联想词确定方法、装置、存储介质和电子设备与流程

本申请涉及计算机技术领域，更具体地说，涉及一种联想词确定方法、装置、存储介质和电子设备。

背景技术：

如今，随着信息技术的发展，更多的人选择通过网络搜索自己关注的内容。现有的大多数搜索系统中，在用户输入搜索词时，会给出智能提示，例如提示与搜索词相关的联想词。

目前，搜索系统在查询搜索词的联想词时，通常采用前缀查询，即查询以搜索词为前缀的联想词。当用户输入某个搜索词后，搜索系统查询到的以该搜索词为前缀的联想词中可能不包括用户所关注的内容，导致不能匹配到用户想要搜索的内容。

技术实现要素：

为解决现有的前缀查询存在的不能匹配到用户想要搜索的内容的技术问题，本申请实施例提供一种联想词确定方法、装置、存储介质和电子设备，有利于匹配到用户想要搜索的文本。

为达到上述目的，本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供一种联想词确定方法，包括：

获取用户输入的搜索词；

从目标数据库中查询包含所述搜索词的组合信息；其中，所述目标数据库用于存储每条检索数据对应的组合信息，所述每条检索数据对应的组合信息通过将所述每条检索数据中至少两个相邻的分词进行任意组合得到；

从包含所述搜索词的组合信息中选择目标组合信息，将所述目标组合信息作为所述搜索词的联想词进行输出。

在一种可选的实施例中，所述目标数据库的构建过程，包括：

针对设定的每条检索数据，对所述每条检索数据进行分词处理，并将得到的分词词语中至少两个分词词语进行任意组合，得到所述每条检索数据对应的组合信息；

将所述每条检索数据的组合信息进行保存，得到所述目标数据库。

在一种可选的实施例中，所述目标数据库中还存储有所述每条检索数据的上下文，所述每条检索数据的上下文包括所述每条检索数据中的每个文字；获取用户输入的搜索词之后，所述方法还包括：

从所述目标数据库中查询包含所述搜索词中的设定位置的文字的目标上下文；

确定所述目标上下文对应的候选检索数据；

所述从目标数据库中查询包含所述搜索词的组合信息，包括：

在所述候选检索数据对应的组合信息中查询包含所述搜索词的组合信息。

在一种可选的实施例中，所述目标数据库的构建过程，还包括：

针对所述目标数据库中设定的每条检索数据，采用标准分词器对所述每条检索数据进行分词处理，得到所述每条检索数据的每个文字；

根据所述每条检索数据的每个文字生成所述每条检索数据的上下文，将所述每条检索数据与所述每条检索数据的上下文对应保存在所述目标数据库中。

在一种可选的实施例中，所述方法还包括：

当所述搜索词的长度小于预设值时，在词语推荐库中查找所述搜索词；其中，所述词语推荐库由第一设定分词器对所述每条检索数据进行分词处理后，通过倒排索引的方式将得到的多个分词词语进行存储得到；

若在所述词语推荐库中未查找到所述搜索词，确定所述词语推荐库中保存的每个分词词语与所述搜索词的相似度，根据所述每个分词词语与所述搜索词的相似度，确定并输出所述搜索词对应的推荐词语。

在一种可选的实施例中，所述方法还包括：

当所述搜索词的长度不小于所述预设值时，在短语推荐库中查找所述搜索词；其中，所述短语推荐库由第二设定分词器对所述每条检索数据进行分词处理后，通过倒排索引的方式将得到的多个分词词语进行存储得到；

若在所述短语推荐库中未查找到所述搜索词，确定所述短语推荐库中保存的每个分词词语与所述搜索词的相似度，根据所述每个分词词语与所述搜索词的相似度，确定并输出所述搜索词对应的推荐词语。

在一种可选的实施例中，从包含所述搜索词的组合信息中选择目标组合信息，包括：

根据包含所述搜索词的组合信息中各个组合信息的词频或者权重，从包含所述搜索词的组合信息中选择所述目标组合信息。

第二方面，本申请实施例提供一种联想词确定装置，包括：

获取单元，用于获取用户输入的搜索词；

组合信息查询单元，用于从目标数据库中查询包含所述搜索词的组合信息；其中，所述目标数据库用于存储每条检索数据对应的组合信息，所述每条检索数据对应的组合信息通过将所述每条检索数据中至少两个分词词语进行任意组合得到；

