[发明专利]基于多级语义匹配的检索方法、装置、计算机设备和存储介质

权利要求书

1.一种基于多级语义匹配的检索方法，其特征在于，包括以下步骤：

语义特征解析：对检索语句和候选文档进行语义特征提取，得到检索语句的语句表征向量和候选文档的文档表征向量；

初级语义匹配和预筛选：依据语句表征向量和文档表征向量确定检索语句与每个候选文档的相关性，以进行初级语义匹配，并依据初级语义匹配结果筛选候选文档组成预筛选文档集；

二级语义匹配和确定检索结果：针对预筛选文档集中每个候选文档，利用LDA主题模型分别计算每个候选文档和检索语句的主题信息，利用BERT预训练模型提取检索语句与每个候选文档的结合语义信息，结合主题信息和结合语义信息进行二级语义匹配，依据二级语义匹配结果返回检索语句对应的候选文档的检索排序；

其中，在对检索语句与每个候选文档进行初级语义匹配时，首先，对语句表征向量和文档表征向量进行L2正则化处理，然后，依据L2正则化处理后的语句表征向量和文档表征向量进行余弦相似度计算以确定初级语义匹配得分作为初级语义匹配结果；

或，计算所输入的检索语句对应的语句表征向量q中第k个语素对应向量q_k，计算q_k和候选文档对应的文档表征向量di中第j个语素对应向量d_j的内积的最大值，然后对语句表征向量q中每个语素求得的内积最大值求和作为最终语义匹配得分score1，该语义匹配得分即为初级语义匹配结果：

score1＝∑_k∈||q||max_j∈||d||q_k·d_j。

2.根据权利要求1所述的基于多级语义匹配的检索方法，其特征在于，所述语义特征解析，包括：利用基于ELECTRA模型和BiLSTM模型构建的语义特征解析模型对检索语句和候选文档进行语义特征提取，以得到检索语句的语句表征向量和候选文档的文档表征向量。

3.根据权利要求1所述的基于多级语义匹配的检索方法，其特征在于，所述初级语义匹配和预筛选，还包括：依据文档表征向量对候选文档进行聚类，得到多个聚类簇及对应的聚类中心，依据语句表征向量和每个聚类中心对应文档表征向量确定检索语句与每个聚类中心对应的候选文档的初级语义匹配结果，依据初级语义匹配结果从所有聚类中心中筛选多个相似的聚类中心作为预筛聚类中心，然后筛选预筛聚类中心对应的聚类簇包含的候选文档组成预筛选文档集。

4.根据权利要求1所述的基于多级语义匹配的检索方法，其特征在于，所述依据初级语义匹配结果筛选候选文档组成预筛选文档集，包括：依据文档表征向量对候选文档进行聚类，得到多个聚类簇及对应的聚类中心，依据初级语义匹配结果从所有聚类中心中筛选多个相似的聚类中心作为预筛聚类中心，然后筛选预筛聚类中心对应的聚类簇包含的候选文档组成预筛选文档集。

5.根据权利要求1所述的基于多级语义匹配的检索方法，其特征在于，所述结合两个主题信息和结合语义信息进行二级语义匹配，包括：两个主题信息和结合语义信息拼接后输入至全连接层，经过全连接融合后，输入至softmax层，经计算得到二级语义匹配结果。

6.根据权利要求1或3所述的基于多级语义匹配的检索方法，其特征在于，所述检索方法还包括：语义特征解析后，采用Faiss向量索引库存储候选文档的文档表征向量，初级语义匹配和预筛选过程、二级语义匹配和确定检索结果过程均通过Faiss向量索引库调取文档表征向量进行计算。