[发明专利]文档查询方法及装置

权利要求书

1.一种文档查询方法，其特征在于，应用于存储有文档的服务器，所述服务器中预先配置有倒排索引库，所述倒排索引库包括文档中每个单词在各个文档的出现频率与出现位置，所述方法包括：

根据查询语句生成对应的单词序列，并获得所述单词序列的查询长度和单词顺序；

根据所述单词序列从所述倒排索引库中获得对应的文档信息，所述文档信息包括所述单词序列中每个单词出现的目标文档以及每个单词在对应目标文档中的出现频率和出现位置；

根据所述单词序列的查询长度、单词顺序以及所述文档信息，计算每个目标文档与所述单词序列之间的语义关联参数，并根据所述语义关联参数计算每个目标文档与所述单词序列之间的特征相似度得分；

根据所述每个目标文档与所述单词序列之间的特征相似度得分，输出所述查询语句的文档查询结果；

其中，所述根据所述单词序列的查询长度、单词顺序以及所述文档信息，计算每个目标文档与所述单词序列之间的语义关联参数，并根据所述语义关联参数计算每个目标文档与所述单词序列之间的特征相似度得分的步骤，包括：

针对每个目标文档，获取该目标文档中出现的所述单词序列中的单词种类数量；

根据所述单词种类数量、所述单词序列的单词顺序以及所述单词序列中每个单词在该目标文档中的出现位置，计算该目标文档中出现的各个所述单词之间的最小词间距之和；

根据所述单词序列的查询长度、所述单词种类数量以及所述最小词间距之和，得到该目标文档与所述单词序列之间的位置相关参数；

根据所述单词序列中每个单词在该目标文档中的出现位置和所述单词顺序计算该目标文档与所述单词序列之间的词序相关参数；

根据所述位置相关参数和所述词序相关参数计算该目标文档与所述单词序列之间的语义关联参数；

根据所述语义关联参数以及所述单词序列中每个单词在该目标文档中的出现频率，计算每个目标文档与所述单词序列之间的特征相似度得分。

2.根据权利要求1所述的文档查询方法，其特征在于，所述根据查询语句生成对应的单词序列，并获得所述单词序列的查询长度和单词顺序的步骤，包括：

对所述查询语句进行分词，并剔除所述查询语句中的停用词，得到对应的单词序列；

获得所述单词序列的单词数量作为所述单词序列的查询长度，并根据所述单词序列中每个单词在所述查询语句中的出现顺序确定所述单词顺序。

3.根据权利要求1所述的文档查询方法，其特征在于，所述根据所述单词种类数量、所述单词序列的单词顺序以及所述单词序列中每个单词在该目标文档中的出现位置，计算该目标文档中出现的各个所述单词之间的最小词间距之和的步骤，包括：

根据所述单词序列的单词顺序以及所述单词序列中每个单词在该目标文档中的出现位置生成对应的排序序列，所述排序序列中的每个元素分别按照该元素中的单词在该目标文档中的出现位置由前往后排列，每个元素用于表征单词编号与该单词在该目标文档中的出现位置之间的对应关系；

根据所述排序序列的序列长度和所述单词种类数量创建多个窗口，所述窗口的数量为所述序列长度与所述单词种类数量之差加一，每个窗口中可容纳的元素数量为所述单词种类数量；

从所述排序序列第一个元素起，遍历所述排序序列，依次将每个元素添加到第一个窗口，直到所述第一个窗口中的元素数量达到所述单词种类数量时，计算所述第一个窗口的第一个元素和最后一个元素之间的出现位置差；

从所述排序序列第二个元素起，遍历所述排序序列，依次将每个元素添加到下一个窗口，直到所述下一个窗口中的元素数量达到所述单词种类数量时，计算所述下一个窗口的第一个元素和最后一个元素之间的出现位置差，以此类推，当所有窗口中的元素数量达到所述单词种类数量时，比较每个窗口对应的出现位置差，其中，在添加元素时每个窗口中的元素对应的单词编号不发生重复，未填满元素的窗口对应的出现位置差为0；

根据比较结果，将最小的且非0的出现位置差与所述单词种类数量的差值作为该目标文档中出现的各个所述单词之间的最小词间距之和。

4.根据权利要求3所述的文档查询方法，其特征在于，所述位置相关参数通过以下公式计算得到：

其中，LC为所述位置相关参数，h为所述单词种类数量，D为该目标文档中出现的各个所述单词之间的最小词间距，L为所述单词序列的查询长度。