输出单元，用于从包含所述搜索词的组合信息中选择目标组合信息，将所述目标组合信息作为所述搜索词的联想词进行输出。

第三方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现第一方面的联想词确定方法。

第四方面，本申请实施例还提供一种电子设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器实现第一方面的联想词确定方法。

本申请实施例的联想词确定方法、装置、存储介质和电子设备，首先获取用户输入的搜索词，从目标数据库中查询包含搜索词的组合信息，然后从包含搜索词的标组合信息中选择目标组合信息，将目标组合信息作为搜索词的联想词进行输出。其中的目标数据库中存储有每条检索数据对应的组合信息，每条检索数据的组合信息由该条检索数据中至少两个分词词语任意组合得到。由于将每条检索数据中的分词词语进行任意组合，可以得到多种组合信息，使目标数据库中存储的数据包括各个分词词语的任意组合顺序，当用户输入搜索词时，不限制用户输入的搜索词在其想要搜索的文本中的位置，当输入文本中间位置的搜索词时，也可以通过前缀匹配获得用户想要搜索的文本。因此，本申请实施例有利于匹配到用户想要搜索的文本，提高用户的搜索体验。

附图说明

为了更清楚地说明本申请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要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种联想词确定方法的流程图；

图2为本申请实施例提供的另一种联想词确定方法的流程图；

图3为本申请实施例提供的一种联想词确定装置的结构示意图；

图4为本申请实施例提供的另一种联想词确定装置的结构示意图；

图5为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。

文中的术语“第一”、“第二”仅用于描述目的，而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

为了解决现有技术中不能匹配到用户想要搜索的文本，导致用户的搜索体验较低的问题，本申请实施例提供了一种联想词确定方法、装置、存储介质和电子设备。

图1示出了本申请实施例提供的一种联想词确定方法的流程图，该方法可以由搜索引擎执行。如图1所示，该方法包括如下步骤：

步骤s101，获取用户输入的搜索词。

用户可以在网络浏览器的搜索框中输入搜索词，搜索引擎即可以获取到用户输入的搜索词，例如，搜索引擎可以采用elasticsearch。

步骤s102，从目标数据库中查询包含搜索词的组合信息；其中，目标数据库用于存储每条检索数据对应的组合信息，每条检索数据对应的组合信息通过将每条检索数据中至少两个分词词语进行任意组合得到。

其中，目标数据库可以是将数据以设定数据类型进行存储的数据库，例如，设定数据类型可以是completion类型，当然，也可以为其它数据类型。

在一种可选的实施例中，在构建目标数据库时，获取大量检索数据，例如产品名称数据“空调变频1级能效”可以作为一条检索数据，对每条检索数据的两个或者两个以上分词词语进行任意组合后进行保存。

目标数据库的构建过程，具体可以包括以下步骤：

(1)针对设定的每条检索数据，对每条检索数据进行分词，并将得到的分词词语中至少两个分词词语进行任意组合，得到每条检索数据对应的组合信息。

具体地说，可以将每条检索数据中两个相邻的分词词语或两个以上依次相邻的分词词语进行任意组合。示例性地，检索数据为“空调变频1级能效”，采用中文分词算法对该检索数据进行分词，例如可以得到以下分词：“空调”、“变频”、“1级能效”。这里的中文分词算法可以采用已有的中文分词算法，例如python分词算法等，在此不作限制。上述检索数据中，两个相邻的分词为“空调”和“变频”、变频”和“1级能效”，三个相邻的分词为“空调”、“变频”、“1级能效”。

将两个相邻的分词“空调”和“变频”进行任意组合，即得到“空调变频”、“变频空调”这两种组合信息；将三个相邻的分词进行任意组合，可以得到6种组合信息，即：“空调变频1级能效”、“空调1级能效变频”、“变频空调1级能效”、“变频1级能效空调”、“1级能效空调变频”、“1级能效变频空调”。

具体地说，用于组合的分词的数量可以根据需要进行设置。如果设置为将两个相邻的分词进行任意组合，对于分词的数量大于2的检索数据，例如上述“空调变频1级能效”，可以将其中所有两个相邻的分词进行任意组合，即将空调”和“变频”进行任意组合，同时将变频”和“1级能效”进行任意组合。

