CN120196802A 一种用于车载系统的搜索方法、系统、存储介质

(19)国家知识产权局(10)申请公布号CN120196802A(21)申请号202510691051.1(71)申请人央广智能网联汽车数字媒体(上海)有限公司地址200000上海市浦东新区自由贸易试验区新金桥路27号13号楼2楼(72)发明人刘华周宏波林淼王卫萍叶韩明陆方舟王浩刘祝峰(74)专利代理机构上海申意诚专利代理有限公司3100601专利代理师王乾(54)发明名称一种用于车载系统的搜索方法、系统、存储介质(57)摘要本申请实施例提供一种用于车载系统的搜所述搜索指令包括：初始文本特征；所述环境特征用于表征车辆实时状态；所述用户特征用于表征用户历史行为；对所述初始文本特征进行语义泛化处理，生成文本特征合集；将所述文本特征合集、所述环境特征和所述用户特征融合为融合向量；基于所述文本特征合集进行第一召回，生成第一候选集；基于所述融合向量进行第二召回，生成第二候选集；根据预设的融合权重策响应接索指令，获取环境特征和用户特征，搜本特征；环境特征用于表征车辆实时状态；用户特征用历史行为对初始文本特征进行语义泛化处理，生成文本将文本特征合集、环境特征和用户特征融合根据预设的融合权重策略，对第一候选集和第二候选集进行融合与2响应搜索指令，获取环境特征和用户特征，所述搜索指令包括：初始文本特征；所述环境特征用于表征车辆实时状态；所述用户特征用于表征用户历史行为；对所述初始文本特征进行语义泛化处理，生成文本特征合集；将所述文本特征合集、所述环境特征和所述用户特征融合为融合向量；基于所述文本特征合集进行第一召回，生成第一候选集；基于所述融合向量进行第二召回，生成第二候选集；根据预设的融合权重策略，对所述第一候选集和所述第二候选集进行融合与排序，生成搜索合集。2.根据权利要求1所述的用于车载系统的搜索方法，其特征在于，所述对所述初始文本特征进行语义泛化处理，生成文本特征合集包括：通过提示词模型对所述初始文本特征进行意图识别，生成意图信息，所述意图信息包括基础意图和主题意图；对所述基础意图进行同义词扩展，生成第一同义词合集；对所述主题意图进行同义词扩展，生成第二同义词合集；基于所述第一同义词合集和所述第二同义词合集，生成所述文本特征合集。3.根据权利要求2所述的用于车载系统的搜索方法，其特征在于，所述对所述主题意图进行同义词扩展，生成第二同义词合集包括：根据所述用户特征和所述主题意图生成召回提示词；将所述召回提示词输入预设的扩展模型，生成第二同义词合集。4.根据权利要求2所述的用于车载系统的搜索方法，其特征在于，所述对所述主题意图进行同义词扩展，生成第二同义词合集包括：将所述主题意图输入预设的扩展模型，生成通用同义词合集；计算所述通用同义词合集中的同义词与所述用户特征之间的相关度；基于所述相关度在所述通用同义词合集中筛选出所述第二同义词合集；所述第二同义词合集中的同义词的相关度大于所述通用同义词合集中其他同义词的相关度。5.根据权利要求2所述的用于车载系统的搜索方法，其特征在于，所述基于所述文本特征合集进行第一召回，生成第一候选集包括：针对所述第一同义词合集限定召回范围；针对所述第二同义词合集在所述召回范围内进行关键词匹配，生成所述第一候选集。6.根据权利要求1所述的用于车载系统的搜索方法，其特征在于，所述将所述文本特征合集、所述环境特征和所述用户特征融合为融合向量包括：将所述文本特征合集转换为文本特征向量，将所述环境特征转换为环境特征向量，将所述用户特征转换为用户特征向量；对所述文本特征向量、环境特征向量以及用户特征向量进行加权融合，生成融合向量。7.根据权利要求6所述的用于车载系统的搜索方法，其特征在于，所述基于所述融合向量进行第二召回，生成第二候选集包括：计算所述融合向量与预先构建的资源向量库中的各个资源向量之间的相似度；在所述资源向量库中筛选所述相似度大于预设相似度的目标资源向量；3基于所述目标资源向量对应的资源，生成所述第二候选集。8.