基于检索语句的信息检索方法、装置、设备和介质.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CN113641782A(43)申请公布日2021.11.12(21)申请号202010345052.8(22)申请日2020.04.27(71)申请人北京庖丁科技有限公司地址100091北京市海淀区厢黄旗2号楼2层X06-205室(72)发明人林得苗(74)专利代理机构北京东方亿思知识产权代理有限责任公司11258代理人彭琼(51)Int.Cl.G06F16/33(2019.01)G06F16/332(2019.01)G06F40/131(2020.01)G06F40/258(2020.01)权利要求书2页说明书13页附图4页(54)发明名称基于检索语句的信息检索方法、装置、设备和介质(57)摘要本发明公开了基于检索语句的信息检索方法、装置、设备和介质。该方法包括：获取待检索语句；从目标文档的内容块中确定与待检索语句相关的目标内容块，内容块包括文本内容段落、标题、表格、图表、图片中的至少一个；将具备逻辑层级关系的目标内容块聚合为片段，其中，具备逻辑层级关系的目标内容块所对应的标题具有同一上级标题；将片段作为待检索语句在目标文档中的信息检索结果。根据本发明实施例提供的基于检索语句的信息检索方法、装置、设备和介质，可以提高信息检索结果的质量。CN113641782ACN113641782A权利要求书1/2页1.一种基于检索语句的信息检索方法，其特征在于，所述方法包括：获取待检索语句；从目标文档的内容块中确定与所述待检索语句相关的目标内容块，所述内容块包括文本内容段落、标题、表格、图表、图片中的至少一个；将具备逻辑层级关系的所述目标内容块聚合为片段，其中，所述具备逻辑层级关系的所述目标内容块所对应的标题具有同一上级标题；将所述片段作为所述待检索语句在所述目标文档中的信息检索结果。2.根据权利要求1所述的方法，其特征在于，所述目标内容块的逻辑层级关系是基于内容块逻辑树确定的，其中，所述内容块逻辑树是基于所述目标文档的内容块确定的，每一标题的下一级标题和所述每一标题对应的除标题外的其他目标内容块为所述每一标题的子节点。3.根据权利要求2所述的方法，其特征在于，所述将具备逻辑层级关系的所述目标内容块聚合为片段，包括：将所述内容块逻辑树中每一子树中的所有目标内容块聚合为一个片段。4.根据权利要求2所述的方法，其特征在于，所述将具备逻辑层级关系的所述目标内容块聚合为片段，包括：获取第一集合、第二集合和第三集合，所述第二集合的初始值包括全体所述目标内容块；若在所述内容块逻辑树中，所述第二集合中至少两个元素的父节点相同，且所述父节点不属于所述第二集合，则将所述父节点作为元素加入所述第三集合；若所述第一集合中至少一个元素的父节点与所述第二集合中至少一个元素的父节点相同，且所述父节点不属于所述第一集合和所述第二集合，则将所述父节点作为元素加入所述第三集合；将所述第一集合的全体元素加入所述第二集合，并将第三集合作为新的第一集合，直到所述第三集合为空集，将所述第二集合中的元素作为新的目标内容块，并将所述新的目标内容块聚合为片段。5.根据权利要求4所述的方法，其特征在于，所述将所述第二集合中的元素作为新的目标内容块，并将所述新的目标内容块聚合为片段，包括：将所述第二集合中的新的目标内容块依次作为第一目标内容块；针对每一第一目标内容块，执行以下操作：若所述内容块逻辑树中，所述第一目标内容块为第二集合中的第二目标内容块的父节点或者子节点，则将所述第一目标内容块和第二目标内容块进行聚合；若所述第一目标内容块的父节点与第二集合中的第三目标内容块的父节点相同，则将所述第一目标内容块、所述第三目标内容块、所述第一目标内容块的父节点进行聚合；若所述第一目标内容块的父节点的父节点是第二集合中的第四目标内容块，则将所述第一目标内容块、所述第四目标内容块、所述第一目标内容块的父节点进行聚合；若所述第一目标内容块的子节点的子节点是第二集合中的第五目标内容块，则将所述第一目标内容块、所述第五目标内容块、所述第五目标内容块的父节点进行聚合。6.根据权利要求1所述的方法，其特征在于，所述从目标文档的内容块中确定与所述待2CN113641782A权利要求书2/2页检索语句相关的目标内容块，包括：计算每一所述内容块与所述待检索语句的相关度评分；将所述相关度评分最高的前N个所述内容块确定为所述目标内容块。7.根据权利要求6所述的方法，其特征在于，所述计算每一所述内容块与所述待检索语句的相关度评分，包括：针对每一所述内容块，提取该内容块与所述待检索语句的相关度特征，将所述相关度特征输入预先训练的评分计算模型，得到该内容块与所述待检索语句的相关度评分；其中，所述相关度特征包括以下至少一种：该内容块与所述待检索语句的第一