(2)将获取的大量检索数据中的每条检索数据的组合信息进行保存，得到目标数据库。

在将每条检索数据的组合信息进行保存时，可以将每个组合信息转换成设定数据类型后再进行保存。例如设定数据类型为completion类型，可以通过fst(finitestatetransducers，有限状态转换器)将每个组合信息转换成completion类型字段，得到completion字段库。

另外，在构建目标数据库时，可以设置允许存储的组合信息的最大长度。例如对于completion字段库，组合信息对应的completion字段以字符串的格式存储，可以设置允许存储的最大字符串长度为50，同时保留分隔符。为了提高查询目标数据库的速度，可以将目标数据库存储到内存中，这样，在查询时不会进行磁盘输入和输出，可以快速进行前缀查找。

步骤s103，从包含搜索词的组合信息中选择目标组合信息，将目标组合信息作为搜索词的联想词进行输出。

在该实施例中，包含搜索词的组合信息可以包括多个以搜索词为前缀的组合词，从这些组合词中选择搜索词的联想词时，具体可以通过以下两种方式：

第一种方式，根据包含搜索词的组合信息中各个组合信息在目标数据库中出现的词频，从包含搜索词的组合信息中选择目标组合信息，将该目标组合信息作为搜索词的联想词。

例如，搜索词为“空调”，查询到的目标组合信息包括“空调变频”、“空调1.5匹”、“空调2匹”、“空调1级能效”等等，将查询到的多个组合信息出现的词频从大到小进行排序，从中选择词频排在前几个的组合信息。

第二种方式，根据包含搜索词的组合信息中各个组合信息的权重，从包含搜索词的组合信息中选择目标组合信息，将该目标组合信息作为搜索词的联想词。

具体地说，在构建目标数据库时，可以设置每个组合信息的权重，将查询到的多个组合信息的权重从大到小进行排序，从中选择权重排在前几个的组合信息。

在上述两种方式中，选择的联想词的数量可以根据需要进行设置。例如设置输出的联想词的最大数量为10个，当然还可以设置为其它数量值。

采用本申请实施例的联想词确定方法，由于将每条检索数据中的分词词语进行任意组合，可以得到多种组合信息，使目标数据库中存储的数据包括各个分词词语的任意组合顺序，当根据用户输入的搜索词进行前缀匹配时，有利于匹配到用户想要搜索的文本，可以提高用户的搜索体验。例如，用户输入某一产品文本内容之间任意一个词作为搜索词的开头也能匹配到结果，从而优化联想词功能，提高用户体验。

在一种可选的实施例中，目标数据库中还可以存储有每条检索数据的上下文，每条检索数据的上下文包括每条检索数据中的每个文字，将每条检索数据的上下文作为每条检索数据的索引。如图2所示，在获取用户输入的搜索词之后，还可以执行以下步骤：

步骤s201，从目标数据库中查询包含搜索词中的设定位置的文字的目标上下文。

其中，搜索词中的设定位置的文字可以是搜索词的首个文字，也可以是搜索词的前两个文字，例如搜索词“空调”，从目标数据库中查询包含“空”或者“调”或者“空”、“调”的目标上下文。

步骤s202，确定目标上下文对应的候选检索数据。

在步骤s201和骤s202的基础上，上述步骤s102还可以采用以下步骤实现：

步骤s203，在候选检索数据对应的组合信息中查询包含搜索词的组合信息。

该实施例中，由于根据目标上下文从目标数据库中的大量数据中筛选出候选检索数据，过滤掉了与搜索词无关的数据，在候选检索数据对应的组合信息中查询包含搜索词的组合信息时，可以大幅度提高查询速度。

在一种可选的实施例中，目标数据库的构建过程，还可以包括以下步骤：

(a)针对目标数据库中设定的每条检索数据，采用标准分词器对每条检索数据进行分词处理，得到每条检索数据的每个文字。

其中，标准分词器可以是搜索引擎中的分词器，例如一条检索数据为“空调变频1级能效”，采用标准分词器进行分词处理后，得到“空”、“调”、“变”、“频”、“1”、“级”、“能”、“效”。

(b)根据每条检索数据的每个文字生成每条检索数据的上下文，将每条检索数据与每条检索数据的上下文对应保存在目标数据库中。

该实施例中，对于目标数据库中的每条检索数据，将每条检索数据、该条检索数据的组合信息以及该条检索数据的上下文作为一条记录进行保存。例如，对于completion字段库，首先将每条检索数据的completion字段和该条检索数据的组合信息的completion字段对应保存后，再为该条检索数据的completion字段添加上下文(context)映射，该上下文可以使用category类型，即将通过上述方式得到的每条检索数据的上下文与该条检索数据对应保存。

