[發明專利]信息檢索方法和裝置

在審

• 申請號: 202011004734.9
• 申請日: 2020-09-22
• 公開（公告）號: CN112182239A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 聶砂;鄭江;白彧斐;賈國琛;羅奕康
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/33;G06F40/295;G06F40/284
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 李陽;王志遠

本發明公開了一種信息檢索方法和裝置，涉及計算機技術領域。該方法的一具體實施方式包括：獲取待檢索文本；識別所述待檢索文本中的待檢索實體；將所述待檢索實體與預設的政策圖譜知識庫中的實體進行匹配，獲得與所述待檢索文本對應的多個檢索結果，基于所述多個檢索，獲得第一結果集。該實施方式利用政策圖譜知識庫對現有政策檢索方案進行增強，解決了現有技術搜不到和搜不全的問題，可以給用戶返回更全面、準確的搜索結果，并提高了檢索準確度。

技術領域

本發明涉及計算機技術領域，尤其涉及一種信息檢索方法和裝置。

背景技術

針對搜索政策的場景，很多情況下用戶面臨者搜不到、搜不準、搜不全的情況。其中，主要原因是因為絕大部分的搜索引擎是根據用戶搜索的語句進行分詞后，將分詞后得到的若干個詞語作為關鍵詞進行搜索。若用戶輸入的詞語并沒有在全文中出現，搜索不會返回任何結果。這種方法依賴搜索詞語的精準程度，日常生活用語被寫入政策作為公文的概率很小，所以導致搜索困難。此外，采用關鍵詞匹配的檢索方法也無法解決語義搜索的困境。

發明內容

有鑒于此，本發明實施例提供一種信息檢索方法和裝置，能夠利用政策圖譜知識庫對現有政策檢索方案進行增強，解決了現有技術搜不到和搜不全的問題，可以給用戶返回更全面、準確的搜索結果，并提高了檢索準確度；根據待檢索文本與檢索結果的相關度和待檢索文本的語義，對檢索結果進行排序，不僅解決了現有技術中無法解決的語義問題，還讓檢索結果的排序更符合用戶搜索的期望。

為實現上述目的，根據本發明實施例的一個方面，提供了一種信息檢索方法，包括：

獲取待檢索文本；

識別所述待檢索文本中的待檢索實體；

將所述待檢索實體與預設的政策圖譜知識庫中的實體進行匹配，獲得與所述待檢索文本對應的多個檢索結果，基于所述多個檢索結果，獲得第一結果集。

可選地，所述待檢索實體包括待檢索命名實體和待檢索內容實體；

識別所述待檢索文本中的待檢索實體包括：

利用預設的識別模型識別所述待檢索文本中的待檢索命名實體；

利用詞頻逆文本頻率算法，確定所述待檢索文本中的待檢索內容實體。

可選地，所述方法還包括根據如下過程獲得所述預設的識別模型：

獲取訓練數據，并對所述訓練數據中的樣本進行標注，以標注出所述樣本的命名實體；

將標注后的訓練數據輸入預設的基于變換器的雙向編碼表征量模型，得到所述標注后的訓練數據的字向量，訓練所述字向量，得到所述預設的識別模型。

可選地，對所述訓練數據中的樣本進行標注包括：采用BIO格式對所述訓練數據中的樣本進行標注，其中，B表示命名實體的開始部分，I表示命名實體的中間部分或命名實體的結束部分，O表示其它部分。

可選地，所述方法還包括根據如下過程獲得所述政策圖譜知識庫：

獲取政策語料；確定所述政策語料中的命名實體、內容實體和所述命名實體之間的關系；獲取通用知識庫；將所述政策語料中的命名實體、內容實體所述命名實體之間的關系和所述通用知識庫融合，獲得政策圖譜知識庫。

可選地，所述方法還包括：在標注出所述訓練數據中的命名實體之后，確定所標注的命名實體之間的關系；將標注后的訓練數據輸入預設的基于變換器的雙向編碼表征量模型，得到所述標注后的訓練數據的句向量，訓練所述句向量，得到關系分類模型；確定所述政策語料中的命名實體之間的關系包括：利用所述關系分類模型，確定所述命名實體之間的關系。

可選地，所述命名實體包括以下一種或多種：時間、地點、機構、受眾、行業和政策。