用于检索信息的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于检索信息的方法和装置。

背景技术：

信息检索是用户进行信息查询和获取的主要方式，是查找信息的方法和手段。狭义的信息检索仅指信息查询。即用户根据需要，采用一定的方法，借助检索工具，从信息集合中找出所需要信息的查找过程。广义的信息检索是信息按一定的方式进行加工、整理、组织并存储起来，再根据信息用户特定的需要将相关信息准确的查找出来的过程。又称信息的存储于检索。一般情况下，信息检索指的就是广义的信息检索。

目前的信息检索方式通常仅支持关键词检索方式，即，用户输入关键词，根据关键词检索出信息，并返回给用户。因此，当用户浏览到与物品相关的文本时，通常需要用户通读文本，分析并理解文本的内容，并根据经验找出文本中对物品进行描述的关键词。随后，输入用户找到的关键词进行信息检索，以得到与物品相关的信息。

技术实现要素：

本申请实施例提出了用于检索信息的方法和装置。

第一方面，本申请实施例提供了一种用于检索信息的方法，包括：获取待检索文本；对待检索文本进行分析，生成关键词集合；从关键词集合中筛选物品名称词集合和物品特征词集合；从物品名称词集合和物品特征词集合中确定检索词；基于检索词进行检索，得到检索词关联的物品的信息。

在一些实施例中，对待检索文本进行分析，生成关键词集合，包括：提取待检索文本的至少一个关键词；对至少一个关键词进行关键词扩展，生成关键词集合，其中，关键词扩展包括以下至少一种方法：同义词扩展、近义词扩展、关联词扩展和知识图谱扩展。

在一些实施例中，提取待检索文本的至少一个关键词，包括：将待检索文本输入至预先训练的分类模型，得到待检索文本的至少一个关键词，其中，分类模型用于提取文本的关键词。

在一些实施例中，分类模型包括嵌入层、编码层、选择层和分类层；以及将待检索文本输入至预先训练的分类模型，得到待检索文本的至少一个关键词，包括：将待检索文本输入至嵌入层，得到待检索文本的稠密向量；将稠密向量输入至编码层，得到待检索文本的编码向量；将编码向量输入至选择层，得到待检索文本的加权向量；将加权向量输入至分类层，得到待检索文本的至少一个关键词。

在一些实施例中，提取待检索文本的至少一个关键词的方法包括词频-逆向文件频率方法和文本排名算法。

在一些实施例中，从关键词集合中筛选物品名称词集合和物品特征词集合，包括基于词性和实体类型对关键词集合中的关键词进行分析；根据分析结果，从关键词集合中筛选出物品名称词集合和物品特征词集合。

在一些实施例中，关键词集合中的关键词带有权重，权重表征对应的关键词与待检索文本的关联程度；以及从物品名称词集合和物品特征词集合中确定检索词，包括：基于权重对物品名称词集合和物品特征词集合分别进行排序，得到物品名称词序列和物品特征词序列；对物品名称词序列和物品特征词序列分别进行阈值截断，得到检索词。

第二方面，本申请实施例提供了一种用于检索信息的装置，包括：获取单元，被配置成获取待检索文本；生成单元，被配置成对待检索文本进行分析，生成关键词集合；筛选单元，被配置成从关键词集合中筛选物品名称词集合和物品特征词集合；确定单元，被配置成从物品名称词集合和物品特征词集合中确定检索词；检索单元，被配置成基于检索词进行检索，得到检索词关联的物品的信息。

在一些实施例中，生成单元包括：提取子单元，被配置成提取待检索文本的至少一个关键词；扩展子单元，被配置成对至少一个关键词进行关键词扩展，生成关键词集合，其中，关键词扩展包括以下至少一种方法：同义词扩展、近义词扩展、关联词扩展和知识图谱扩展。

在一些实施例中，提取子单元包括：分类模块，被配置成将待检索文本输入至预先训练的分类模型，得到待检索文本的至少一个关键词，其中，分类模型用于提取文本的关键词。

在一些实施例中，分类模型包括嵌入层、编码层、选择层和分类层；以及分类模块包括：嵌入子模块，被配置成将待检索文本输入至嵌入层，得到待检索文本的稠密向量；编码子模块，被配置成将稠密向量输入至编码层，得到待检索文本的编码向量；选择子模块，被配置成将编码向量输入至选择层，得到待检索文本的加权向量；分类子模块，被配置成将加权向量输入至分类层，得到待检索文本的至少一个关键词。

