码。
113.可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
114.可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：接收搜索请求文本；通过相关性模型，从预定数据库中确定与搜索请求文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；返回目标数据。
115.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：通过相关性模型，从预定数据库中确定与搜索请求文本相关的目标数据包括：通过相关性模型的第一层，确定搜索请求文本对应的搜索向量；通过相关性模型的第二层，分别确定搜
索向量与多个数据向量的相关性；确定与搜索向量相关性最大的数据向量为目标向量；确定与目标向量对应的数据为目标数据。
116.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：确定与目标向量对应的数据为目标数据包括：确定目标向量的向量索引，其中，向量索引用于标识目标向量以及目标向量对应的目标数据；根据向量索引确定目标数据。
117.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在通过相关性模型，从预定数据库中确定与搜索请求文本相关的目标数据之前，还包括：获取多对样本，其中，多个样本中的每对样本均包括：两个样本文本，以及两个样本文本之间的相关性；采用多对样本对初始模型进行训练，得到达到预定训练目标的相关性模型。
118.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：接收搜索请求文本包括：通过互联网在线的方式，接收搜索请求文本；返回目标数据包括：通过互联网在线的方式，返回目标数据。
119.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：预定数据库中的数据包括以下至少之一：广告数据，商品数据，检索结果数据。
120.可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在线接收搜索请求文本；通过相关性模型，从预定广告库中确定与搜索请求文本相关的目标广告，其中，预定广告库中包括多个广告，以及通过相关性模型确定的多个广告的广告向量；在线返回目标广告。
121.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：通过相关性模型，从预定广告库中确定与搜索请求文本相关的目标广告包括：通过相关性模型，确定预定广告库中与搜索请求文本最相关的目标广告标题文本；确定目标广告标题文本对应的广告为目标广告。
122.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：通过相关性模型，确定预定广告库中与搜索请求文本最相关的目标广告标题文本包括：通过相关性模型的第一层，确定搜索请求文本对应的搜索向量；通过相关性模型的第二层，分别确定搜索向量与多个广告向量的相关性；确定与搜索向量相关性最大的广告向量为目标向量；确定与目标向量对应的广告标题文本为目标广告标题文本。
123.可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：确定与目标向量对应的广告标题文本为目标广告标题文本包括：确定目标向量的向量索引，其中，向量索引用于标识目标向量以及目标向量对应的广告标题文本；根据向量索引确定目标广告标题文本。
124.可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：确定待推荐文本；通过相关性模型，从预定数据库中确定与待推荐文本相关的目标数据，其中，预定数据库中包括多个数据，以及通过相关性模型确定的多个数据的数据向量；展示目标数据。
125.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
126.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
127.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的
方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
128.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。
129.另外，在本发明各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。
130.所述集成的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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
131.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。