根据权利要求1所述的用于车载系统的搜索方法，其特征在于，所述环境特征包括：车辆状态参数、交互时机参数；所述第一候选集所包含多个候选资源，每个候选资源对应有第一得分，所述第二候选集包含多个候选资源，每个候选资源对应有第二得分；所述根据预设的融合权重策略，对所述第一候选集和所述第二候选集进行融合与排将所述第一候选集的各所述候选资源的第一得分和所述第二候选集中的各所述候选资源的第二得分进行归一化处理；获取所述车辆状态参数和交互时机参数，并确认当前交互可靠性；在所述交互可靠性低于预设阈值时，降低第一候选集中各候选资源的权重，增大第二候选集中各候选资源的权重，并基于所述第一候选集中各候选资源的权重和归一化处理后的所述第一得分生成对应的融合得分，基于所述第二候选集中各候选资源的权重和归一化处理后的所述第二得分生成对应的融合得分；或，在所述交互可靠性高于或者等于预设阈值时，提高第一候选集中各候选资源的权重，降低第二候选集中各候选资源的权重，并基于所述第一候选集中各候选资源的权重和归一化处理后的所述第一得分生成对应的融合得分，基于所述第二候选集中各候选资源的权重和归一化处理后的所述第二得分生成对应的融合得分；基于所述融合得分统一对所述第一候选集和所述第二候选集中的各候选资源进行排响应模块，用于响应搜索指令，获取环境特征和用户特征，所述搜索指令包括：初始文本特征；所述环境特征用于表征车辆实时状态；所述用户特征用于表征用户历史行为；语义处理模块，用于对所述初始文本特征进行语义泛化处理，生成文本特征合集；向量转换模块，用于将所述文本特征合集、所述环境特征和所述用户特征融合为融合第一召回模块，用于基于所述文本特征合集进行第一召回，生成第一候选集；第二召回模块，用于基于所述融合向量进行第二召回，生成第二候选集；融合模块，用于根据预设的融合权重策略，对所述第一候选集和所述第二候选集进行10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1-8中任一项所述的用于车载系统的搜索方法中的步骤。4一种用于车载系统的搜索方法、系统、存储介质技术领域[0001]本申请涉及车载系统的技术领域，具体涉及一种用于车载系统的搜索方法、系统、存储介质。背景技术[0002]随着智能网联汽车的发展，车载系统日益成为用户获取导航、媒体、服务等信息的重要交互入口。车载搜索作为其中的核心功能之一，直接影响用户在驾驶过程中的信息获取效率与体验。现有的车载系统多采用基于关键词匹配的传统信息检索架构，典型代表如基于倒排索引的Elasticsearch(ES)系统，结合BM25、TF-IDF等经典统计模型实现搜索排[0003]然而，用户驾驶过程中注意力有限，交互窗口短，传统信息检索架构应用车载系统中存在召回率低、结果相关性差等问题。发明内容[0004]本申请实施例提供一种用于车载系统的搜索方法、系统、存储介质，能够提高用于车载系统的搜索系统的召回率和结果相关性。响应搜索指令，获取环境特征和用户特征，所述搜索指令包括：初始文本特征；所述环境特征用于表征车辆实时状态；所述用户特征用于表征用户历史行为；对所述初始文本特征进行语义泛化处理，生成文本特征合集；将所述文本特征合集、所述环境特征和所述用户特征融合为融合向量；基于所述文本特征合集进行第一召回，生成第一候选集；基于所述融合向量进行第二召回，生成第二候选集；根据预设的融合权重策略，对所述第一候选集和所述第二候选集进行融合与排[0006]在其中一些实施例中，对所述初始文本特征进行语义泛化处理，生成文本特征合集包括：通过提示词模型对所述初始文本特征进行意图识别，生成意图信息，所述意图信息包括基础意图和主题意图；对所述基础意图进行同义词扩展，生成第一同义词合集；对所述主题意图进行同义词扩展，生成第二同义词合集；基于所述第一同义词合集和所述第二同义词合集，生成所述文本特征合集。[0007]在其中一些实施例中，所述对所述主题意图进行同义词扩展，生成第二同义词合集包括：根据所述用户特征和所述主题意图生成召回提示词；将所述召回提示词输入预设的扩展模型，生成第二同义词合集。