[發(fā)明專利]一種分詞檢索方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202111512996.0
• 申請日: 2021-12-11
• 公開（公告）號: CN114153949B
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計(jì)）人: 付雪林;王濤;孫思遙;鄧應(yīng)來;王啟超;吳邱思;安重陽;韓嘯;張葳;曾明泉;唐海霞;趙鑫;劉成書
• 申請（專利權(quán)）人: 北京信立方科技發(fā)展股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 張倚嘉

本申請?zhí)峁┮环N分詞檢索方法及系統(tǒng)。所述方法包括：接收用戶輸入的檢索詞；對所述檢索詞進(jìn)行單字分詞；分別計(jì)算每一語料文檔的單字相關(guān)度；將單字相關(guān)度進(jìn)行疊加生成語料文檔的相關(guān)度得分；依據(jù)所述相關(guān)度得分對所述語料文檔進(jìn)行排序以生成第一檢索結(jié)果。在單領(lǐng)域信息檢索平臺中，通過單字分詞的方式將檢索詞進(jìn)行拆分，再計(jì)算每一語料文檔的單字相關(guān)度，通過單字相關(guān)度疊加生成的相關(guān)度得分對語料文檔進(jìn)行排序。檢索過程能夠針對數(shù)據(jù)結(jié)構(gòu)類型多、用戶量小、用戶類型多且行業(yè)跨度大、專業(yè)性強(qiáng)的單領(lǐng)域信息檢索平臺進(jìn)行精準(zhǔn)的檢索，不需要再耗費(fèi)人工梳理語義模板，降低了單領(lǐng)域信息檢索平臺的維護(hù)成本，同時(shí)也實(shí)現(xiàn)了單領(lǐng)域信息檢索平臺的檢索功能。

技術(shù)領(lǐng)域

本申請涉及檢索技術(shù)領(lǐng)域，尤其是涉及一種分詞檢索方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，在儀器信息方面搭建了各式各樣的平臺，使得用戶可以通過平臺檢索到關(guān)于儀器的各種信息，包括垂直領(lǐng)域的咨詢、廠商、儀器、社區(qū)、資料、網(wǎng)絡(luò)講堂、儀課通、招聘、耗材、試劑、行業(yè)應(yīng)用、專題、市場研究、會(huì)展欄目。

傳統(tǒng)的儀器信息平臺中，一般是通過搭建語義模板的方式對用戶搜索詞進(jìn)行語法依存關(guān)系的配置，以生成不同的檢索內(nèi)容排序。

儀器信息平臺本身擁有數(shù)據(jù)結(jié)構(gòu)類型多、用戶量小、用戶類型多且行業(yè)跨度大、專業(yè)性強(qiáng)的特點(diǎn)，在進(jìn)行檢索過程中若想要達(dá)到精準(zhǔn)命中的目的，就需要極大的成本不斷的維護(hù)和更新語義模板，特別是在用戶體量不斷增加的當(dāng)下，越來越多的用戶在跨領(lǐng)域下搜索，進(jìn)一步的增加了儀器信息平臺的維護(hù)成本。而儀器信息平臺自身的盈利能力受限于其所服務(wù)的市場，并不能補(bǔ)足成本日漸增加的儀器信息平臺的需求，這導(dǎo)致了傳統(tǒng)儀器信息平臺的維護(hù)力度低，檢索命中率下降。

發(fā)明內(nèi)容

為了降低儀器信息平臺的檢索成本，本申請目的是提供一種分詞檢索方法及系統(tǒng)。

本申請的上述申請目的是通過以下技術(shù)方案得以實(shí)現(xiàn)的：

第一方面，本申請?zhí)峁┮环N分詞檢索方法，應(yīng)用于單領(lǐng)域信息檢索平臺，所述方法包括：

接收用戶輸入的檢索詞；

對所述檢索詞進(jìn)行單字分詞；

分別計(jì)算每一語料文檔的單字相關(guān)度；

將單字相關(guān)度進(jìn)行疊加生成語料文檔的相關(guān)度得分；

依據(jù)所述相關(guān)度得分對所述語料文檔進(jìn)行排序以生成第一檢索結(jié)果。

通過采用上述技術(shù)方案，在單領(lǐng)域信息檢索平臺中，通過單字分詞的方式將檢索詞進(jìn)行拆分，再計(jì)算每一語料文檔的單字相關(guān)度，通過單字相關(guān)度疊加生成的相關(guān)度得分對語料文檔進(jìn)行排序。檢索過程能夠針對數(shù)據(jù)結(jié)構(gòu)類型多、用戶量小、用戶類型多且行業(yè)跨度大、專業(yè)性強(qiáng)的單領(lǐng)域信息檢索平臺進(jìn)行精準(zhǔn)的檢索，不需要再耗費(fèi)人工梳理語義模板，降低了單領(lǐng)域信息檢索平臺的維護(hù)成本，同時(shí)也實(shí)現(xiàn)了單領(lǐng)域信息檢索平臺的檢索功能。

進(jìn)一步的，所述方法還包括：

依據(jù)所述相關(guān)度得分對所述語料文檔進(jìn)行排序后，依據(jù)排名順序，獲取預(yù)設(shè)數(shù)量的語料文檔生成所述第一檢索結(jié)果。

通過采用上述技術(shù)方案，在數(shù)據(jù)結(jié)構(gòu)類型多的情況下，即欄目類型多時(shí)，預(yù)設(shè)數(shù)量的限定降低了單次輸出的語料文檔數(shù)量，可以輔助實(shí)現(xiàn)多個(gè)欄目的語料文檔同步顯示。

進(jìn)一步的，分別計(jì)算每一語料文檔的單字相關(guān)度的方法包括：

計(jì)算單字q_i的逆向文檔頻率idf(q_i)，計(jì)算所述單字q_i在語料文檔D中的詞頻tf(q_i，D)，tf(q_i，D)＝((k+1)*tf)/(k*(1-b+b*L)+tf)；