[發明專利]一種文檔相似段落的標記查詢方法、系統、設備及存儲介質

在審

• 申請號: 202110388914.X
• 申請日: 2021-04-12
• 公開（公告）號: CN113139374A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 劉俊辰;尤旸
• 申請（專利權）人: 北京明略昭輝科技有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F16/335;G06F16/338;G06F40/205;G06F40/284;G06F40/289
• 代理公司: 青島清泰聯信知識產權代理有限公司 37256
• 代理人: 趙燕

1.一種文檔相似段落的標記查詢方法，其特征在于，包括：

長度判斷步驟S1：判斷標記文本的長度是否大于第一長度閾值；

查詢結果獲得步驟S2：若所述標記文本的長度小于所述第一長度閾值，則根據所述標記文本對文檔庫中的文檔進行匹配獲得查詢結果并輸出；或；

查詢結果獲得步驟S2'：若所述標記文本的長度大于所述第一長度閾值，則將文檔庫中的文檔進行段落分割后通過相似度比較獲得查詢結果并輸出。

2.根據權利要求1所述的一種文檔相似段落的標記查詢方法，其特征在于，所述查詢結果獲得步驟S2包括：若所述標記文本的長度小于所述第一長度閾值，則在所述文檔庫中的全部文檔中搜索所述標記文本，將所述標記文本所在的句子、所述句子在文檔中的位置以及對應的文檔名作為查詢結果并輸出。

3.根據權利要求1所述的一種文檔相似段落的標記查詢方法，其特征在于，所述查詢結果獲得步驟S2'包括：

分割步驟S21'：根據所述標記文本的長度對所述文檔進行段落分割獲得多個分割文本段落；

相似度計算步驟S22'：根據所述標記文本的長度對所述標記文本與所述分割文本段落的相似度進行計算獲得多個相似度；

相似度比較步驟S23'：將多個所述相似度與一相似度閾值進行比較后將所述相似度高于所述相似度閾值的所述分割文本段落、所述分割文本段落在文檔中的位置以及對應的文檔名作為查詢結果并輸出。

4.根據權利要求3所述的一種文檔相似段落的標記查詢方法，其特征在于，所述相似度計算步驟S22'包括：

中長文本相似度計算步驟S221'：若所述標記文本長度大于所述第一長度閾值，且小于第二長度閾值，通過計算所述標記文本與所述分割文本段落的embedding詞向量得到所述標記文本與所述分割文本段落的相似度；或；

長文本相似度計算步驟S222'：若所述標記文本長度大于所述第二長度閾值，通過LAD主題模型得到所述標記文本與所述分割文本段落的相似度。

5.一種文檔相似段落的標記查詢系統，其特征在于，包括：

長度判斷單元：判斷標記文本的長度是否大于第一長度閾值；

查詢結果獲得單元：若所述標記文本的長度小于所述第一長度閾值，所述查詢結果獲得單元則根據所述標記文本對文檔庫中的文檔進行匹配獲得查詢結果并輸出；若所述標記文本的長度大于所述第一長度閾值，所述查詢結果獲得單元則將文檔庫中的文檔進行段落分割后通過相似度比較獲得查詢結果并輸出。

6.根據權利要求5所述的一種文檔相似段落的標記查詢系統，其特征在于，若所述標記文本的長度小于所述第一長度閾值，所述查詢結果獲得單元則在所述文檔庫中的全部文檔中搜索所述標記文本，將所述標記文本所在的句子、所述句子在文檔中的位置以及對應的文檔名作為查詢結果并輸出。

7.根據權利要求5所述的一種文檔相似段落的標記查詢系統，其特征在于，所述查詢結果獲得單元包括：

分割模塊：根據所述標記文本的長度對所述文檔進行段落分割獲得多個分割文本段落；

相似度計算模塊：根據所述標記文本的長度對所述標記文本與所述分割文本段落的相似度進行計算獲得多個相似度；

相似度比較模塊：將多個所述相似度與一相似度閾值進行比較后將所述相似度高于所述相似度閾值的所述分割文本段落、所述分割文本段落在文檔中的位置以及對應的文檔名作為查詢結果并輸出。

8.根據權利要求7所述的一種文檔相似段落的標記查詢系統，其特征在于，若所述標記文本長度大于所述第一長度閾值，且小于第二長度閾值，所述相似度計算模塊通過計算所述標記文本與所述分割文本段落的embedding詞向量得到所述標記文本與所述分割文本段落的相似度；若所述標記文本長度大于所述第二長度閾值，所述相似度計算模塊通過LAD主題模型得到所述標記文本與所述分割文本段落的相似度。