5[0008]在其中一些实施例中，所述对所述主题意图进行同义词扩展，生成第二同义词合集包括：将所述主题意图输入预设的扩展模型，生成通用同义词合集；计算所述通用同义词合集中的同义词与所述用户特征之间的相关度；基于所述相关度在所述通用同义词合集中筛选出所述第二同义词合集；所述第二同义词合集中的同义词的相关度大于所述通用同义词合集中其他同义词的相关度。[0009]在其中一些实施例中，所述基于所述文本特征合集进行第一召回，生成第一候选集包括：针对所述第一同义词合集限定召回范围；针对所述第二同义词合集在所述召回范围内进行关键词匹配，生成所述第一候选集。[0010]在其中一些实施例中，所述将所述文本特征合集、所述环境特征和所述用户特征融合为融合向量包括：将所述文本特征合集转换为文本特征向量，将所述环境特征转换为环境特征向量，将所述用户特征转换为用户特征向量；对所述文本特征向量、环境特征向量以及用户特征向量进行加权融合，生成融合向量。[0011]在其中一些实施例中，所述基于所述融合向量进行第二召回，生成第二候选集包计算所述融合向量与预先构建的资源向量库中的各个资源向量之间的相似度；在所述资源向量库中筛选所述相似度大于预设相似度的目标资源向量；基于所述目标资源向量对应的资源，生成所述第二候选集。[0012]在其中一些实施例中，所述环境特征包括：车辆状态参数、交互时机参数；所述第一候选集所包含多个候选资源，每个候选资源对应有第一得分，所述第二候选集包含多个候选资源，每个候选资源对应有第二得分；所述根据预设的融合权重策略，对所述第一候选集和所述第二候选集进行融合与将所述第一候选集的各所述候选资源的第一得分和所述第二候选集中的各所述候选资源的第二得分进行归一化处理；获取所述车辆状态参数和交互时机参数，并确认当前交互可靠性；在所述交互可靠性低于预设阈值时，降低第一候选集中各候选资源的权重，增大第二候选集中各候选资源的权重，并基于所述第一候选集中各候选资源的权重和归一化处理后的所述第一得分生成对应的融合得分，基于所述第二候选集中各候选资源的权重和归一化处理后的所述第二得分生成对应的融合得分；或，在所述交互可靠性高于或者等于预设阈值时，提高第一候选集中各候选资源的权重，降低第二候选集中各候选资源的权重，并基于所述第一候选集中各候选资源的权重和归一化处理后的所述第一得分生成对应的融合得分，基于所述第二候选集中各候选资源的权重和归一化处理后的所述第二得分生成对应的融合得分；基于所述融合得分统一对所述第一候选集和所述第二候选集中的各候选资源进6响应模块，用于响应搜索指令，获取环境特征和用户特征，所述搜索指令包括：初始文本特征；所述环境特征用于表征车辆实时状态；所述用户特征用于表征用户历史行为；语义处理模块，用于对所述初始文本特征进行语义泛化处理，生成文本特征合集；向量转换模块，用于将所述文本特征合集、所述环境特征和所述用户特征融合为融合向量；第一召回模块，用于基于所述文本特征合集进行第一召回，生成第一候选集；第二召回模块，用于基于所述融合向量进行第二召回，生成第二候选集；融合模块，用于根据预设的融合权重策略，对所述第一候选集和所述第二候选集[0014]第三方面，本实施例还提供一种计算机可算机程序被处理器进行加载，以执行上述实施例中任一项的用于车载系统的搜索方法中的有益效果[0015]本申请公开的用于车载系统的搜索方法提出一种双通路召回方法，通过对搜索指令进行语义泛化处理，结合用户历史特征与车辆当前环境特征，分别进行关键词召回与融合向量召回，并引入基于交互可靠性评分的权重调控机制对召回结果进行加权融合排序，从而在不同驾驶场景中均可实现高相关性、高鲁棒性与高响应性的搜索结果输出。