在一些实施例中，提取待检索文本的至少一个关键词的方法包括词频-逆向文件频率方法和文本排名算法。

在一些实施例中，筛选单元包括分析子单元，被配置成基于词性和实体类型对关键词集合中的关键词进行分析；筛选子单元，被配置成根据分析结果，从关键词集合中筛选出物品名称词集合和物品特征词集合。

在一些实施例中，关键词集合中的关键词带有权重，权重表征对应的关键词与待检索文本的关联程度；以及确定单元包括：排序子单元，被配置成基于权重对物品名称词集合和物品特征词集合分别进行排序，得到物品名称词序列和物品特征词序列；截断子单元，被配置成对物品名称词序列和物品特征词序列分别进行阈值截断，得到检索词。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于检索信息的方法和装置，首先对所获取的待检索文本进行分析，以生成关键词集合；之后从关键词集合中筛选物品名称词集合和物品特征词集合；然后从物品名称词集合和物品特征词集合中确定检索词；最后基于检索词进行检索，以得到检索词关联的物品的信息，从而提高了信息检索的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构；

图2是根据本申请的用于检索信息的方法的一个实施例的流程图；

图3是图2所示的用于检索信息的方法的一个应用场景的示意图；

图4是分类模型的一个实施例的结构示意图；

图5是根据本申请的用于检索信息的方法的又一个实施例的流程图；

图6是根据本申请的用于检索信息的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于检索信息的方法或用于检索信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100中可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101上可以安装有各种客户端软件，例如搜索类应用、购物类应用等。

终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏并且支持信息检索的各种电子设备。包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是提供各种服务的服务器。例如信息检索服务器。信息检索服务器可以对获取到的待检索文本等数据进行分析等处理，生成处理结果(例如检索词关联的物品的信息)，并将处理结果推送给终端设备101。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于检索信息的方法一般由服务器103执行，相应地，用于检索信息的装置一般设置于服务器103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于检索信息的方法的一个实施例的流程200。该用于检索信息的方法，包括以下步骤：

步骤201，获取待检索文本。

在本实施例中，用于检索信息的方法的执行主体(例如图1所示的服务器103)可以获取待检索文本。例如，当用户通过其终端设备(例如图1所示的终端设备101)浏览到待检索文本时，可以首先复制待检索文本，随后打开其终端设备上安装的搜索类应用或购物类应用，在检索框中粘贴待检索文本，并点击检索按钮。此时，终端设备可以向上述执行主体发送待检索文本。通常，待检索文本可以是与物品相关的文本，例如，包括物品的名称的文本、包括物品特征的文本、对物品进行描述的文本等等。

步骤202，对待检索文本进行分析，生成关键词集合。

在本实施例中，上述执行主体可以对待检索文本进行分析，以生成关键词集合。通常，关键词集合中的关键词带有权重，权重可以表征对应的关键词与待检索文本的关联程度。

在本实施例的一些可选的实现方式中，上述执行主体可以直接通过提取待检索文本的至少一个关键词来生成关键词集合。

这里，提取待检索文本的至少一个关键词的方法可以包括但不限于至少一种方法：

1、tf-idf(termfrequency-inversedocumentfrequency，词频-逆向文件频率)方法。

其中，tf-idf是一种用于信息检索与数据挖掘的常用加权技术。具体地，tf-idf是一种统计方法，用以评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。通常，如果某个词或短语在一篇文章中出现的频率高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。

这里，利用tf-idf方法提取待检索文本的至少一个关键词的步骤如下：

首先，对待检索文本进行全切分方法等处理，把待检索文本切分成词。

然后，利用tf-idf方法计算切分成的每个词的权重。

最后，筛选出权重排在前预设位(例如前100位)的词，得到待检索文本的至少一个关键词。

2、textrank(文本排名)算法。

其中，textrank基于pagerank，通过词之间的相邻关系构建网络，然后用pagerank迭代计算每个节点的rank值，排序rank值即可得到关键词。

这里，利用textrank算法提取待检索文本的至少一个关键词的步骤如下：

首先，把待检索文本按照完整句子进行分割。

之后，对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，如名词、动词、形容词，得到保留后的候选关键词。

