本技術涉及數據搜索，尤其涉及一種物品檢索方法、裝置、電子設備及存儲介質。

背景技術：

1、相關技術中，電商平臺進行物品檢索的傳統方法通常是基于文本搜索。用戶可以在搜索框中輸入關鍵詞或短語，系統會自動匹配相關物品并返回搜索結果。服務器的搜索算法會對搜索關鍵詞進行分詞和詞義理解，匹配物品標題、描述、分類等文本信息，將與搜索關鍵詞匹配度高的物品返回給用戶端。但是，傳統的文本搜索方法存在一些局限性，對于同義詞、歧義詞的處理會存在誤差，導致服務器確定的返回物品與搜索關鍵詞的匹配度差，且返回的物品與用戶真實需求不匹配。

技術實現思路

1、本技術實施例提供的一種物品檢索方法、裝置、電子設備及存儲介質，可以提高服務器確定的返回物品與搜索關鍵詞的匹配度，并且提高了返回的物品與用戶真實需求的匹配度。

2、本技術的技術方案是這樣實現的：

3、本技術實施例提供了一種物品檢索方法，包括：

4、基于獲取的檢索信息處理得到檢索特征；

5、基于所述檢索特征與每一物品對應的文本特征、多媒體特征和融合特征之間的相似性，在多個所述物品中確定出目標物品；所述融合特征是所述文本特征和所述多媒體特征融合得到的；

6、其中，所述檢索特征、所述文本特征、所述多媒體特征和所述融合特征是基于預設模型處理得到的；所述預設模型是基于樣本檢索信息與樣本物品的文本信息之間的匹配度、所述樣本物品的所述文本信息和多媒體信息之間的匹配度、以及所述樣本檢索信息與所述文本信息、所述多媒體信息的融合信息之間的匹配度訓練得到的。

7、上述方案中，所述基于所述檢索特征與每一物品對應的文本特征、多媒體特征和融合特征之間的相似性，在多個所述物品中確定出目標物品，包括：

8、基于所述檢索特征與每一所述物品對應的所述文本特征、所述多媒體特征和所述融合特征之間的相似性，對多個所述物品進行排序得到物品序列；

9、在所述物品序列中確定出所述目標物品。

10、上述方案中，所述基于所述檢索特征與每一所述物品對應的所述文本特征、所述多媒體特征和所述融合特征之間的相似性，對多個所述物品進行排序得到物品序列，包括：

11、基于所述檢索特征與每一所述物品的所述文本特征之間的第一相似度，對多個所述物品排序得到第一物品序列；所述第一物品序列中的每一所述物品對應有所述第一相似度；

12、基于所述檢索特征與每一所述物品的所述多媒體特征之間的第二相似度，對多個所述物品排序得到第二物品序列；所述第一物品序列中的每一所述物品對應有所述第二相似度；

13、基于所述檢索特征與每一所述物品的所述融合特征之間的第三相似度，對多個所述物品排序得到第三物品序列；所述第三物品序列中的每一物品對應有所述第三相似度。

14、上述方案中，所述在所述物品序列中確定出所述目標物品，包括：

15、基于所述第一物品序列中每一所述物品的所述第一相似度、所述第二物品序列中每一所述物品的所述第二相似度和所述第三物品序列中每一所述物品的所述第三相似度，對所述第一物品序列、所述第二物品序列和所述第三物品序列中的物品進行去重融合得到融合序列；所述融合序列中的多個所述物品按照相似度從大到小的順序進行排列；

16、在所述融合序列中確定出前n個物品為所述目標物品；n為整數。

17、上述方案中，所述基于獲取的檢索信息處理得到檢索特征之前，所述方法還包括：

18、基于所述預設模型對每一所述物品的文本信息、多媒體信息處理得到每一所述物品對應的所述文本特征、所述多媒體特征和所述融合特征。

19、上述方案中，所述預設模型包括：第一文本模型、第二文本模型、多媒體特征模型和融合模型中的至少一個；所述第一文本模型用于針對所述檢索信息處理得到所述檢索特征；

20、所述基于所述預設模型對每一所述物品的文本信息、多媒體信息處理得到每一所述物品對應的所述文本特征、所述多媒體特征和所述融合特征，包括：

21、基于所述第二文本模型對每一所述物品的所述文本信息處理得到所述文本特征；

22、基于所述多媒體特征模型對每一所述物品的所述多媒體信息處理得到所述多媒體特征；

23、基于所述融合特征對所述文本特征所述多媒體特征融合處理得到所述融合特征。

24、本技術實施例還提供了一種模型訓練方法，包括：

25、獲取樣本檢索信息，以及樣本物品的文本信息和多媒體信息；

26、基于所述樣本檢索信息與所述樣本物品的所述文本信息之間的匹配度、所述樣本物品的所述文本信息與所述多媒體信息之間的匹配度、以及所述樣本檢索信息與所述文本信息、所述多媒體信息的融合信息之間的匹配度對初始預設模型進行訓練，直至所述初始預設模型達到訓練條件時停止，得到所述預設模型。

27、上述方案中，所述基于所述樣本檢索信息與所述樣本物品的所述文本信息之間的匹配度、所述樣本物品的所述文本信息與所述多媒體信息之間的匹配度、以及所述樣本檢索信息與所述文本信息、所述多媒體信息的融合信息之間的匹配度對初始預設模型進行訓練，直至所述初始預設模型達到訓練條件時停止，得到所述預設模型，包括：

28、基于所述初始預設模型對所述樣本檢索信息處理得到樣本檢索特征，基于所述初始預設模型對所述文本信息處理得到樣本文本特征，基于所述初始預設模型對所述多媒體信息處理得到樣本多媒體特征，并基于所述初始預設模型對所述樣本文本特征和所述樣本多媒體特征融合得到樣本融合特征；