在一种可选的实施例中，由于用户在输入搜索词时，可能会出现输入错误的情况，例如，用户想要输入“空调”，但是错误的输入了“空条”，此时，通过目标数据库可能查询不到该搜索词。因此，在获取用户输入的搜索词之后，还可以通过预先构建的推荐库对用户输入的搜索词进行查找，以对搜索词进行纠错。该推荐库可以为词语推荐库，也可以为短语推荐库。

例如，用户输入“空条”，目标数据库可能查询不到该搜索词，输出为空，而推荐库输出的结果可能为“空调”、“空气净化器”、“空气能”等等，当用户根据纠错提示，删除“条”字”后，重新在目标数据库中查询“空”的组合信息。用户每输入一个字或删除一个字都会在目标数据库中查询一次。

下面对推荐库的构建方式进行说明。以词语推荐库为例，其构建方式如下：

采用预先构建的第一设定分词器，对目标数据库中的每条检索数据进行分词处理后，通过倒排索引的方式将得到的多个分词词语进行存储，得到词语推荐库。其中，第一设定分词器可以采用已有的分词器，并根据需要对已有的分词器进行设置，例如，采用ik_smart分词器，并在该分词器中添加小写规则，即将检索数据进行分词前,先将检索数据转换后的字符中的大写字母转化为小写字母，当然还可以根据需要设置其它分词规则。

具体地说，在建立词语推荐库时，可以首先将获取的检索数据转换为另一设定数据类型的字段，例如text类型的字段，每条检索数据转换后的text类型字段对应一个字段域fields(即检索数据到text类型字段的映射参数)。根据预先构建好的第一设定分词器对每个text类型字段进行分词，通过倒排索引的方式将得到的多个分词进行存储，得到词语推荐库。

倒排索引(invertedindex)，也常被称为反向索引，是一种索引方法，被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。通过倒排索引，可以根据单词快速获取包含这个单词的文档列表。一般在文档集合里会有很多文档包含某个单词，每个文档会记录文档编号，单词在这个文档中出现的次数以及单词在文档中哪些位置出现过等信息，这些与一个文档相关的信息被称做倒排索引项，包含这个单词的一系列倒排索引项形成了列表结构，即某个单词对应的倒排列表。在文档集合中出现过的所有单词及其对应的倒排列表组成了倒排索引。本申请实施例中的每条检索数据可以看作一个文档，每个分词词语可以看作一个单词，获取的所有检索数据可以看作文档集合。

短语推荐库的构建方式与上述词语推荐库的构建方式类似，只是预先构建的设定分词器不同，短语推荐库采用第二设定分词器，该第二设定分词器也可以采用已有的分词器，并根据需要对已有的分词进行设置，其设置方式与词语推荐库不同。例如，采用ik_smart分词器，并在该分词器中添加拼接相邻分词等规则。其它过程可以参见上述词语推荐库的构建过程，在此不再赘述。

在该实施例中，对于不同长度的搜索词，采用的推荐库不同。当获取到用户输入的搜索词后，首先确定搜索词的长度是否小于预设值。如果小于预设值，可以采用词语(term)推荐库对搜索词进行查找；如果不小于预设值，可以采用短语(phrase)推荐库对搜索词进行查找。其中的预设值可以根据需要进行设置，例如为3。

具体地说，在一种实施方式中，当搜索词的长度小于预设值时，在词语推荐库中查找搜索词；若在词语推荐库中未查找到搜索词，确定词语推荐库中保存的每个分词词语与搜索词的相似度，根据每个分词词语与搜索词的相似度，确定并输出搜索词对应的推荐词语。

词语推荐库中的分词是以字符串的格式存储的，将输入的搜索词转换为字符串后再进行查找，如果未查找到该搜索词，可以根据设置的编辑距离对输入的搜索词进行处理。例如，可以设置词语推荐库的最大编辑距离为2。编辑距离是针对两个字符串(例如英文字)的差异程度的量化量测，量测方式是看至少需要多少次的处理才能将一个字符串变成另一个字符串。处理方式包括调整字符串交换两个英文字的位置，将字符串中的一个英文字替换为另一个英文字，删除其中一个英文字，在其中增加一个英文字等等。例如，“条”对应的字符串为“abc”，“调”对应的字符串为“bac”，则将“abc”中的“a”和“b”交换位置，就可以将“条”变成“调”。可以根据一个拼错的字和其他正确的字的编辑距离以及上述处理方式，判断哪一个(或哪几个)是比较可能的字，即根据上述编辑距离和处理方式确定词语推荐库中保存的每个分词词语与搜索词的相似度，将相似度较高的分词词语作为搜索词对应的推荐词语进行输出。

