[发明专利]文本检索系统的生成方法、文本检索方法及设备

权利要求书

1.一种文本检索系统的生成方法，其特征在于，包括：

获取输入的原始文本数据；

对所述原始文本数据进行识别处理，得到预设格式的文本数据；

对所述预设格式的文本数据进行句对划分处理，得到句对；

根据所述句对中关键词的所属类别，将包含所述句对的所述文本数据划分到检索语料库中，所述检索语料库包括专业术语检索语料库及语块检索语料库。

2.根据权利要求1所述的方法，其特征在于，所述对所述原始文本数据进行识别处理，得到预设格式的文本数据，包括：

对所述原始文本数据进行光学字符OCR识别，得到识别后的文本数据；

将所述识别后的文本数据进行格式转换处理，得到可编辑格式的文本数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述预设格式的文本数据进行句对划分处理，得到句对，包括：

识别所述预设格式的文本数据中的章节关键词；

根据所述章节关键词，对所述文本数据进行章节划分，得到每章节对应的文本内容；

对所述每章节对应的文本内容进行段落划分，得到每段落对应的文本内容；

对于任意的一个段落，将预设标识符号首次出现之前所包含的文本内容，划分为一个句对。

4.根据权利要求3所述的方法，其特征在于，对章节划分后的所述预设格式的文本数据进行章节号标注，以及，对段落划分后的所述每章节对应的文本内容进行段落号标注。

5.根据权利要求4所述的方法，其特征在于，所述根据所述句对中关键词的所属类别，将包含所述句对的所述文本数据划分到检索语料库中，包括：

识别所述句对中的关键词；

若所述关键词为专业术语，将包含所述句对的所述文本数据划分到所述专业术语检索语料库中；

若所述关键词为固定搭配词语，将包含所述句对的所述文本数据划分到所述语块检索语料库中。

6.根据权利要求1-5任一项所述的方法，其特征在于，还包括：

获取输入的所述原始文本数据的属性信息；

生成所述属性信息与所述句对的关联关系；

将所述关系联系存储到包含所述句对的所述检索语料库中。

7.一种文本检索方法，其特征在于，包括：

获取用户输入的待检索文本及用户确定的检索语料库；

对所述待检索文本进行识别处理，得到预设格式的待检索文本；

对所述预设格式的待检索文本进行句对划分处理，得到句对；

响应于用户确定的所述检索语料库，从所述检索语料库中匹配出与所述句对对应的文本数据，所述检索语料库包括专业术语检索语料库及语块检索语料库。

8.根据权利要求7所述的方法，其特征在于，所述对所述待检索文本进行识别处理，得到预设格式的待检索文本，包括：

对所述待检索文本进行光学字符OCR识别，得到识别后的待检索文本；

将所述识别后的待检索文本进行格式转换处理，得到可编辑格式的待检索文本。

9.根据权利要求8所述的方法，其特征在于，所述对所述预设格式的待检索文本进行句对划分处理，得到句对，包括：

识别所述预设格式的待检索文本中的章节关键词；

根据所述章节关键词，对所述待检索文本进行章节划分，得到每章节对应的文本内容；

对所述每章节对应的文本内容进行段落划分，得到每段落对应的文本内容；

对于任意的一个段落，将预设标识符号首次出现之前所包含的文本内容，划分为一个句对。