[发明专利]一种文档相似段落的标记查询方法、系统、设备及存储介质

权利要求书

1.一种文档相似段落的标记查询方法，其特征在于，包括：

长度判断步骤S1：判断标记文本的长度是否大于第一长度阈值；

查询结果获得步骤S2：若所述标记文本的长度小于所述第一长度阈值，则根据所述标记文本对文档库中的文档进行匹配获得查询结果并输出；或；

查询结果获得步骤S2'：若所述标记文本的长度大于所述第一长度阈值，则将文档库中的文档进行段落分割后通过相似度比较获得查询结果并输出。

2.根据权利要求1所述的一种文档相似段落的标记查询方法，其特征在于，所述查询结果获得步骤S2包括：若所述标记文本的长度小于所述第一长度阈值，则在所述文档库中的全部文档中搜索所述标记文本，将所述标记文本所在的句子、所述句子在文档中的位置以及对应的文档名作为查询结果并输出。

3.根据权利要求1所述的一种文档相似段落的标记查询方法，其特征在于，所述查询结果获得步骤S2'包括：

分割步骤S21'：根据所述标记文本的长度对所述文档进行段落分割获得多个分割文本段落；

相似度计算步骤S22'：根据所述标记文本的长度对所述标记文本与所述分割文本段落的相似度进行计算获得多个相似度；

相似度比较步骤S23'：将多个所述相似度与一相似度阈值进行比较后将所述相似度高于所述相似度阈值的所述分割文本段落、所述分割文本段落在文档中的位置以及对应的文档名作为查询结果并输出。

4.根据权利要求3所述的一种文档相似段落的标记查询方法，其特征在于，所述相似度计算步骤S22'包括：

中长文本相似度计算步骤S221'：若所述标记文本长度大于所述第一长度阈值，且小于第二长度阈值，通过计算所述标记文本与所述分割文本段落的embedding词向量得到所述标记文本与所述分割文本段落的相似度；或；

长文本相似度计算步骤S222'：若所述标记文本长度大于所述第二长度阈值，通过LAD主题模型得到所述标记文本与所述分割文本段落的相似度。

5.一种文档相似段落的标记查询系统，其特征在于，包括：

长度判断单元：判断标记文本的长度是否大于第一长度阈值；

查询结果获得单元：若所述标记文本的长度小于所述第一长度阈值，所述查询结果获得单元则根据所述标记文本对文档库中的文档进行匹配获得查询结果并输出；若所述标记文本的长度大于所述第一长度阈值，所述查询结果获得单元则将文档库中的文档进行段落分割后通过相似度比较获得查询结果并输出。

6.根据权利要求5所述的一种文档相似段落的标记查询系统，其特征在于，若所述标记文本的长度小于所述第一长度阈值，所述查询结果获得单元则在所述文档库中的全部文档中搜索所述标记文本，将所述标记文本所在的句子、所述句子在文档中的位置以及对应的文档名作为查询结果并输出。

7.根据权利要求5所述的一种文档相似段落的标记查询系统，其特征在于，所述查询结果获得单元包括：

分割模块：根据所述标记文本的长度对所述文档进行段落分割获得多个分割文本段落；

相似度计算模块：根据所述标记文本的长度对所述标记文本与所述分割文本段落的相似度进行计算获得多个相似度；

相似度比较模块：将多个所述相似度与一相似度阈值进行比较后将所述相似度高于所述相似度阈值的所述分割文本段落、所述分割文本段落在文档中的位置以及对应的文档名作为查询结果并输出。

8.根据权利要求7所述的一种文档相似段落的标记查询系统，其特征在于，若所述标记文本长度大于所述第一长度阈值，且小于第二长度阈值，所述相似度计算模块通过计算所述标记文本与所述分割文本段落的embedding词向量得到所述标记文本与所述分割文本段落的相似度；若所述标记文本长度大于所述第二长度阈值，所述相似度计算模块通过LAD主题模型得到所述标记文本与所述分割文本段落的相似度。