29、基于所述樣本檢索特征與所述樣本文本特征之間的第一對比損失，所述樣本檢索特征與所述樣本融合特征之間的第二對比損失，以及所述樣本文本特征與所述樣本多媒體特征之間的第三對比損失對所述初始預設模型進行訓練，直至所述初始預設模型達到訓練條件時停止，得到所述預設模型。

30、上述方案中，所述初始預設模型包括：第一初始文本模型、第二初始文本模型、初始多媒體特征模型和初始融合模型中的至少一個；

31、所述基于所述初始預設模型對所述樣本檢索信息處理得到樣本檢索特征，基于所述初始預設模型對所述文本信息處理得到樣本文本特征，基于所述初始預設模型對所述多媒體信息處理得到樣本多媒體特征，并基于所述初始預設模型對所述樣本文本特征和所述樣本多媒體特征融合得到樣本融合特征，包括：

32、基于所述第一初始文本模型對所述樣本檢索信息處理得到所述樣本檢索特征；

33、基于所述第二初始文本模型對所述文本信息處理得到所述樣本文本特征；

34、基于所述初始多媒體特征模型對所述多媒體信息處理得到所述樣本多媒體特征；

35、基于所述初始融合模型對所述樣本文本特征和所述樣本多媒體特征處理得到所述樣本融合特征。

36、上述方案中，第一文本模型、第二文本模型、多媒體特征模型和融合模型中的至少一個；

37、所述基于所述樣本檢索特征與所述樣本文本特征之間的第一對比損失，所述樣本檢索特征與所述樣本融合特征之間的第二對比損失，以及所述樣本文本特征與所述樣本多媒體特征之間的第三對比損失對所述初始預設模型進行訓練，直至所述初始預設模型達到訓練條件時停止，得到所述預設模型，包括：

38、基于所述第一對比損失和所述第二對比損失調整所述第一初始文本模型，基于所述第一對比損失和所述第三對比損失調整所述第二初始文本模型，基于所述第二對比損失調整所述初始融合模型，基于所述第三對比損失調整所述初始多媒體特征模型，直至所述第一初始文本模型、所述第二初始文本模型、所述初始多媒體特征模型和所述初始融合模型均達到預定訓練次數停止，得到所述第一文本模型、所述第二文本模型、所述多媒體特征模型和所述融合模型。

39、本技術實施例還提供了一種物品檢索裝置，包括：

40、信息處理單元，用于基于獲取的檢索信息處理得到檢索特征；

41、確定單元，用于基于所述檢索特征與每一物品對應的文本特征、多媒體特征和融合特征之間的相似性，在多個所述物品中確定出目標物品；所述融合特征是所述文本特征和所述多媒體特征融合得到的；

42、其中，所述檢索特征、所述文本特征、所述多媒體特征和所述融合特征是基于預設模型處理得到的；所述預設模型是基于樣本檢索信息與樣本物品的文本信息之間的匹配度、所述樣本物品的所述文本信息和多媒體信息之間的匹配度、以及所述樣本檢索信息與所述文本信息、所述多媒體信息的融合信息之間的匹配度訓練得到的。

43、本技術實施例還提供了一種模型訓練裝置，包括：

44、信息獲取單元，用于獲取樣本檢索信息，以及樣本物品的文本信息和多媒體信息；

45、訓練單元，用于基于所述樣本檢索信息與所述樣本物品的所述文本信息之間的匹配度、所述樣本物品的所述文本信息與所述多媒體信息之間的匹配度、以及所述樣本檢索信息與所述文本信息、所述多媒體信息的融合信息之間的匹配度對初始預設模型進行訓練，直至所述初始預設模型達到訓練條件時停止，得到預設模型。

46、本技術實施例還提供了一種電子設備，包括第一存儲器和第一處理器，所述第一存儲器存儲有可在第一處理器上運行的計算機程序，所述樣本檢索信息處理器執行所述計算機程序時實現上述物品檢索方法中的步驟。

47、本技術實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被第一處理器執行時實現上述物品檢索方法中的步驟。

48、本技術實施例還提供了一種電子設備，包括第二存儲器和第二處理器，所述第二存儲器存儲有可在第二處理器上運行的計算機程序，所述樣本檢索信息處理器執行所述計算機程序時實現上述模型訓練方法中的步驟。

49、本技術實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被第二處理器執行時實現上述模型訓練方法中的步驟。

50、本技術實施例中，基于獲取的檢索信息處理得到檢索特征；基于檢索特征與每一物品對應的文本特征、多媒體特征和融合特征之間的相似性，在多個物品中確定出目標物品；融合特征是文本特征和多媒體特征融合得到的；其中，檢索特征、文本特征、多媒體特征和融合特征是基于預設模型處理得到的；預設模型是基于樣本檢索信息與樣本物品的文本信息之間的匹配度、樣本物品的文本信息和多媒體信息間的匹配度、以及樣本檢索信息與文本信息、多媒體信息的融合信息之間的匹配度訓練得到的。由于本技術在確定目標物品的過程中，不僅考慮了檢索信息的檢索特征與物品的文本特征的相似性之間的相似性，而且考慮到了物品的多媒體特征和融合特征，從多維度特征入手，提高了目標物品與檢索信息的匹配度，并且由于在預設模型訓練的過程中也是基于樣本物品的多維度特征的角度進行訓練的，使預設模型可以更加充分的學習到樣本檢索信息與樣本物品的文本信息和多媒體信息之間的匹配程度，進而也提高了目標物品與檢索信息的匹配度，使發送給客戶端的目標物品與用戶真實需求更加匹配。