而后，构建候选关键词图g＝(v,e)。其中，v为节点集，由候选关键词组成，然后采用共现关系构造任两点之间的边，两个节点之间存在边仅当它们对应的词汇在长度为k的窗口中共现。k表示窗口大小，即最多共现k个单词。

随后，根据上面公式，迭代传播各节点的权重，直至收敛。

然后，对节点权重进行倒序排序，从而得到最重要的预设数目(例如100)个单词。

最后，由最重要的预设数目个单词，在待检索文本中进行标记，若形成相邻词组，则组合成多词关键词。

3、分类模型。

其中，分类模型可以用于提取文本的关键词，表征文本与文本的关键词之间的对应关系。通常，分类模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种人工神经网络等)进行有监督训练而得到的。训练样本可以包括样本文本和样本文本类别标签。样本文本类别标签可以用于标注样本文本的权重较高的关键词。

这里，上述执行主体可以将待检索文本输入至预先训练的分类模型，得到待检索文本的至少一个关键词。其中，分类模型提取出的待检索文本的至少一个关键词可以包括待检索文本中的权重较高的关键词。

在本实施例的一些可选的实现方式中，上述执行主体可以首先提取待检索文本的至少一个关键词；然后对至少一个关键词进行关键词扩展，生成关键词集合。其中，关键词扩展可以包括但不限于以下至少一种方法：同义词扩展、近义词扩展、关联词扩展和知识图谱扩展等等。当对关键词进行扩展时，扩展出的关键词的权重可以与该关键词的权重相同，也可以不同。例如，当对该关键词进行同义词扩展时，扩展出的关键词的权重可以与该关键词的权重相同。当对该关键词进行近义词扩展时，扩展出的关键词的权重可以等于该关键词的权重与相似度(扩展出的关键词与该关键词的相似度)的乘积。当对该关键词进行关联词扩展时，扩展出的关键词的权重可以等于该关键词的权重与关联度(扩展出的关键词与该关键词的关联度)的乘积。当对该关键词进行知识图谱扩展时，扩展出的关键词的权重可以等于该关键词的权重与关系权重(扩展出的关键词与该关键词的关系权重)的乘积。

步骤203，从关键词集合中筛选物品名称词集合和物品特征词集合。

在本实施例中，上述执行主体可以从关键词集合中筛选出物品名称词集合和物品特征词集合。其中，物品名称词集合中可以包括物品名称词。物品名称词的词性通常多为名词，实体类型通常多为人名、地名和物体名等等。物品特征词集合中可以包括物品特征词。物品特征词的词性通常多为形容词，是对物品进行描述的词语。

在本实施例的一些可选的实现方式中，上述执行主体可以基于词性和实体类型对关键词集合中的关键词进行分析；然后根据分析结果，从关键词集合中筛选出物品名称词集合和物品特征词集合。例如，上述执行主体可以首先从关键词集合中筛选出词性为名词的关键词，然后从所筛选出的关键词中选取出实体类型为人名、地名和物体名的关键词，以生成物品名称词集合。同理，上述执行主体可以首先从关键词集合中筛选出词性为形容词的关键词，然后从所筛选出的关键词中选取出对物品进行描述的词语，以生成物品特征词集合。

步骤204，从物品名称词集合和物品特征词集合中确定检索词。

在本实施例中，上述执行主体可以从物品名称词集合和物品特征词集合中确定检索词。通常，上述执行主体可以根据权重从物品名称词集合和物品特征词集合中确定检索词。例如，上述执行主体可以基于权重对物品名称词集合和物品特征词集合分别进行排序，得到物品名称词序列和物品特征词序列；然后对物品名称词序列和物品特征词序列分别进行阈值截断，得到检索词。

步骤205，基于检索词进行检索，得到检索词关联的物品的信息。

在本实施例中，上述执行主体可以基于检索词进行检索，以得到检索词关联的物品的信息。通常，上述执行主体可以利用检索词在物品的信息库中进行检索。若物品的信息库中存在包含检索词的物品的信息，那么可以将包含检索词的物品的信息作为检索词关联的物品的信息推送给用户。若物品的信息库中不存在包含检索词的物品的信息，那么可以将包含与检索词关联的词的物品的信息作为检索词关联的物品的信息推送给用户。例如，若检索词是“平底锅”，物品的信息库中不存在平底锅的信息，那么可以将物品的信息库中的锅的信息推送给用户。

