[发明专利]文本检索系统的生成方法、文本检索方法及设备

说明书

本申请提供一种文本检索系统的生成方法、文本检索方法及设备，在生成时，通过获取输入的原始文本数据，并对原始文本数据进行识别处理，得到预设格式的文本数据，进而对预设格式的文本数据进行句对划分处理，得到句对，最终，根据句对中关键词的所属类别，将包含句对的文本数据划分到检索语料库中，检索语料库包括专业术语检索语料库及语块检索语料库。在检索时，获取用户输入的待检索文本及用户确定的检索语料库，对待检索文本进行识别处理，得到预设格式的待检索文本，进而对预设格式的待检索文本进行句对划分处理，得到句对，响应于用户确定的检索语料库，从检索语料库中匹配出与句对对应的文本数据。本申请提高了检索效率，检索结果更准确性。

技术领域

本申请涉及文本检索技术领域，尤其涉及一种文本检索系统的生成方法、文本检索方法及设备。

背景技术

随着互联网技术的飞速发展，文本数据在互联网上的数量越来越多，通过文本检索系统对目标文本进行检索，能够极大的提高检索效率。

现有技术中的文本检索系统只能针对某一格式的文本进行检索，当用户的待检索文本并非该格式时，需要借助第三方工具将其转换成该格式后，再将格式转换后的文本输入至检索系统中，检索系统通过全文匹配检索出与待检索文本相对应的文本数据。

但是现有技术检索效率低下，检索准确率较低，影响用户体验。

发明内容

本申请提供一种文本检索系统的生成方法、文本检索方法及设备，用以解决现有技术检索效率低下，检索准确率较低的问题。

第一方面，本申请提供一种文本检索系统的生成方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，还包括：

获取输入的所述原始文本数据的属性信息；