[發明專利]基于BERT的偽相關反饋模型信息檢索方法及系統

有效

• 申請號: 201910546934.8
• 申請日: 2019-06-24
• 公開（公告）號: CN110442777B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 何婷婷;王俊美;潘敏;王雪彥;黃翔;應志為
• 申請（專利權）人: 華中師范大學
• 主分類號: G06F16/9532
• 分類號: G06F16/9532;G06F16/332;G06F40/211
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種基于BERT的偽相關反饋模型信息檢索方法，其特征在于：包括以下操作，

在偽相關反饋的第一輪檢索中，首先通過BM25模型對目標文檔集合D進行評估，得到文檔的BM25得分，篩選出得分前a篇文檔，記為文檔集合D′，再通過BERT模型對文檔集合D′中文檔再次進行評估，得到文檔的BERT得分；其中，a為預設的取值；

將通過BM25檢索模型和BERT模型得到的文檔得分線性融合，得到最終的文檔得分，取得分最高的前N篇文檔作為偽相關文檔集合D₁；基于偽相關文檔集合D₁進行查詢擴展選出候選擴展詞，再通過BERT句子語義相似度優化候選擴展詞，得到最終的擴展詞；其中，N為預設的取值；

最終的擴展詞與原始查詢Q結合，生成新的查詢關鍵詞集合，以BM25模型對目標文檔集合D進行第二輪檢索，得到最終的檢索結果。

2.根據權利要求書1所述基于BERT的偽相關反饋模型信息檢索方法，其特征在于：設置a＝2000。

3.根據權利要求書1所述基于BERT的偽相關反饋模型信息檢索方法，其特征在于：評估文檔得到BERT得分，實現方式包括將文檔集合D′中的每篇文檔分成單獨的句子，根據BERT模型計算每個句子的得分，每篇文檔選得分最高的b個句子求得分之和作為該文檔的得分；其中，b為預設的取值。

4.根據權利要求書3所述基于BERT的偽相關反饋模型信息檢索方法，其特征在于：b取值為4。

5.根據權利要求書1所述基于BERT的偽相關反饋模型信息檢索方法，其特征在于：采用Rocchio算法，基于偽相關文檔集合D₁進行查詢擴展選出候選擴展詞。

6.根據權利要求書1或2或3或4或5所述基于BERT的偽相關反饋模型信息檢索方法，其特征在于：所述根據BERT句子語義相似度優化候選擴展詞，包括將候選擴展詞的BERT語義相似度得分，線性融合到通過查詢擴展選出的候選擴展詞的得分上，按得分高低重新排序，取前n₁個詞作為最終擴展詞；其中，n₁為預設的取值。

7.根據權利要求書6所述基于BERT的偽相關反饋模型信息檢索方法，其特征在于：每個擴展候選詞的BERT語義相似度得分，等于該詞所在的所有句子相應BERT模型所得句子得分的累加和。

8.一種基于BERT的偽相關反饋模型信息檢索系統，其特征在于：用于執行如權利要求1-7所述基于BERT的偽相關反饋模型信息檢索方法。