继续参见图3，图3是图2所示的用于检索信息的方法的一个应用场景的示意图。在图3所示的应用场景中，当用户在其手机上浏览到一篇对物品进行介绍的文本301时，可以复制文本301，并打开其手机上安装的购物类应用，在检索框中粘贴文本301，并点击检索按钮。此时，手机可以向服务器发送文本301。当接收到文本301之后，服务器可以首先利用分类模型302提取文本301的关键词303、关键词304。之后，对关键词303进行关键词扩展，得到扩展关键词305，对关键词304进行关键词扩展，得到扩展关键词306。而后，关键词303、关键词304、扩展关键词305和扩展关键词306组合成关键词集合307。随后，从关键词集合307中筛选物品名称词集合308和物品特征词集合309。然后，从物品名称词集合308和物品特征词集合309中确定检索词310。最后，基于检索词310进行检索，得到检索词关联的物品的信息311，并将物品的信息311推送给用户。

本申请实施例提供的用于检索信息的方法，首先对所获取的待检索文本进行分析，以生成关键词集合；之后从关键词集合中筛选物品名称词集合和物品特征词集合；然后从物品名称词集合和物品特征词集合中确定检索词；最后基于检索词进行检索，以得到检索词关联的物品的信息，从而提高了信息检索的效率。

进一步参考图4，其示出了分类模型的一个实施例的结构示意图。由图4可知，分类模型可以包括嵌入层、编码层、选择层和分类层。待检索文本从分类模型的输入侧输入，依次经过分类模型的嵌入层、编码层、选择层和分类层的处理，从输出侧输出待检索文本的至少一个关键词。

进一步参考图5，其示出了其示出了根据本申请的用于检索信息的方法的又一个实施例的流程500。该用于检索信息的方法，包括以下步骤：

步骤501，获取待检索文本。

在本实施例中，步骤501的具体操作已在图2所示的实施例中步骤201中进行了详细的介绍，在此不再赘述。

步骤502，将待检索文本输入至嵌入层，得到待检索文本的稠密向量。

在本实施例中，用于检索信息的方法的执行主体(例如图1所示的服务器103)可以将待检索文本输入至嵌入层，经过嵌入层的处理，输出待检索文本的稠密向量。其中，稠密向量的值就是一个普通的双数组。

步骤503，将稠密向量输入至编码层，得到待检索文本的编码向量。

在本实施例中，上述执行主体可以将稠密向量输入至编码层，经过编码层的处理，输出待检索文本的编码向量。其中，编码是信息从一种形式或格式转换为另一种形式的过程。

步骤504，将编码向量输入至选择层，得到待检索文本的加权向量。

在本实施例中，上述执行主体可以将编码向量输入至选择层，经过选择层的处理，输出待检索文本的加权向量。其中，加权向量中的权重可以表征对应的关键词与待检索文本的关联程度。

步骤505，将加权向量输入至分类层，得到待检索文本的至少一个关键词。

在本实施例中，上述执行主体可以将加权向量输入至分类层，经过分类层的处理，输出待检索文本的至少一个关键词。其中，分类模型提取出的待检索文本的至少一个关键词可以包括待检索文本中的权重较高的关键词。

步骤506，对至少一个关键词进行关键词扩展，生成关键词集合。

在本实施例中，上述执行主体可以对至少一个关键词进行关键词扩展，生成关键词集合。其中，关键词扩展可以包括但不限于以下至少一种方法：同义词扩展、近义词扩展、关联词扩展和知识图谱扩展等等。当对关键词进行扩展时，扩展出的关键词的权重可以与该关键词的权重相同，也可以不同。例如，当对该关键词进行同义词扩展时，扩展出的关键词的权重可以与该关键词的权重相同。当对该关键词进行近义词扩展时，扩展出的关键词的权重可以等于该关键词的权重与相似度(扩展出的关键词与该关键词的相似度)的乘积。当对该关键词进行关联词扩展时，扩展出的关键词的权重可以等于该关键词的权重与关联度(扩展出的关键词与该关键词的关联度)的乘积。当对该关键词进行知识图谱扩展时，扩展出的关键词的权重可以等于该关键词的权重与关系权重(扩展出的关键词与该关键词的关系权重)的乘积。

