[發(fā)明專利]文檔檢索方法、裝置、設備及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202010436162.5 | 申請日： | 2020-05-21 |
| 公開（公告）號： | CN111753048A | 公開（公告）日： | 2020-10-09 |
| 發(fā)明（設計）人： | 何寧秋;劉雙廣 | 申請（專利權）人： | 高新興科技集團股份有限公司 |
| 主分類號： | G06F16/33 | 分類號： | G06F16/33;G06F16/35;G06F16/338;G06F40/289;G06F40/284;G06F40/247 |
| 代理公司： | 廣州三環(huán)專利商標代理有限公司 44202 | 代理人： | 麥小嬋;郝傳鑫 |
| 地址： | 510670 廣東省廣州*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 文檔 檢索 方法 裝置 設備 存儲 介質(zhì) | ||
1.一種文檔檢索方法，其特征在于，包括：
接收用戶的文檔檢索請求；其中，所述文檔檢索請求中包括用戶輸入的檢索關鍵詞；
根據(jù)所述檢索關鍵詞，從預設的文檔數(shù)據(jù)庫中檢索出候選文檔集；
通過預先訓練好的分類模型計算所述候選文檔集的各個文檔歸屬于所述檢索關鍵詞所屬類別的概率；
基于TextRank算法，計算所述檢索關鍵詞在所述候選文檔集的各個文檔中的權值；
根據(jù)所述候選文檔集的各個文檔歸屬于所述檢索關鍵詞所屬類別的概率，以及所述檢索關鍵詞在所述候選文檔集的各個文檔中的權值，計算所述候選文檔集的各個文檔的排序權重；
根據(jù)所述候選文檔集的各個文檔的排序權重對所述候選文檔集進行排序，得到排序后的候選文檔集；
根據(jù)所述排序后的候選文檔集，生成文檔檢索結(jié)果。
2.如權利要求1所述的文檔檢索方法，其特征在于，所述根據(jù)所述檢索關鍵詞，從預設的文檔數(shù)據(jù)庫中檢索出候選文檔集，具體包括：
獲取所述檢索關鍵詞對應的關鍵詞表；其中，所述關鍵詞表包括所述檢索關鍵詞和所述檢索關鍵詞對應的同義詞；
根據(jù)所述關鍵詞表，從預設的文檔數(shù)據(jù)庫中檢索出候選文檔集。
3.如權利要求2所述的文檔檢索方法，其特征在于，所述通過預先訓練好的分類模型計算所述候選文檔集的各個文檔歸屬于所述檢索關鍵詞所屬類別的概率之前，還包括步驟：
對所述候選文檔集進行抽樣篩選，得到訓練樣本集；
獲取所述訓練樣本集的各個文檔對應的標注信息；
根據(jù)所述訓練樣本集的各個文檔及其對應的標注信息訓練分類模型，生成所述預先訓練好的分類模型。
4.如權利要求3所述的文檔檢索方法，其特征在于，所述根據(jù)所述訓練樣本集的各個文檔及其對應的標注信息訓練分類模型，生成所述預先訓練好的分類模型，具體包括：
基于所述關鍵詞表，對所述訓練樣本集的各個文檔進行分詞、去停用詞和替代同義詞處理，得到所述訓練樣本集的各個文檔對應的詞特征數(shù)據(jù)；
對所述訓練樣本集的各個文檔對應的詞特征數(shù)據(jù)進行詞頻和逆文檔頻率統(tǒng)計，得到所述訓練樣本集的各個文檔中的每個詞特征對應的TF-IDF值；
根據(jù)位置特征評估函數(shù)，對所述訓練樣本集的各個文檔對應的詞特征數(shù)據(jù)進行位置特征評估，得到所述訓練樣本集的各個文檔中的每個詞特征對應的位置特征評估值；
根據(jù)所述訓練樣本集的各個文檔中的每個詞特征對應的TF-IDF值和位置特征評估值進行特征值計算，得到所述訓練樣本集的各個文檔中的每個詞特征對應的特征值；
根據(jù)所述訓練樣本集的各個文檔中的每個詞特征對應的特征值，生成所述訓練樣本集對應的特征矩陣；
根據(jù)所述訓練樣本集對應的特征矩陣及所述訓練樣本集的各個文檔對應的標注信息訓練分類模型，生成所述預先訓練好的分類模型。
5.如權利要求2所述的文檔檢索方法，其特征在于，所述通過預先訓練好的分類模型計算所述候選文檔集的各個文檔歸屬于所述檢索關鍵詞所屬類別的概率，具體包括：
基于所述關鍵詞表，對所述候選文檔集的各個文檔進行分詞、去停用詞和替代同義詞處理，得到所述候選文檔集的各個文檔對應的詞特征數(shù)據(jù)；
對所述候選文檔集的各個文檔對應的詞特征數(shù)據(jù)進行詞頻和逆文檔頻率統(tǒng)計，得到所述候選文檔集的各個文檔中的每個詞特征對應的TF-IDF值；
根據(jù)位置特征評估函數(shù)，對所述候選文檔集的各個文檔對應的詞特征數(shù)據(jù)進行位置特征評估，得到所述候選文檔集的各個文檔中的每個詞特征對應的位置特征評估值；
根據(jù)所述候選文檔集的各個文檔中的每個詞特征對應的TF-IDF值和位置特征評估值進行特征值計算，得到所述候選文檔集的各個文檔中的每個詞特征對應的特征值；
根據(jù)所述候選文檔集的各個文檔中的每個詞特征對應的特征值，生成所述候選文檔集對應的特征矩陣；
將所述候選文檔集對應的特征矩陣輸入至預先訓練好的分類模型，生成所述候選文檔集的各個文檔歸屬于所述檢索關鍵詞所屬類別的概率。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于高新興科技集團股份有限公司，未經(jīng)高新興科技集團股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010436162.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
