[发明专利]一种文本检索方法及装置

权利要求书

1.一种文本检索方法，其特征在于，所述方法包括：

对检索文本进行分词，获得检索词语集合；

对于所述检索词语集合中的每个词语，分别采用TextRank算法计算每个词语的TextRank值；

依据各个词语的TextRank值，选取预设数量的词语作为关键词集合；

确定所述关键词集合中各个词语的词向量；

获取至少一个待检索文本各自对应的文本词语集合，并确定所述至少一个待检索文本各自对应的文本词语集合中每个词语的词向量；

计算所述关键词集合中每一个词语的词向量分别与所述至少一个待检索文本各自对应的文本词语集合中每一个词语的词向量的相似度；

根据所述相似度将所述至少一个待检索文本进行排序输出。

2.根据权利要求1所述的方法，其特征在于，

获取至少一个待检索文本包括：包括：基于所述检索文本，利用文本相似度算法，确定至少一个待检索文本；

获取至少一个待检索文本各自对应的文本词语集合包括：

对每一个待检索文本进行分词，获得多个词语；

从所述多个词语中去除重复词语和停用词，获得候选词语集合；

对于所述候选词语集合中的每个词语，分别采用TextRank算法计算每个词语的TextRank值；

根据所述候选词语集合中每个词语的TextRank值，从所述候选词语集合中确定出文本词语集合。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述相似度将所述至少一个待检索文本进行排序输出，包括：

对于任意一个待检索文本，从计算得到的所述关键词集合中每个词语与该待检索文本的文本词语集合中每个词语的相似度中，获取所述关键词集合中每个词语各自对应的最大相似度；

从所述关键词集合中每个词语各自对应的最大相似度中，按最大相似度从大到小的顺序，确定预设排序位置处的词语对应的最大相似度作为所述待检索文本的排序得分；

依据各个待检索文本的排序得分，对所述至少一个待检索文本进行排序输出。

4.根据权利要求3所述的方法，其特征在于，所述待检索文本包括：待检索文本题目和待检索文本正文。

5.根据权利要求1所述的方法，其特征在于，确定词语的词向量包括：

利用预先训练好的词向量模型，确定词语的词向量；

其中所述预先训练好的词向量模型包括以下任意一种：word2vector模型、潜在语义分析LSA矩阵分解模型、概率潜语义分析PLSA潜在语义分析概率模型和潜在狄利克雷分布LDA模型。

6.一种文本检索装置，其特征在于，所述装置包括：

分词单元，用于对检索文本进行分词，获得检索词语集合；

TextRank值计算单元，用于对于所述检索词语集合中的每个词语，分别采用TextRank算法计算每个词语的TextRank值；

关键词集合确定单元，用于依据各个词语的TextRank值，选取预设数量的词语作为关键词集合；

第一词向量确定单元，用于确定所述关键词集合中各个词语的词向量；

文本词语集合获取单元，用于获取至少一个待检索文本各自对应的文本词语集合；

第二词向量确定单元，用于确定所述至少一个待检索文本各自对应的文本词语集合中每个词语的词向量；

相似度计算单元，用于计算所述关键词集合中每一个词语的词向量分别与所述至少一个待检索文本各自对应的文本词语集合中每一个词语的词向量的相似度；

文本排序输出单元，用于根据所述相似度将所述至少一个待检索文本进行排序输出。