步骤507，从关键词集合中筛选物品名称词集合和物品特征词集合。

步骤508，从物品名称词集合和物品特征词集合中确定检索词。

步骤509，基于检索词进行检索，得到检索词关联的物品的信息。

在本实施例中，步骤507-509的具体操作已在图2所示的实施例中步骤203-205中进行了详细的介绍，在此不再赘述。

从图5中可以看出，与图2对应的实施例相比，本实施例中的用于检索信息的方法的流程500突出了生成关键词集合的步骤。由此，本实施例描述的方案基于包含嵌入层、编码层、选择层和分类层的分类模型提取待检索文本的至少一个关键词，提高了从待检索文本中提取关键词的效率。并且，对至少一个关键词进行关键词扩展，生成关键词集合，引入更多的关键词相关数据，从而实现更全面的物品的信息。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于检索信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于检索信息的装置600可以包括：获取单元601、生成单元602、筛选单元603、确定单元604和检索单元605。其中，获取单元601，被配置成获取待检索文本；生成单元602，被配置成对待检索文本进行分析，生成关键词集合；筛选单元603，被配置成从关键词集合中筛选物品名称词集合和物品特征词集合；确定单元604，被配置成从物品名称词集合和物品特征词集合中确定检索词；检索单元605，被配置成基于检索词进行检索，得到检索词关联的物品的信息。

在本实施例中，用于检索信息的装置600中：获取单元601、生成单元602、筛选单元603、确定单元604和检索单元605的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤202、步骤203、204和步骤205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，生成单元602包括：提取子单元(图中未示出)，被配置成提取待检索文本的至少一个关键词；扩展子单元(图中未示出)，被配置成对至少一个关键词进行关键词扩展，生成关键词集合，其中，关键词扩展包括以下至少一种方法：同义词扩展、近义词扩展、关联词扩展和知识图谱扩展。

在本实施例的一些可选的实现方式中，提取子单元包括：分类模块(图中未示出)，被配置成将待检索文本输入至预先训练的分类模型，得到待检索文本的至少一个关键词，其中，分类模型用于提取文本的关键词。

在本实施例的一些可选的实现方式中，分类模型包括嵌入层、编码层、选择层和分类层；以及分类模块包括：嵌入子模块(图中未示出)，被配置成将待检索文本输入至嵌入层，得到待检索文本的稠密向量；编码子模块(图中未示出)，被配置成将稠密向量输入至编码层，得到待检索文本的编码向量；选择子模块(图中未示出)，被配置成将编码向量输入至选择层，得到待检索文本的加权向量；分类子模块(图中未示出)，被配置成将加权向量输入至分类层，得到待检索文本的至少一个关键词。

在本实施例的一些可选的实现方式中，提取待检索文本的至少一个关键词的方法包括词频-逆向文件频率方法和文本排名算法。

在本实施例的一些可选的实现方式中，筛选单元603包括分析子单元(图中未示出)，被配置成基于词性和实体类型对关键词集合中的关键词进行分析；筛选子单元(图中未示出)，被配置成根据分析结果，从关键词集合中筛选出物品名称词集合和物品特征词集合。

在本实施例的一些可选的实现方式中，关键词集合中的关键词带有权重，权重表征对应的关键词与待检索文本的关联程度；以及确定单元604包括：排序子单元(图中未示出)，被配置成基于权重对物品名称词集合和物品特征词集合分别进行排序，得到物品名称词序列和物品特征词序列；截断子单元(图中未示出)，被配置成对物品名称词序列和物品特征词序列分别进行阈值截断，得到检索词。

下面参考图7，其示出了适于用来实现本申请实施例的服务器(例如图1所示的服务器103)的计算机系统700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、生成单元、筛选单元、确定单元和检索单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待检索文本的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取待检索文本；对待检索文本进行分析，生成关键词集合；从关键词集合中筛选物品名称词集合和物品特征词集合；从物品名称词集合和物品特征词集合中确定检索词；基于检索词进行检索，得到检索词关联的物品的信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。