[發明專利]搜索方法及計算設備

在審

• 申請號: 202310416807.2
• 申請日: 2023-04-17
• 公開（公告）號: CN116401255A
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 馮浩霖;孟效軻
• 申請（專利權）人: 超聚變數字技術有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/2453;G06F16/2455
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

本申請實施例提供了一種搜索方法及計算設備。該方法包括：接收用戶針對文檔的搜索詞；將所述搜索詞與所述文檔的內容進行匹配，確定第一匹配結果；將所述搜索詞與所述文檔的章節內容關聯的標簽詞進行匹配，確定第二匹配結果；其中，所述標簽詞為所述章節內容未包括的詞語，且所述標簽與所述章節內容中的至少一個詞語語義相同；基于所述第一匹配結果和所述第二匹配結果，確定搜索結果。由此，通過增加章節的可搜索的標簽詞，擴展章節的詞域，從而提高文檔章節與用戶輸入的搜索詞契合度，可以提高搜索的準確性。

技術領域

本申請涉及服務器技術領域，尤其涉及一種搜索方法及計算設備。

背景技術

搜索引擎的索引是實現“單詞-文檔矩陣”的具體數據結構，“單詞-文檔矩陣”描述了某篇文檔包含了哪些單詞，以及某個單詞出現在哪些文檔中等信息。實現這一具體數據結構的常用技術方案是倒排索引(Inverted?index)。所述倒排索引主要是根據屬性值來查找記錄。在倒排索引表中包括某個單詞在一個文檔或者一組文檔中的存儲位置，該存儲的位置一般用文檔編號來表示，因此，通過倒排索引能夠搜索出單詞所在的文檔編號。

通常，文檔的章節檢索的實現過程為：先將文檔存儲在搜索引擎，搜索引擎(如Elastic?Search)通過對文檔的文本內容分詞，生成倒排索引，倒排索引內記錄文檔內的章節編號(Doc_ID)，單詞在這個章節中出現的次數(Term?Frequency，TF)及單詞在章節中哪些位置出現過等信息。在用戶輸入搜索詞時，搜索引擎會查詢倒排索引，找到含有該搜索詞的章節，根據倒排索引中保存的該搜索詞在章節中出現的次數(TF)及在章節中出現的位置來對章節進行排序，最終得到結果。

但是，文檔有技術化、書面化和標準化寫作的特點，用戶搜索時的搜索詞可能會使用口語、別名甚至錯別字，與書面用語匹配度很低甚至于完全匹配不到，導致用戶搜索響應度低，不能及時支持用戶查看文檔信息，增加用戶的時間成本。

公開于該背景技術部分的信息僅僅旨在增加對本發明的總體背景的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域一般技術人員所公知的現有技術。

發明內容

本申請實施例提供了一種搜索方法及計算設備，通過增加章節的可搜索的標簽詞，擴展章節的詞域，從而提高文檔章節與用戶輸入的搜索詞契合度，可以提高搜索的準確性，使得使用戶能夠便捷的查找篩選、定位章節內容；在對文檔本身不做改動的情況下，可實時動態維護標簽庫，業務侵入小，響應迅速，快速提升用戶搜索體驗。同類型的文檔的章節內容相似，標簽庫具有較好的擴展性和通用性，可以多個文檔共用，實現一處維護、處處可用。

第一方面，本申請實施例提供了一種搜索方法，應用于第一設備，包括：接收用戶針對文檔的搜索詞；將搜索詞與文檔的內容進行匹配，確定第一匹配結果；將搜索詞與文檔的章節內容關聯的標簽詞進行匹配，確定第二匹配結果；其中，標簽詞為章節內容未包括的詞語，且標簽與章節內容中的至少一個詞語語義相同；基于第一匹配結果和第二匹配結果，確定搜索結果。

本方案中，通過增加章節的可搜索的標簽詞，擴展章節的詞域，從而提高文檔章節與用戶輸入的搜索詞契合度，可以提高搜索的準確性，使得使用戶能夠便捷的查找篩選、定位章節內容；在對文檔本身不做改動的情況下，可實時動態維護標簽庫，業務侵入小，響應迅速，快速提升用戶搜索體驗。同類型的文檔的章節內容相似，標簽庫具有較好的擴展性和通用性，可以多個文檔共用，實現一處維護、處處可用。

在一種可能的實現方式中，第一設備為計算設備，具體的可以為服務器。

在一種可能的實現方式中，在將搜索詞與文檔的章節內容關聯的標簽詞進行匹配之前，方法還包括：獲取詞組；其中，詞組包括標簽詞及與標簽詞關聯的基準詞,基準詞為文檔中章節的內容中的詞語，且與標簽詞的含義相同；根據詞組和文檔，確定與文檔的章節內容關聯的標簽詞。