[发明专利]一种文档检索的方法及装置有效
申请号: | 201210360872.X | 申请日: | 2012-09-21 |
公开(公告)号: | CN103678412A | 公开(公告)日: | 2014-03-26 |
发明(设计)人: | 洪毅虹;杨建武 | 申请(专利权)人: | 北京大学;北大方正集团有限公司;北京北大方正电子有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 北京中博世达专利商标代理有限公司 11274 | 代理人: | 申健 |
地址: | 100871*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 文档 检索 方法 装置 | ||
1.一种文档检索的方法,其特征在于,包括:
使用经过预处理得到的目标查询关键词在预先建立的倒排索引中对目标文档集合进行检索,得到第一目标文档集合;
对所述第一目标文档集合进行相关性打分,得到所述第一目标文档的相关性打分结果,并根据所述相关性打分结果对所述第一目标文档集合进行重排序得到第二目标文档集合;
通过伪相关反馈模型对所述当前目标查询关键词进行扩展,得到新的目标查询关键词;
当所述新的目标查询关键词满足预设条件时,使用所述新的目标查询关键词对所述第一目标文档集合进行重新检索,得到第三目标文档集合;
对所述第三目标文档集合中的每个目标文档进行分句处理,并计算进行所述分句处理得到每个句子的标签权重总和;
根据所述目标查询关键词对所述每个句子的文本内容进行相关性打分,得到每个句子的相关性打分结果,并根据所述每个句子的相关性打分结果得到所述每个句子的最终得分;
根据所述每个句子的最终得分得到目标句子,并在所述目标句子中获取长度在预设长度范围内的句子作为检索结果片段。
2.根据权利要求1所述的方法,其特征在于,在所述使用经过预处理得到的目标查询关键词在预先建立的倒排索引中对目标文档集合进行检索,得到第一目标文档集合之前,还包括:
获取目标文档集合中每个单词在所述目标文档集合中的词频TF值和逆向文件频率IDF值;
根据所述目标文档集合中每个单词的TF值和IDF值建立所述倒排索引;
对查询关键词进行剔除停用词和词干提取操作,得到所述目标查询关键词;
建立检索模型。
3.根据权利要求2所述的方法,其特征在于,所述使用经过预处理得到的目标查询关键词在预先建立的倒排索引中对目标文档集合进行检索,得到第一目标文档集合,包括:
根据所述检索模型使用经过预处理得到的目标查询关键词在预先建立的倒排索引中对目标文档集合进行检索,得到第一目标文档集合。
4.根据权利要求1所述的方法,其特征在于,在所述对所述第一目标文档集合进行相关性打分之前,还包括:
对所述第一目标文档集合进行训练,得到所述第一目标文档集合中的每个标签的权重。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学;北大方正集团有限公司;北京北大方正电子有限公司,未经北京大学;北大方正集团有限公司;北京北大方正电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210360872.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于标准标签和项目评分的推荐方法
- 下一篇:一种专利数据库系统