在另一种实施方式中，当搜索词的长度不小于预设值时，在短语推荐库中查找搜索词；其中，短语推荐库由第二设定分词器对每条检索数据进行分词处理后，通过倒排索引的方式将得到的多个分词词语进行存储得到；若在短语推荐库中未查找到搜索词，确定短语推荐库中保存的每个分词词语与搜索词的相似度，根据每个分词词语与搜索词的相似度，确定并输出搜索词对应的推荐词语。

该实施方式与上述词语推荐库的推荐过程类似，只是采用的设定分词器不同。在此不再赘述，具体可以参见上述词语推荐库的推荐过程。

由于上述推荐库(词语推荐库或短语推荐库)采用了倒排索引的存储结构，在该存储结构中，对于每个存储的分词词语，可以根据上述倒排列表中的内容为每个分词词语设置一个分数值，并且存储有每个分词词语出现的次数。在输出多个推荐词时，可以对输出的推荐词按照每个推荐词的分数值从大到小进行排序，或者按照每个推荐词出现的次数从大到小进行排序。优选地，先根据每个推荐词的分数值进行排序。

因此，采用本申请实施例中的词语推荐库或短语推荐库对搜索词进行纠错，可以对推荐结果进行更好地排序，提高纠错能力，从而返回给用户期待的内容，提升用户体验。

在一种可选的实施例中，可对于目标数据库为completion字段库时，还可以采用该completion字段库中的fuzzy参数对搜索词进行纠错。fuzzy参数的最大编辑距离为1，当输入搜索词的长度达到预设值时，开始进行纠错，该预设值与上述搜索词的长度的预设值可以相同。

在该实施例中，在采用completion字段库中的fuzzy参数对搜索词进行纠错的同时，也可以采用上述词语推荐库或短语推荐库对搜索词进行纠错。推荐库的最大编辑距离为2，相比只采用词语推荐库或短语推荐库进行纠错，将fuzzy参数进行纠错和采用推荐库(词语推荐库或短语推荐库)进行纠错相结合，可以解决由于最大编辑距离设置过大，导致纠错得到的推荐词与用户想要输入的词语不符的问题；相比只采用fuzzy参数进行纠错，将fuzzy参数进行纠错和采用短语推荐库进行纠错相结合，可以解决由于最大编辑距离设置过小，导致纠错得到的推荐词数目不够的问题，可以增强纠错功能的健壮性，提高纠错能力。

与上述联想词确定方法的实施例相对应地，本申请实施例还提供了一种联想词确定装置。图3为本申请实施例的提供的联想词确定装置的结构示意图；如图3所示，该联想词确定包括获取单元31、查询单元32和输出单元33。其中，

获取单元31，用于获取用户输入的搜索词；

组合信息查询单元32，用于从目标数据库中查询包含搜索词的组合信息；其中，目标数据库用于存储每条检索数据对应的组合信息，检索数据对应的组合信息通过将检索数据中至少两个相邻的分词进行任意组合得到；

输出单元33，用于从包含搜索词的组合信息中选择目标组合信息，将目标组合信息作为搜索词的联想词进行输出。

在一种可选的实施例中，目标数据库中还存储有每条检索数据的上下文，每条检索数据的上下文包括每条检索数据中的每个文字；如图4所示，装置还可以包括：

上下文查询单元41，用于从目标数据库中查询包含搜索词中的设定位置的文字的目标上下文；

确定单元42，用于确定目标上下文对应的候选检索数据；

组合信息查询单元32具体还可以用于：

在候选检索数据对应的组合信息中查询包含搜索词的目标组合信息。

在一种可选的实施例中，装置还可以包括：

分词单元，用于针对目标数据库中设定的每条检索数据，采用标准分词器对每条检索数据进行分词处理，得到每条检索数据的每个文字；

上下文生成单元，用于根据每条检索数据的每个文字生成每条检索数据的上下文，将每条检索数据与每条检索数据的上下文对应保存在目标数据库中。

在一种可选的实施例中，装置还可以包括：

第一查找单元，用于当搜索词的长度小于预设值时，在词语推荐库中查找搜索词；其中，词语推荐库由第一设定分词器对每条检索数据进行分词处理后，通过倒排索引的方式将得到的多个分词词语进行存储得到；