附图说明[0016]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单地介绍，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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附[0017]图1是本申请一些实施例提供的用于车载系统的搜索方法的流程示意图一；图2是本申请一些实施例提供的用于车载系统的搜索方法的流程示意图二；图3是本申请一些实施例提供的用于车载系统的搜索方法的流程示意图三。具体实施方式[0018]下面将结合本申请实施例中的附图，对本申请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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，7为指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”、个”的含义是两个或两个以上，除非另有明确具体的限定。为“基于”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本申请的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。[0023]如背景技术所述，传统车载系统的搜索架构应用存在技术瓶颈，具体地，用户驾驶过程中注意力有限，因而发出的搜索指令往往准确度不足且信息量有限。当用户表达不规范、指令口语化，或搜索词与目标内容缺乏显性匹配时，传统车载系统的搜索架构容易出现召回不全、结果不相关等问题，上述不足不仅严重削弱了搜索体验，还会分散驾驶者注意[0024]参照图1,本申请实施例提供了一种用于车载系统的搜索方法，包括：境特征用于表征车辆实时状态；用户特征用于表征用户历史行为；S200、对初始文本特征进行语义泛化处理，S300、将文本特征合集、环境特征和用户特S400、基于文本特征合集进行第一召回，生成第一候选集；S600、根据预设的融合权重策略，对第一候选集和第二候选集进行融合与排序，生成搜索合集。[0025]在步骤S100中，响应搜索指令，获取环境特征和用户特征，搜索指令包括：初始文本特征；环境特征用于表征车辆实时状态；用户特征用于表征用户历史行为。[0026]在本申请实施例中，搜索指令可以通过文本输入的方式输入、也可以通过语音输入的方式输入，车载系统的搜索系统能够对不同形式的输入进行统一解析与处理，获取搜索指令中包括的初始文本特征。[0027]在接收并响应搜索指令后，车载系统的搜索系统能够获取环境特征和用户特征。环境特征包括但不限于：车辆状态参数、交互时机参数、时间参数等。车辆状态参数包括但不限于车辆当前位置信息、当前车速、当前加速度等。时间参数包括当前时间信息。交互时机参数包括：交互高峰期和交互低峰期；交互高峰期用于表示用户注意力较为集中、处于空闲可交互状态的阶段。交互低峰期用于表示用于注意力受限、驾驶任务优先级较高的阶段。8比如，交互高峰期可以为：上车初期(车辆刚解锁并启动完成后的前0~30秒)、车辆静止期间车辆静止≥10秒)等；交互低峰期可以为：行驶期间。用户特征包括但不限于用户历史行[0028]在步骤S200中，对初始文本特征进行语义泛化处理，生成文本特征合集。[0029]参照图2,在本申请实施例中，通过下述步骤生成文本特征合集，具体地：S201、通过提示词模型对初始文本特征进行意图识别，生成意图信息，意图信息包括基础意图和主题意图；S204、基于第一同义词合集和第二同义词合集，生成文本特征合集。[0030]具体地，基础意图表示用户欲执行的操作类型，通常为动词性表达。如用户输入但不限于["播放","听","来点","播一下","放首歌"]。主题意图表示用户感兴趣的内容主体，通常为名词性或短语结构。如用户输入“我想听周某某的安静”,主题意图为“周某某的安静”,第二同义词合集包括但不限于[“周某某的安静”,"安静","抒情",”安静的歌","周某某","华语流行”]。