[发明专利]信息检索方法和装置

说明书

本发明公开了一种信息检索方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取待检索文本；识别所述待检索文本中的待检索实体；将所述待检索实体与预设的政策图谱知识库中的实体进行匹配，获得与所述待检索文本对应的多个检索结果，基于所述多个检索，获得第一结果集。该实施方式利用政策图谱知识库对现有政策检索方案进行增强，解决了现有技术搜不到和搜不全的问题，可以给用户返回更全面、准确的搜索结果，并提高了检索准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种信息检索方法和装置。

背景技术

针对搜索政策的场景，很多情况下用户面临者搜不到、搜不准、搜不全的情况。其中，主要原因是因为绝大部分的搜索引擎是根据用户搜索的语句进行分词后，将分词后得到的若干个词语作为关键词进行搜索。若用户输入的词语并没有在全文中出现，搜索不会返回任何结果。这种方法依赖搜索词语的精准程度，日常生活用语被写入政策作为公文的概率很小，所以导致搜索困难。此外，采用关键词匹配的检索方法也无法解决语义搜索的困境。

发明内容

有鉴于此，本发明实施例提供一种信息检索方法和装置，能够利用政策图谱知识库对现有政策检索方案进行增强，解决了现有技术搜不到和搜不全的问题，可以给用户返回更全面、准确的搜索结果，并提高了检索准确度；根据待检索文本与检索结果的相关度和待检索文本的语义，对检索结果进行排序，不仅解决了现有技术中无法解决的语义问题，还让检索结果的排序更符合用户搜索的期望。

为实现上述目的，根据本发明实施例的一个方面，提供了一种信息检索方法，包括：

获取待检索文本；

识别所述待检索文本中的待检索实体；

将所述待检索实体与预设的政策图谱知识库中的实体进行匹配，获得与所述待检索文本对应的多个检索结果，基于所述多个检索结果，获得第一结果集。

可选地，所述待检索实体包括待检索命名实体和待检索内容实体；

识别所述待检索文本中的待检索实体包括：

利用预设的识别模型识别所述待检索文本中的待检索命名实体；

利用词频逆文本频率算法，确定所述待检索文本中的待检索内容实体。

可选地，所述方法还包括根据如下过程获得所述预设的识别模型：

获取训练数据，并对所述训练数据中的样本进行标注，以标注出所述样本的命名实体；

将标注后的训练数据输入预设的基于变换器的双向编码表征量模型，得到所述标注后的训练数据的字向量，训练所述字向量，得到所述预设的识别模型。

可选地，对所述训练数据中的样本进行标注包括：采用BIO格式对所述训练数据中的样本进行标注，其中，B表示命名实体的开始部分，I表示命名实体的中间部分或命名实体的结束部分，O表示其它部分。

可选地，所述方法还包括根据如下过程获得所述政策图谱知识库：

获取政策语料；确定所述政策语料中的命名实体、内容实体和所述命名实体之间的关系；获取通用知识库；将所述政策语料中的命名实体、内容实体所述命名实体之间的关系和所述通用知识库融合，获得政策图谱知识库。

可选地，所述方法还包括：在标注出所述训练数据中的命名实体之后，确定所标注的命名实体之间的关系；将标注后的训练数据输入预设的基于变换器的双向编码表征量模型，得到所述标注后的训练数据的句向量，训练所述句向量，得到关系分类模型；确定所述政策语料中的命名实体之间的关系包括：利用所述关系分类模型，确定所述命名实体之间的关系。

可选地，所述命名实体包括以下一种或多种：时间、地点、机构、受众、行业和政策。