基于人工智能的数据查询方法、装置、设备及介质制造方法及图纸

本申请提出一种基于人工智能的数据查询方法、装置、电子设备及存储介质，基于人工智能的数据查询方法包括：依据预设的网络服务器获取用户输入的查询数据；基于所述网络服务器搜索所述查询数据以获取对应的目标数据；依据预设分隔符对所述目标数据进行切分以获取单元字符；依据预设的递归评分模型对所述单元字符进行评分以获取目标数据评分值；按照所述目标数据评分值由高到低的顺序对所述目标数据进行排序并展示。本申请通过预设的递归评分模型采用层层迭代拼接的方式全面评估各目标数据的拆分字段与查询数据之间的关联性，最终根据获取到的各目标数据的评分值由高到低向用户进行展示，使用户能够据此获取更为准确的查询结果。结果。结果。

【技术实现步骤摘要】
基于人工智能的数据查询方法、装置、设备及介质


[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的数据查询方法、装置、电子设备及存储介质。

技术介绍

[0002]Django框架是Python(一种跨平台的计算机程序设计语言)的一款Web框架，相对于SQL查询等常规查询方式，利用Django的原生组件可以对数据库中的数据进行更为快速的查询。
[0003]然而，Django框架的查询组件只能进行模糊查询，无法对某个字段进行精准评估，从而准确确定各目标数据与该字段之间的关联度，导致查询得到的目标数据的准确率较低。

