[发明专利]一种基于ES搜索的文本相似度排序方法在审
申请号: | 201711193304.4 | 申请日: | 2017-11-24 |
公开(公告)号: | CN107943762A | 公开(公告)日: | 2018-04-20 |
发明(设计)人: | 文杰锋;刘楚雄 | 申请(专利权)人: | 四川长虹电器股份有限公司 |
主分类号: | G06F17/22 | 分类号: | G06F17/22;G06F17/27;G06F17/30 |
代理公司: | 成都虹桥专利事务所(普通合伙)51124 | 代理人: | 吴中伟 |
地址: | 621000 四*** | 国省代码: | 四川;51 |
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 基于 es 搜索 文本 相似 排序 方法 | ||
1.一种基于ES搜索的文本相似度排序方法,其特征在于,包括以下步骤:
a.ES初步搜索获得相似文本集合;
b.进行文本分词,得到分词集合;
c.以分词集合为基础,对分词后的文本进行向量化表示;
d.通过余弦相似度度量文本向量之间相似程度;
e.根据余弦相似度值,对文本进行相似度重排序。
2.如权利要求1所述的一种基于ES搜索的文本相似度排序方法,其特征在于,步骤b中,在进行文本分词时,对每个文本按照从前往后每相邻的两个字为一词的规则进行分词,即保留了字词的先后位置信息。
3.如权利要求1或2所述的一种基于ES搜索的文本相似度排序方法,其特征在于,步骤d中,所述通过余弦相似度度量文本向量之间相似程度,具体包括:
假设搜索文本q的向量表示为向量vec_q,初步搜索结果集合中的某一文本t的向量表示为向量vec_t,则向量vec_q与向量vec_t之间的余弦相似度计算公式为:
式中,vec_q与vec_t为搜索文本q与搜索结果集合中的某一文本的向量表示;||vec_q||与||vec_t||分别为向量vec_q与vec_t的模。
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四川长虹电器股份有限公司,未经四川长虹电器股份有限公司许可,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/201711193304.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种TXT文档编码字符集的校验方法及系统
- 下一篇:一种大文本数据处理方法