[发明专利]一种面向司法文本的搜索排序方法及系统

权利要求书

1.一种面向司法文本的搜索排序方法，其步骤如下：

(1)数据预处理：收集司法文本数据Doc和法律咨询问题Query，并将收集的司法文本数据Doc进行分词处理，再根据分词后的数据预训练司法文本词向量；

(2)构建相似度匹配矩阵：采用预训练的司法文本词向量构建Query和Doc的相似度匹配矩阵M；

(3)截取相关性文本片段：在Query和Doc的相似度匹配矩阵M中提取局部相关性文本片段，多个局部相关性文本片段拼接在一起获得相关性文本Ds，对应的多个局部相关性文本片段的匹配矩阵拼接在一起获得矩阵Ms；

其中局部相关性文本片段的提取方式如下：

1)设定模板T，所述模板T的宽度为Query的单词个数，长度由Query的长度和具体应用场景决定，计算模板内Query和Doc的匹配向量：模板T在步骤(2)中相似度匹配矩阵M中移动，按照公式(2)计算匹配向量S，

其中，w为模板长度，k为下标，s_k为Query和Doc中从单词D_k到单词D_k+w的文本片段的综合匹配得分；d为Doc的单词个数，max()为取最大值函数，M_·k是相似度匹配矩阵M中所有的行第k列，max(M_·k)为求第k列的最大值即取最强特征避免其他干扰项，S为Query和Doc的匹配向量；

2)根据匹配向量S截取局部相关性文本片段：在匹配向量S中选取n个长度为w的文本片段；首先计算向量S的均值S₀＝mean(S)，计算S＞S₀时S所有的峰值及峰值对应的下标，取峰值对应的文本片段拼接在一起获得最终相关性文本Ds，取峰值对应文本片段的匹配矩阵拼接在一起获得矩阵Ms；

(4)构建特征向量：计算Query和相关性文本Ds的全局相关性，构建特征向量F；

(5)计算匹配值并排序：将获得的特征向量F输入到神经网络模型中，得到最终的Query和Doc的匹配score，然后根据匹配score大小进行排序。

2.根据权利要求1所述的一种面向司法文本的搜索排序方法，其特征在于：步骤(1)中的分词处理包括：构建司法领域分词词典，并采用jieba分词对司法文本数据Doc进行分词处理。

3.根据权利要求1所述的一种面向司法文本的搜索排序方法，其特征在于：步骤(1)中的词向量的训练方法为word2vec训练方法。

4.根据权利要求1至3任意一项所述的一种面向司法文本的搜索排序方法，其特征在于：步骤(2)中相似度匹配矩阵M构建方法如公式(1)；

其中，q为Query中单词个数，d为Doc中单词个数，Q_i为Query中第i个单词的词向量，D_j为Doc中第j个单词的词向量，m_ij∈[-1,1]是Q_i和D_j的余弦相似度，值越大相似度越高。

5.根据权利要求1所述的一种面向司法文本的搜索排序方法，其特征在于：如果峰值个数小于n则取全部峰值，如果峰值个数大于n，则由大到小取n个峰值。