生成的文本特征合集可以为对第一同义词合集和第二同义词合集交叉组合生成短语结构的特征表达，如["播放安静","播放周某某","播放抒情歌曲","来点安静","听周某某","来点华语流行”],也可以分别保留所述第一同义词合集与第二同义词合集的结构，也可以同时存在上述两种形式的文本特征合集。[0031]值得一提的是，本申请实施例中，第一同义词合集和第二同义词合集中包含的同义词具有不同的颗粒度，比如，第二同义词合集中的，细粒度表留完整指向性)为“周某某的安静”;中粒度表达(抽象出部分语义关键词)为“安静”、"抒情"、"安静的歌"、"周某某";粗粒度表达(泛化到语义类别或内容风格)为"华语流行”。[0032]进一步地，生成第二同义词合集时，还可以基于用户特征和主题意图共同生成第二同义词合集，在一些实施例中，通过下述步骤生成第二同义词合集：根据用户特征和主题意图生成召回提示词；将召回提示词输入预设的扩展模型，生成第二同义词合集。用户画像信息为：30-40岁，则可以基于上述主题意图和用于特征生成召回提示词[用户偏乐；请基于上述信息，扩展与“轻音乐”相关的关键词],并将上述召回提示词输入预设的扩展模型中，生成第二同义词合集。扩展模型可以为支持提示词输入的轻量化的生成模型。[0034]在一些其他实施例中，通过下述步骤生成第二同义词合集：将主题意图输入预设的扩展模型，生成通用同义词合集；计算通用同义词合集中的同义词与用户特征之间的相关度；基于相关度在通用同义词合集中筛选出第二同义词合集；第二同义词合集中的同义词的相关度大于通用同义词合集中其他同义词的相关度。9词扩展，生成通用同义词合集：["放松音乐”,"纯音乐”,"背景音乐”,"钢琴曲","爵士","小夜曲","Lo-fi","睡眠旋律"];用户特征中，用户兴趣标签为：爵士、钢琴、小夜个通用同义词，计算其与用户兴趣标签和用户历史行为记录之间的语义相关度(可用向量余弦相似度或基于规则打分)。筛选出第二同义词合集即为["钢琴曲","爵士","小夜[0036]上述两种生成第二同义词合集的实施例中，均将用户特征引入主题意图的同义词扩展环节，能够提高第一召回时，第一候选集的精确性。同时，用户输入搜索指令时经常具有模糊性和不完整性(如“来点轻的”),或者存在非标准口语表达。本方案通过泛化和个性验的一致性。[0037]在步骤S400中，基于文本特征合集进行第一召回，生成第一候选集。在本申请实施例中，具体通过下述步骤生成第一候选集：针对第一同义词合集限定召回范围；针对第二同义词合集在召回范围内进行关键词匹配，生成第一候选集。[0038]具体地，前述公开生成的文本特征合集的时提到文本特征合集可以分别保留所述第一同义词合集与第二同义词合集的结构。本实施例利用保留所述第一同义词合集与第二同义词合集的结构的文本特征合集，首先以基础意图识别所生成的第一同义词合集作为行为限定条件，对资源库中的索引字段或语义标签进行筛选，限定召回范围。示例：当基础意图为“听”,第一同义词合集为["播放","听","来点","播一下"],则系统在召回资源时，仅检索媒体类资源(如歌曲、专辑、电台),而非导航、问答或服务类资源的召回范围内，对第二同义词合集中的同义词进行关键词匹配，筛选出相关度高的候选资源构成第一候选集。示例：第二同义词合集为["周某某","安静","抒情","小夜曲","爵士"],可以基于ES(Elasticsearch)倒排索引的精确匹配或模糊匹配(Fuzzy),并使用BM25、TF-IDF或定制化打分机制对候选资源打分排序，最后得分高于预设阈值的候选资源将被纳入第一候选集，用于后续的融合排序。[0039]在步骤S300中，将文本特征合集、环境特征和用户特征融合为融合向量；在步骤述步骤形成融合向量：将文本特征合集转换为文本特征向量，将环境特征转换为环境特征向量，将用户特征转换为用户特征向量；对文本特征向量、环境特征向量以及用户特征向量进行加权融合，生成融合向量。[0040]具体地，文本特征合集可以通过预设的文本编码模型(如BERT、SBERT、SimCSE等轻量语义模型)生成对应的文本特征向量V-text。