[發明專利]信息檢索方法、裝置、設備及計算機可讀存儲介質

有效

• 申請號: 202010741737.4
• 申請日: 2020-07-29
• 公開（公告）號: CN111753060B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 翟彬旭;張雨春;翁澤峰;張東于;范云霓
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F16/31;G06F40/30;G06N3/0464;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉星雨;張穎玲

本申請實施例提供一種信息檢索方法、裝置、設備及計算機可讀存儲介質，其中，方法包括：對接收到的信息檢索請求中的待檢索信息進行文本分割處理，得到至少兩個字段；獲取所述待檢索信息的特征向量和每一字段的子特征向量；在預設的全量文本空間內，根據所述特征向量對預設文本庫中的文本進行第一聚類處理，得到第一數量的候選文本；在預設的子文本空間內，根據所述子特征向量對所述第一數量的候選文本進行第二聚類處理，得到第二數量的召回文本；將所述召回文本作為所述信息檢索請求的檢索結果，輸出所述檢索結果。通過本申請實施例，能夠根據文本的語義相關度，靈活的度量待檢索信息與召回文本之間的相似度，提高信息檢索系統的檢索準確性。

技術領域

本申請實施例涉及互聯網技術領域，涉及但不限于一種信息檢索方法、裝置、設備及計算機可讀存儲介質。

背景技術

從信息檢索中相關度計算的角度，可以將文本檢索方法大致分為基于文字、基于結構和基于用戶信息的檢索等幾類方法，其中，基于文字的檢索方法中包括基于概率論的檢索方法。

相關技術中，基于文字和基于概率論檢索的概率模型和語言模型主要包括：BM25(是信息索引領域用來計算查詢信息與文檔相似度得分的一種算法)、深度語義結構模型(DSSM，Deep?Semantic?Structured?Model)、多粒度卷積神經網絡(MultiGranCNN，MultiGran?Convolutional?Neural?Networks)和構造匹配矩陣(MatchPyramid)。

但是，相關技術中的概率模型和語言模型過于關注詞共現的重要度，無法處理文本的語義相關性，且無法區分不同上下文中局部化信息的重要性，對相似度的度量不夠靈活。

發明內容

本申請實施例提供一種信息檢索方法、裝置、設備及計算機可讀存儲介質，通過依次在預設的全量文本空間和預設的子文本空間內，分別進行第一聚類處理和第二聚類處理，得到待檢索信息的召回文本，從而能夠根據文本的語義相關度，區分局部化信息的重要性，靈活的度量待檢索信息與召回文本之間的相似度，提高信息檢索系統的準確性和容錯性。

本申請實施例的技術方案是這樣實現的：

本申請實施例提供一種信息檢索方法，包括：

對接收到的信息檢索請求中的待檢索信息進行文本分割處理，得到至少兩個字段；

獲取所述待檢索信息的特征向量和每一字段的子特征向量；

在預設的全量文本空間內，根據所述特征向量對預設文本庫中的文本進行第一聚類處理，得到第一數量的候選文本；

在預設的子文本空間內，根據所述子特征向量對所述第一數量的候選文本進行第二聚類處理，得到第二數量的召回文本；

將所述召回文本作為所述信息檢索請求的檢索結果，輸出所述檢索結果。

本申請實施例提供一種信息檢索裝置，包括：

文本分割模塊，用于對接收到的信息檢索請求中的待檢索信息進行文本分割處理，得到至少兩個字段；

獲取模塊，用于獲取所述待檢索信息的特征向量和每一字段的子特征向量；

第一聚類處理模塊，用于在預設的全量文本空間內，根據所述特征向量對預設文本庫中的文本進行第一聚類處理，得到第一數量的候選文本；

第二聚類處理模塊，用于在預設的子文本空間內，根據所述子特征向量對所述第一數量的候選文本進行第二聚類處理，得到第二數量的召回文本；

處理模塊，用于將所述召回文本作為所述信息檢索請求的檢索結果，輸出所述檢索結果。

本申請實施例提供一種信息檢索設備，包括：