[发明专利]文档查询方法及装置在审
申请号: | 202010111494.6 | 申请日: | 2020-02-24 |
公开(公告)号: | CN111310477A | 公开(公告)日: | 2020-06-19 |
发明(设计)人: | 朱永强;伍文成;熊思宇 | 申请(专利权)人: | 成都网安科技发展有限公司 |
主分类号: | G06F40/30 | 分类号: | G06F40/30;G06F40/216;G06F16/31;G06F16/33 |
代理公司: | 成都极刻智慧知识产权代理事务所(普通合伙) 51310 | 代理人: | 唐维虎 |
地址: | 610000 四川*** | 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: | 文档 查询 方法 装置 | ||
本申请实施例提供一种文档查询方法及装置,在根据查询语句生成对应的单词序列之后,可以根据单词序列从倒排索引库中获得对应的文档信息,之后考虑到单词之间的语义关联性,进一步根据单词序列的查询长度、单词顺序以及文档信息,计算每个目标文档与单词序列之间的语义关联参数,并以此计算每个目标文档与单词序列之间的特征相似度得分后输出查询语句的文档查询结果。如此,能够很好地区分文档与查询语句中单词之间的语义关联性,避免语义理解偏差所带来的信息检索歧义,从而提高文档查询结果的准确率。
技术领域
本申请涉及信息检索技术领域,具体而言,涉及一种文档查询方法及装置。
背景技术
当前,可以通过信息检索模型来获得文档与查询语句之间的相关性评分,但是在传统方案中,其局限性也显而易见:无法理解目标文档中的语义,从而难以很好地区分文档与查询语句中单词之间的语义关联性,由此获得的相关性得分并未考虑到单词之间的关联性,进而导致文档查询结果的准确率较低。
发明内容
有鉴于此,本申请的目的在于提供一种文档查询方法及装置,能够很好地区分文档与查询语句中单词之间的语义关联性,避免语义理解偏差所带来的信息检索歧义,从而提高文档查询结果的准确率。
根据本申请的第一方面,提供一种文档查询方法,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。
在第一方面的一种可能的实施方式中,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。
在第一方面的一种可能的实施方式中,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,根据所述单词序列的查询长度和单词顺序,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每个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。
在第一方面的一种可能的实施方式中,所述根据所述单词序列的查询长度和单词顺序,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每个目标文档与所述单词序列之间的位置相关参数的步骤,包括:
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成都网安科技发展有限公司,未经成都网安科技发展有限公司许可,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/202010111494.6/2.html,转载请声明来源钻瓜专利网。