[發明專利]詞條搜索方法及裝置、存儲介質及計算機設備

在審

• 申請號: 202210036469.5
• 申請日: 2022-01-13
• 公開（公告）號: CN114510938A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 曾曲;王卓飛;蔣興榮;白歡朋
• 申請（專利權）人: 北京華通人商用信息有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F16/332
• 代理公司: 北京智源薈誠知識產權代理事務所(普通合伙) 11830
• 代理人: 盛惠華

本申請公開了一種詞條搜索方法及裝置、存儲介質和計算機設備。方法包括：根據待搜索詞條的長度，將待搜索詞條劃分成多個層次，分別得到與每個層次對應的至少一個分詞，并確定每個分詞的權重值；將分詞排序，分別確定每個分詞的位置；獲取待搜索文本，在待搜索文本中查找分詞，得到目標分詞；在多個權重值中確定目標分詞對應的目標權重值，在多個位置中確定目標分詞對應的目標位置，并根據目標權重值以及目標位置，確定詞條的詞條權重值和詞條位置值；根據詞條權重值以及詞條位置值，確定待搜索文本與待搜索詞條的相似度，并根據相似度確定搜索結果。本申請的方法，解決了現有方法搜索得到的詞條詞序與統計指標不符的問題，提高了搜索準確度。

技術領域

本申請涉及基于短語詞組的科學名詞垂直搜索引擎領域，尤其是涉及到一種詞條搜索方法及裝置、存儲介質和計算機設備。

背景技術

統計指標的搜索對象是統計指標的名稱，其特征是每一個指標名稱均是一個具有極強專業性的科學名詞，由若干定語和主體構成，是一個詞組而非自然語義樣本。例如，“北京向山東投資總額”和“山東向北京投資總額”兩個指標，“山東”和“北京”兩個詞的詞序就非常重要。而現有的針對統計指標的搜索方法只能搜索關鍵詞，搜索得到的詞條的詞序往往與統計指標不符，導致搜索準確度較低。

發明內容

有鑒于此，本申請提供了一種詞條搜索方法及裝置、存儲介質和計算機設備，可以基于語序搜索詞條，提高了搜索準確度。

根據本申請的一個方面，提供了一種詞條搜索方法，包括：

根據待搜索詞條的長度，將所述待搜索詞條劃分成多個層次，分別得到與每個層次對應的至少一個分詞，并確定每個所述分詞的權重值，其中，所述待搜索詞條的層次總數與所述長度正相關，每個所述分詞的權重值與所述分詞的層次正相關；

將所述分詞排序，分別確定每個所述分詞的位置；

獲取待搜索文本，在所述待搜索文本中查找所述分詞，得到目標分詞；

在多個所述權重值中確定所述目標分詞對應的目標權重值，在多個所述位置中確定所述目標分詞對應的目標位置，并根據所述目標分詞的目標權重值以及所述目標分詞的目標位置，確定所述待搜索詞條的詞條權重值和詞條位置值；

根據所述詞條權重值以及所述詞條位置值，確定所述待搜索文本與所述待搜索詞條的相似度，并根據所述相似度確定搜索結果。

可選地，所述將待搜索詞條劃分成多個層次，分別得到與每個層次對應的至少一個分詞，具體包括：

獲取所述層次總數N，其中N為正整數；

將所述待搜索詞條劃分為多個與第一層對應的第一層分詞；

將每個與所述第m-1層對應的第m-1分詞劃分成多個與第m層對應的第m分詞，其中，所述m為大于1且不大于N的整數。

可選地，所述確定每個所述分詞的權重值，具體包括：

根據所述第一層分詞的數量確定每個所述第一層分詞對應的第一權重值；

根據每個所述第m層分詞的長度、所述第m層分詞對應的第m-1層分詞的長度以及所述第m層分詞對應的第m-1層分詞的第m-1權重，確定所述第m層分詞對應的第m權重。

可選地，所述將所述分詞排序，具體包括：

根據每個所述第一層分詞在所述待搜索詞條中的位置，確定所述第一層分詞的順序；

確定每個第m-1層分詞對應的第m層分詞，分別得到與每個所述第m-1層分詞對應的第m層分詞組；

根據所述第m層分詞組內每個第m層分詞在對應的第m-1層分詞中的位置，確定所述第m層分詞組內的第m層分詞的順序，并將所述第m層分詞按順序置于所述對應的第m-1分詞后。