用于语义搜索的设备和方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110023924A(43)申请公布日2019.07.16(21)申请号201780069862.1(71)申请人德尼梅尔奥克提麦恩有限公司(22)申请日2017.11.08地址德国慕尼黑(30)优先权数据(72)发明人迈克尔·纳特雷尔16198539.52016.11.11EP(74)专利代理机构北京康信知识产权代理有限(85)PCT国际申请进入国家阶段日责任公司112402019.05.10代理人梁丽超(86)PCT国际申请的申请数据(51)Int.Cl.PCT/EP2017/0786742017.11.08G06F16/33(2019.01)(87)PCT国际申请的公布数据WO2018/087190EN2018.05.17权利要求书4页说明书13页附图4页(54)发明名称组件中的存储中检索与查询相关联的第二文本用于语义搜索的设备和方法文档数据的至少一个处理组件。处理组件还适于(57)摘要将第二文本文档数据与存储在至少一个内存器公开了一种用于比较文本文档的计算机实组件中的第一文本文档数据进行比较。系统还包现方法。方法包括建立包含与多个第一文本文档括适于返回识别与第一文本文档数据相关联的相关联的第一文本文档数据的数据库。方法进一至少一个相似的第一文本文档的信息的至少一步包括接收查询。方法还包括将所述查询转换为个输出装置。相似的第一文本文档是第一文本文第二文本文档数据。方法还包括将第二文本文档档中与查询最相似的。数据与第一文本文档数据进行比较及计算第二文本文档数据与第一文档数据之间的至少一个相似性度量。进一步公开的是用于处理文本文档中的相似性的计算机实现方法。方法包括协调至少一个传入查询。进一步包括归一化至少一个传入协调查询。方法还包括使用至少一个归一化的协调查询建立至少一个查询向量。方法还包括计算至少一个查询向量与至少一个另一文本文档之间的至少一个相似性度量，其中，至少一个另一文本文档进行了前述步骤。还公开了一种计算机实现的系统。系统包括至少一个内存器组件，该内存器组件适于至少保存包含与第一文本文档相关联的多个第一文本文档数据的数据库。系统还可以包括适于接收查询的至少一个输入装置。查询包括第二文本文档和/或识别第二文本文档的信息。第二文本文档与包含在已存储在内存器组件中的第一文本文档数据中的第二文本文档数据相关联。系统进一步包括适于将查询转CN110023924A换为第二文本文档数据和/或从至少一个内存器CN110023924A权利要求书1/4页1.一种计算机实现的用于比较文本文档的方法，包括以下步骤：a)建立包括与多个第一文本文档相关联的第一文本文档数据(21)的数据库；并且b)接收查询(41)；并且c)将所述查询(41)转换为第二文本文档数据(31)；并且d)将所述第二文本文档数据(31)与所述第一文本文档数据(21)进行比较并且计算所述第二文本文档数据(31)与所述第一文本文档数据(21)之间的至少一个相似性度量。2.根据前述权利要求所述的方法，其中，所述第一文本文档数据(21)包括由包含在所述第一文本文档中的关键词和/或与所述关键词在语义上相关的词语生成的文档向量。(27)。3.根据前述任意权利要求所述的方法，其中，所述查询(41)包括第二文本文档和/或识别与包含在已存储在所述内存器组件(20)内的所述第一文本文档数据(21)内的所述第二文本文档数据(31)相关联的第二文本文档的信息。4.根据前述权利要求中任一项所述的方法，其中，将所述查询(41)转换为所述第二文本文档数据(31)包括协调所述查询(41)。5.根据前述权利要求中任一项所述的方法，其中，将所述查询转换为所述第二文本文档数据(31)包括归一化所述查询(41)。6.根据前述权利要求所述的方法，其中，归一化所述查询(41)包括从外部数据库至少检索同义词、上位词、下位词、停止词和/或主题特定的停止词，并且至少部分地基于所检索到的词语生成所述查询(41)的关键词列表。7.根据前述权利要求所述的方法，其中，通过删除停止词和/或主题特定的停止词并且包含查询的词语的同义词、上位词和下位词中的至少一个来生成所述查询(41)的关键词列表。8.根据前述权利要求中任一项所述的方法，其中，将所述查询(41)转换为所述第二文本文档数据(31)包括生成至少一个查询向量(47)。9.根据前述权利要求所述的方法，其中，通过从所述查询(41)识别关键词和/或所述关键词的同义词并且利用多维向量空间中的向量的分量识别所述关键词，来生成所述查询向量(47)。10.根据前述权利要求所述的方法，其中，所述查询向量(47)包括100至500个分量，优选地包括200至400个分量，甚至更优选地，包括200至300个分量。11