[发明专利]文档检索方法、装置及计算机可读存储介质

权利要求书

1.一种文档检索方法，其特征在于，包括：

获取候选文档，其中，所述候选文档由用户输入的查询语句确定；

判断所述候选文档的文本字数是否小于或等于预设字数；若不是，将所述候选文档切分为多个句子；

计算多个所述句子中的每个句子与所述查询语句的相似度；

按照所述相似度由低到高的顺序依次删除所述句子，直至剩余句子的总字数小于或等于所述预设字数；

将所述剩余句子和所述查询语句输入预设机器阅读模型中，得到所述查询语句在所述候选文档中的开始和结束位置，根据所述开始和结束位置截取所述候选文档中的文本片段，作为所述查询语句的答案。

2.根据权利要求1所述的文档检索方法，其特征在于，在判断所述候选文档的文本字数是否小于或等于预设字数之前，还包括：

对所述候选文档进行指代消解；

所述判断所述候选文档的文本字数是否小于或等于预设字数，具体包括：

判断进行所述指代消解后的所述候选文档的文本字数是否小于或等于预设字数。

3.根据权利要求2所述的文档检索方法，其特征在于，在对所述对所述候选文档进行指代消解之前，还包括：获取所述候选文档中的多个指代词；

所述对所述候选文档进行指代消解，具体包括：

对所述候选文档进行实体识别，将识别出来的多个实体词作为候选先行词；

将一个所述指代词与多个所述候选先行词中的每一个进行替换，计算每个所述候选先行词的匹配概率，将所述匹配概率最高的所述候选先行词作为所述指代词对应的先行词；

重复上述步骤，直至候选文档中的多个指代词均被替换为先行词。

4.根据权利要求1所述的文档检索方法，其特征在于，在所述计算多个所述句子中的每个句子与所述查询语句的相似度之后，还包括：

对所述查询语句进行问句分析，得到所述查询语句所属的类别，其中，所述类别包括询问地址、询问时间和询问人名中的至少一者；

根据所述查询语句所属的类别得到与所述类别对应的关键词；

所述根据所述相似度删除所述多个句子中的部分句子，具体包括：

根据所述相似度和所述关键词删除所述多个句子中的部分句子。

5.根据权利要求4所述的文档检索方法，其特征在于，所述根据所述相似度和所述关键词删除所述多个句子中的部分句子，具体包括：

根据所述相似度由高到低的顺序对L个句子进行排序；

删除前N个句子中相似度最低的句子，删除后M个句子中不包括所述关键词的句子，其中，L＝M+N，M、N均为大于1的整数。

6.根据权利要求1至5任一项所述的文档检索方法，其特征在于，所述计算多个所述句子中的每个句子与所述查询语句的相似度，具体包括：

对多个所述句子中的每个句子进行向量转换，得到多个第一向量，其中，一个句子对应一个第一向量；对所述查询语句进行向量转换，得到第二向量；

计算所述多个第一向量中的每个第一向量与所述第二向量的余弦距离，并将所述余弦距离作为所述相似度。

7.根据权利要求6所述的文档检索方法，其特征在于，所述余弦距离通过以下公式计算得到：

其中，similarity为所述余弦距离；Cemb为所述第一向量，具体为{c ₁,c ₂，...，c _d}；Qemb为所述第二向量，具体为{q ₁,q ₂，...，q _d}。

8.一种文档检索装置，其特征在于，包括：至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的文档检索方法。

9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的文档检索方法。