[发明专利]一种相关文本片段搜索方法及装置

说明书

本申请实施例公开了一种文本片段检索的方法及装置，通过用文本片段中的特征词的词向量生成对应于文本片段的词向量矩阵，由于特征词能够体现文本片段的主要内容，因此根据特征词的词向量生成的词向量矩阵可以用来表示文本片段，用检索词的词向量来表示检索词，计算各个词向量矩阵与检索词的词向量的相似度，通过词向量矩阵和检索词的词向量的相似度来表示文本片段和检索词的相似度，文本片段和检索词的相似度越高，说明二者的相关度越高，将相似度大于或等于第一阈值的文本片段作为检索结果，从而提高对相关文本片段的检索的准确性。

技术领域

本申请涉及互联网技术领域，尤其涉及一种相关文本片段搜索方法及装置。

背景技术

对于文学创作人员来说，素材是重要的因素，获取相关的文学素材能够有效提高创作效率，例如获取叙事性文学作品相关的情节片段素材，可能对于编剧从业人员有较大的益处。对于现有的文学作品来说，其各个部分均可能成为创作素材，而这些部分可能包含有不同的主题，如何获取相关主题的部分作为素材，是文学作品研究人员较为关注的问题。

将文学作品的各个部分作为文本片段，现有的检索与主题相关的文本片段的方式，主要通过经验丰富的内容编辑人员阅读文学作品，在主观理解的基础上对文学作品进行拆解形成文本片段，然后为拆解后的文本片段添加主题标签，通过检索词与主题标签进行匹配来实现相关文本片段的检索。这种相关文本片段的检索方法需要大量的人力成本和时间成本，且人为进行文本片段的主题标签的添加，可能出现主观的偏差，导致相关文本片段的检索的准确性降低。

发明内容

为了解决现有技术的文本片段的检索方法中的成本高和检索结果准确性低的问题，本申请实施例提供了一种文本片段的检索方法及装置。

本申请实施例提供的一种文本片段检索的方法，包括：

获取文本片段的集合，所述文本片段的集合包括至少一个文本片段，提取所述文本片段的特征词，根据所述特征词的词向量生成对应于所述文本片段的词向量矩阵，获取检索词的词向量；

计算各个所述词向量矩阵与所述检索词的词向量的相似度，将所述相似度大于或等于第一阈值的所述文本片段作为检索结果。

可选的，所述计算各个所述词向量矩阵与所述检索词的词向量的相似度，包括：

计算各个所述文本片段中的各个所述特征词的词向量与所述检索词的词向量的第一相似度，根据所述第一相似度大于或等于第二阈值的特征词的词向量生成与所述文本片段对应的调整后词向量矩阵；

计算各个所述调整后词向量矩阵与所述检索词的词向量的相似度。

可选的，所述计算各个所述调整后词向量矩阵与所述检索词的词向量的相似度，包括：

根据所述调整后词向量矩阵中的特征词的词向量的平均向量，计算所述调整后词向量矩阵的平均向量；

计算所述调整后词向量矩阵的平均向量与所述检索词的词向量的相似度。

可选的，所述计算各个所述词向量矩阵与所述检索词的词向量的相似度，包括：

根据所述词向量矩阵中的特征词的词向量的平均向量，计算所述词向量矩阵的平均向量；

计算所述词向量矩阵的平均向量与所述检索词的词向量的相似度。

可选的，所述相似度包括第二相似度，所述计算各个所述词向量矩阵与所述检索词的词向量的相似度，包括：

计算各个所述词向量矩阵与所述检索词的词向量的第三相似度；

根据公式：