技术实现思路

[0004]鉴于以上内容，有必要提出一种基于人工智能的数据查询方法及相关设备，以解决如何提高数据查询的准确性这一技术问题，其中，相关设备包括基于人工智能的数据查询装置、电子设备及存储介质。
[0005]本申请提供一种基于人工智能的数据查询方法，包括：
[0006]依据预设的网络服务器获取用户输入的查询数据；
[0007]基于所述网络服务器搜索所述查询数据以获取对应的目标数据；
[0008]依据预设分隔符对所述目标数据进行切分以获取单元字符；
[0009]依据预设的递归评分模型对所述单元字符进行评分以获取目标数据评分值；
[0010]按照所述目标数据评分值由高到低的顺序对所述目标数据进行排序并展示。
[0011]如此，通过预设的网络服务器获取用户输入的查询数据并进行搜索来获取对应的目标数据，并依据预设的分隔符对目标数据进行切分获得单元字符后，利用预设的递归评分模型采用层层递归拼接的方式全面评估各目标数据的拆分字段与查询数据之间的关联性，最终根据获取到的各目标数据的评分值由高到低向用户进行展示，使用户能够获取更为准确的查询结果。
[0012]在一些实施例中，所述基于所述网络服务器搜索所述查询数据以获取对应的目标数据包括：
[0013]所述网络服务器依据智能搜索引擎提取所述查询数据中的关键词和逻辑顺序；
[0014]依据业务数据库获取包含有所述关键词的同义词、近义词及相关词的语句以作为第一数据集；
[0015]依据所述逻辑顺序搜索所述第一数据集以获取对应的目标数据。
[0016]如此，可通过智能搜索引擎结合查询数据中的关键词和对应的逻辑顺序，更为全面准确的获得与查询数据所对应的目标数据。
[0017]在一些实施例中，所述依据预设的递归评分模型对所述单元字符进行评分以获取
目标数据评分值包括：
[0018]基于预设的递归评分模型计算所述单元字符的评分值以获取一元字符评分值；
[0019]依次迭代拼接各相邻的单元字符以获取m元字符串；
[0020]统计所述m元字符串与所述查询数据重合的最大单元字符数量以获取m元重合统计值；
[0021]基于预设的递归评分模型和所述m元重合统计值获取m元字符评分值；
[0022]对所述一元字符评分值和所述各m元字符评分值进行求和以获取目标数据评分值。
[0023]如此，利用预设的递归评分模型通过依次迭代拼接的方式全面评估各目标数据的拆分字段与查询数据之间的关联性，能够使用户获取到更为准确的目标数据。
[0024]在一些实施例中，所述基于预设的递归评分模型计算所述单元字符的评分值以获取一元字符评分值包括：
[0025]基于字符串匹配算法匹配所述单元字符和所述查询数据以获取匹配结果；
[0026]依据所述匹配结果和所述递归评分模型赋予所述单元字符对应的评分值。
[0027]如此，能够判断所述单元字符是否与所述查询数据相匹配，从而确定代表最小字符单位的所述单元字符所对应的评分值。
[0028]在一些实施例中，所述匹配结果包括匹配成功和匹配失败；所述递归评分模型为Zij＝e^(n
‑
1)，其中，Zij表示第i次迭代拼接时第j个m元字符串的评分值；若所述匹配结果为匹配成功，则所述递归评分模型中的n取值为1；若所述匹配结果为匹配失败，则所述递归评分模型中的n取值为0。
[0029]如此，可以根据所述单元字符是否存在于所述查询数据中而分别赋予不同的评分值，有利于后续迭代过程中对应的字符评分值的计算和区分。
[0030]在一些实施例中，所述统计所述m元字符串与所述查询数据重合的最大单元字符数量以获取m元重合统计值包括：
[0031]依据字符串匹配算法匹配所述m元字符串和所述查询数据以获取m元重合字符数量集；
[0032]统计所述m元重合字符数量集中与所述查询数据重合的最大单元字符数量以作为所述m元重合统计值。
[0033]如此，能够确定每次迭代过程中各m元字符串与所述查询数据重合的单元字符数量，并由此获取每次迭代过程所对应的m元重合统计值，从而能够据此确定迭代过程何时结束，进而获取后续目标数据的评分值。
[0034]在一些实施例中，所述对所述一元字符评分值和所述各m元字符评分值进行求和以获取目标数据评分值之前，所述方法还包括：
[0035]当第i次迭代拼接和第i+1次迭代拼接所对应的m元重合统计值一致时，则结束迭代拼接过程，并对所述一元字符评分值和各m元字符评分值进行求和以获取目标数据评分值；
[0036]当第i次迭代拼接和第i+1次迭代拼接所对应的m元重合统计值不一致时，则继续进行迭代拼接过程。
[0037]如此，可以确定当前的m元重合统计值是否不再增加，由于所述m元重合统计值为
所述m元字符串与所述查询数据重合的最大单元字符数量，因此当所述m元重合统计值不再增加时说明无需再继续进行迭代拼接过程，进而提升迭代拼接过程的效率。
[0038]本申请实施例还提供一种基于人工智能的数据查询装置，包括：
[0039]获取单元，用于依据预设的网络服务器获取用户输入的查询数据；
[0040]搜索单元，用于基于所述网络服务器搜索所述查询数据以获取对应的目标数据；
[0041]切分单元，用于依据预设分隔符对所述目标数据进行切分以获取单元字符；
[0042]评分单元，用于依据预设的递归评分模型对所述单元字符进行评分以获取目标数据评分值；
[0043]展示单元，用于按照所述目标数据评分值由高到低的顺序对所述目标数据进行排序并展示。
[0044]本申请实施例还提供一种电子设备，包括：
[0045]存储器，存储至少一个指令；
[0046]处理器，执行所述存储器中存储的指令以实现所述的基于人工智能的数据查询方法。
[0047]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中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述的基于人工智能的数据查询方法。
附图说明
[0048]图1是本申请所涉及的基于人工智能的数据查询方法的较佳实施例的流程图。
[0049]图2是本申请所涉及的依据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的数据查询方法，其特征在于，包括：依据预设的网络服务器获取用户输入的查询数据；基于所述网络服务器搜索所述查询数据以获取对应的目标数据；依据预设分隔符对所述目标数据进行切分以获取单元字符；依据预设的递归评分模型对所述单元字符进行评分以获取目标数据评分值；按照所述目标数据评分值由高到低的顺序对所述目标数据进行排序并展示。2.如权利要求1所述的基于人工智能的数据查询方法，其特征在于，所述基于所述网络服务器搜索所述查询数据以获取对应的目标数据包括：所述网络服务器依据智能搜索引擎提取所述查询数据中的关键词和逻辑顺序；依据业务数据库获取包含有所述关键词的同义词、近义词及相关词的语句以作为第一数据集；依据所述逻辑顺序搜索所述第一数据集以获取对应的目标数据。3.如权利要求1所述的基于人工智能的数据查询方法，其特征在于，所述依据预设的递归评分模型对所述单元字符进行评分以获取目标数据评分值包括：基于预设的递归评分模型计算所述单元字符的评分值以获取一元字符评分值；依次迭代拼接各相邻的单元字符以获取m元字符串；统计所述m元字符串与所述查询数据重合的最大单元字符数量以获取m元重合统计值；基于预设的递归评分模型和所述m元重合统计值获取m元字符评分值；对所述一元字符评分值和所述各m元字符评分值进行求和以获取目标数据评分值。4.如权利要求3所述的基于人工智能的数据查询方法，其特征在于，所述基于预设的递归评分模型计算所述单元字符的评分值以获取一元字符评分值包括：基于字符串匹配算法匹配所述单元字符和所述查询数据以获取匹配结果；依据所述匹配结果和所述递归评分模型赋予所述单元字符对应的评分值。5.如权利要求4所述的基于人工智能的数据查询方法，其特征在于，所述匹配结果包括匹配成功和匹配失败；所述递归评分模型为Zij＝e
n
‑1，其中，Zij表示第i次迭代拼接时第j个m元字符串的评分值；若所述匹...

【专利技术属性】
技术研发人员：黄日华，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：