[发明专利]文档匹配方法以及电子设备、存储装置

权利要求书

1.一种文档匹配方法，其特征在于，包括：

获取多份文档；所述多份文档包括参考文档和待匹配文档，所述文档内包含若干文本片段，所述文本片段内含有若干种类别的关键词语；

利用各个类别的关键词语在预设范围内的统计情况，获取所述文本片段中对应类别的关键词语的重要度；所述预设范围包括：所述关键词语所在的文档；

分别针对所述待匹配文档内各个所述文本片段，获取各个类别的关键词语与所述参考文档内参考片段中对应类别的关键词语之间的匹配度；其中，所述参考片段为所述参考文档中一个所述文本片段；

基于所述文本片段中各个类别的关键词语的重要度和匹配度，选择若干所述文本片段作为候选片段；

利用所述参考片段的第一语义表示和所述候选片段的第二语义表示，在所述候选片段中确定与所述参考片段涉及相同主题的目标片段。

2.根据权利要求1所述的方法，其特征在于，所述利用各个类别的关键词语在预设范围内的统计情况，获取所述文本片段中对应类别的关键词语的重要度，包括：

分别将各个所述类别，作为当前类别；

在所述当前类别的关键词语中，统计所述匹配度不满足预设条件的关键词语对数；

利用不满足所述预设条件的关键词语对数，得到所述文本片段中所述当前类别的关键词语的重要度；

其中，不满足所述预设条件的关键词语对数越多，所述重要度越高。

3.根据权利要求2所述的方法，其特征在于，两个所述关键词语之间的匹配度的获取步骤包括：

利用两个所述关键词语各自所包含的字符，得到两个所述关键词语之间的第一匹配度；以及，

利用两个所述关键词语各自所对应的语义表示，得到两个所述关键词语之间的第二匹配度；

将所述第一匹配度、所述第二匹配度中的最大值，作为两个所述关键词语之间的匹配度。

4.根据权利要求2所述的方法，其特征在于，所述预设范围还包括：所述关键词语所在的文本片段；在所述利用不满足所述预设条件的关键词语对数，得到所述文本片段中所述当前类别的关键词语的重要度之前，所述方法还包括：

在所述当前类别的关键词语所在的文本片段中，统计所述关键词语的出现次数；

利用所述出现次数，得到所述文本片段中所述当前类别的关键词语的第一重要度；

所述利用不满足所述预设条件的关键词语对数，得到所述文本片段中所述当前类别的关键词语的重要度，包括：

利用不满足所述预设条件的关键词语对数，得到所述文档中所述当前类别的关键词语的第二重要度；

利用所述文本片段中所述当前类别的关键词语的第一重要度和第二重要度，得到所述文本片段中所述当前类别的关键词语的重要度。

5.根据权利要求1所述的方法，其特征在于，所述基于所述文本片段中各个类别的关键词语的重要度和匹配度，选择若干所述文本片段作为候选片段，包括：

利用所述文本片段中各个类别的关键词语的重要度和匹配度，获取对应所述文本片段与所述参考片段涉及相同所述主题的可能性；

基于各个所述文本片段与所述参考片段涉及相同所述主题的可能性，选择若干所述文本片段作为所述候选片段。

6.根据权利要求5所述的方法，其特征在于，所述利用所述文本片段中各个类别的关键词语的重要度和匹配度，获取对应所述文本片段与所述参考片段涉及相同所述主题的可能性，包括：

利用所述文本片段中各个类别的关键词语的匹配度对对应类别的关键词语的重要度进行加权求和，得到对应所述文本片段与所述参考片段涉及相同所述主题的可能性；

和/或，所述基于各个所述文本片段与所述参考片段涉及相同所述主题的可能性，选择若干所述文本片段作为所述候选片段，包括：

按照所述可能性由高到低的顺序，选择位于前预设序位的文本片段，作为所述候选片段。