环境特征(包括车辆状态参数、交互时机参数、时间参数等)可以编码为数值型特征后，输入至嵌入模型或使用多维归一化方法生成环境特征向量V-env。用户特征(包括用户历史行为记录、用户兴趣标签、用户画像信息、历史地理行为特征等)可以转换为固定维度的向量表示，转换方式包括但不限于基于标签向[0041]对文本特征向量、环境特征向量以及用户特征向量进行加权融合，生成融合向量时，三种向量的维度可能不同，文本特征向量V-text可能为128维，环境特征向量V-env可能为64维，用户特征向量V-user可能为64维，需要先将三种向量通过线性变换映射为相同维+β*V-env+γ*V-user,其中α、β、γ可为预设固定值(如0.6,0.15,0.25)。[0042]在传统的车载系统的搜索系统中，单靠文本向量，容易遗漏用户真实意图，在第二搜索系统可根据其偏好召回不同资源，例如“播放轻音乐”,有人喜欢“钢琴曲”,有人喜欢[0043]在本申请实施例中，通过下述步骤形成生成第二候选集：计算融合向量与预先构建的资源向量库中的各个资源向量之间的相似度；在资源向量库中筛选相似度大于预设相似度的目标资源向量；基于目标资源向量对应的资源，生成第二候选集。[0044]在预先构建的资源向量库中对资源库中的各类目标资源(如歌曲、专辑、新闻、电台节目等)进行统一编码，将每个资源内容(包括标题、标签、描述字段等)转换为固定维度的资源语义向量。计算融合向量与预先构建的资源向量库中的各个资源向量之间的相似度时，可以通过余弦相似度计算。相比于第一召回，第二召回通过进行同义词扩展后的文本特征、环境特征和用户特征后的向量表达，能捕捉到更深层次、隐性关联的语义，能有效补全用户输入不完整、关键词缺失或表达模糊情况下的检索结果。[0045]参照图3,在步骤S600中根据预设的融合权重策略，对第一候选集和第二候选集进[0046]具体地，第一候选集所包含多个候选资源，每个候选资源对应有第一得分，第二候选集包含多个候选资源，每个候选资源对应有第二得分。本申请实施例基于下述步骤生成搜索合集：S601、将第一候选集的各候选资源的第一得分和第二候选集中的各候选资源的第二得分进行归一化处理；S602、获取车辆状态参数和交互时机参数，并确认当前交互可靠性；S603、在交互可靠性低于预设阈值时，降低第一候选集中各候选资源的权重，增大第二候选集中各候选资源的权重，并基于第一候选集中各候选资源的权重和归一化处理后的第一得分生成对应的融合得分，基于第二候选集中各候选资源的权重和归一化处理后的S604、在交互可靠性高于或者等于预设阈值时，提高第一候选集中各候选资源的权重，降低第二候选集中各候选资源的权重，并基于第一候选集中各候选资源的权重和归一化处理后的第一得分生成对应的融合得分，基于第二候选集中各候选资源的权重和归一化处理后的第二得分生成对应的融合得分；S605、基于融合得分统一对第一候选集和第二候选集中的各候选资源进行排序，生成搜索合集。[0047]具体地，第一候选集中的候选资源和第二候选集中的候选资源通过不同的召回路径召回，通过分别对第一候选集中各候选资源的第一得分和第二候选集中各候选资源的第11二得分进行归一化处理，可以消除不同召回路径中评分互高峰期可以为：上车初期(车辆刚解锁并启动完成后的前0~30秒)、车辆静止期间车辆能在急加速/急刹)对应0.4。通过线性加权，当前车速的权重为0.6,当前加速度的权重为0.4,通过R-vehicle=0.6×f(speed)+0.4×f(acceleration)即可确定车辆状态参数用于评估交互可靠性的评分R-vehicle,f(speed)表示当前车速的评分，f可靠性的综合评分R-interact,其中R-context表示交互时机参数的评分。在一些实施例不完整或噪声干扰，故应弱化对第一召回得到的第一候[0052]比如，第一候选集中命中资源“周某某·安静”,融合得分0.81;第二候选集中同样命中该资源，融合得分0.74;可以基于融合得分的权