第一推荐单元，用于若在词语推荐库中未查找到搜索词，确定词语推荐库中保存的每个分词词语与搜索词的相似度，根据每个分词词语与搜索词的相似度，确定并输出搜索词对应的推荐词语。

在一种可选的实施例中，装置还可以包括：

第二查找单元，用于当搜索词的长度不小于预设值时，在短语推荐库中查找到搜索词；其中，短语推荐库由第二设定分词器对每条检索数据进行分词处理后，通过倒排索引的方式将得到的多个分词词语进行存储得到；

第二推荐单元，用于若在短语推荐库中未查找搜索词，确定短语推荐库中保存的每个分词词语与搜索词的相似度，根据每个分词词语与搜索词的相似度，确定并输出搜索词对应的推荐词语。

在一种可选的实施例中，输出单元33还可以用于：

根据目标组合信息中各个组合信息的词频或者权重，从目标组合信息中选择所述搜索词的联想词进行输出。

本申请实施例的联想词确定装置，首先获取用户输入的搜索词，从目标数据库中查询包含搜索词的组合信息，然后从包含搜索词的组合信息中选择目标组合信息，将目标组合信息作为搜索词的联想词进行输出。其中的目标数据库中存储有每条检索数据对应的组合信息，每条检索数据的组合信息由该条检索数据中至少两个分词词语任意组合得到。由于将每条检索数据中的分词词语进行任意组合，可以得到多种组合信息，使目标数据库中存储的数据包括各个分词词语的任意组合顺序，当用户输入搜索词时，不限制用户输入的搜索词在其想要搜索的文本中的位置，当输入文本中间位置的搜索词时，也可以通过前缀匹配获得到用户想要搜索的文本，因此，有利于匹配到用户想要搜索的文本，提高用户的搜索体验。

与上述方法实施例相对应地，本申请实施例还提供了一种电子设备。该电子设备可以是服务器，也可以是计算机等电子设备，该电子设备至少包括用于存储数据的存储器和用于数据处理的处理器。其中，对于用于数据处理的处理器而言，在执行处理时，可以采用微处理器、cpu、gpu(graphicsprocessingunit，图形处理单元)、dsp或fpga实现。对于存储器来说，存储器中存储有操作指令，该操作指令可以为计算机可执行代码，通过该操作指令来实现上述本申请实施例的联想词确定方法的流程中的各个步骤。

图5为本申请实施例提供的一种电子设备的结构示意图；如图5所示，本申请实施例中该电子设备50包括：处理器51、显示器52、存储器53、输入设备54、总线55和通讯模块56；该处理器51、存储器53、输入设备54、显示器52和通讯模块56均通过总线55连接，该总线55用于该处理器51、存储器53、显示器52、通讯模块56和输入设备54之间传输数据。

其中，存储器53可用于存储软件程序以及模块，如本申请实施例中的定位指纹的更新方法对应的程序指令/模块，处理器51通过运行存储在存储器53中的软件程序以及模块，从而执行电子设备50的各种功能应用以及数据处理，如本申请实施例提供的联想词确定方法。存储器53可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个应用的应用程序等；存储数据区可存储根据电子设备50的使用所创建的数据(比如定位指纹库)等。此外，存储器53可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器51是电子设备50的控制中心，利用总线55以及各种接口和线路连接整个电子设备50的各个部分，通过运行或执行存储在存储器53内的软件程序和/或模块，以及调用存储在存储器53内的数据，执行电子设备50的各种功能和处理数据。可选的，处理器51可包括一个或多个处理单元，如cpu、数字处理单元等。

本申请实施例中，处理器51将输出的联想词通过显示器52展示给用户。

该输入设备54主要用于获得用户的输入操作，该输入设备54可以为鼠标、键盘等输入设备，也可以为触控屏。

本申请实施例还提供了一种计算机存储介质，该计算机存储介质中存储有计算机可执行指令，该计算机可执行指令用于实现本申请任一实施例所述的联想词确定方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。