[发明专利]基于语义匹配的证据文档检索方法、系统及存储介质

说明书

本发明涉及人工智能，提供一种基于语义匹配的证据文档检索方法、系统及存储介质，其中的方法包括：对待检索证据文档进行段落划分，以将所述待检索证据文档划分为至少一个文本段落；确定段落划分后的所述待检索证据文档中的与用户查询问题相关的所有文本段落，记为相关文本段落组；自所述相关文本段落组内确定召回文本段落，并对所述召回文本段落进行召回；基于预设的阅读理解模型对所述召回文本段落进行处理，以提取所述召回文本段落内的与所述用户查询问题对应的最终答案字段。本发明提供的技术方案既能够解决现有的证据文档检索方法检索精度低且用户体验效果差的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于语义匹配的证据文档检索方法、系统及存储介质。

背景技术

在案件审理过程中，考虑法院场景里，法官在庭审前的阅卷流程及后续开庭审理过程中可能会产生一些关于所审理案件的详细案件信息的查询需求(例如根据当事人的诉请和抗辩查询当事人提交的证据材料的具体内容)，业内部分供应商曾推出过旨在解决此类查询需求的检索产品。

然而，此类检索产品往往是基于字符串的完全匹配或部分模糊匹配技术在待检索文档中匹配用户输入的查询关键字并返回所有命中的文本片段，该方案存在如下缺陷或不足：

1、仅仅考虑了查询的字面匹配而未考虑语义匹配，返回结果里只存在于查询字面匹配的文本片段，可能会忽略部分与查询语义相似的文本片段，从而造成最终结果的缺失。

2、仅仅考虑了检索任务中的召回环节(召回环节是检索的第一阶段，指的是根据用户输入问题和文段之间的一部分相关性，从海量文本中快速找到一小部分潜在相关文段的过程)，而未考虑筛选、排序环节(现有的检索都是基于关键字的检索，只是根据问题和候选文段是否有关键字完全匹配这一个特征进行召回，且不对召回结果做排序，完全按照出现的先后顺序显示给用户，这样很可能造成真正满足要求的文段排序靠后，显示效果对用户不友好)，可能导致返回的文本片段数量过大且未能体现各个返回文本片段与查询的相似程度，用户体验不佳。

基于以上技术问题，亟需一种检索精度高、用户体验效果好的证据内容检索方法。

发明内容

本发明提供一种基于语义匹配的证据文档检索方法、系统、电子装置以及计算机存储介质，其主要目的在于解决现有的证据文档检索方法检索精度低且用户体验效果差的问题。

为实现上述目的，本发明提供一种基于语义匹配的证据文档检索方法，该方法包括如下步骤：

对待检索证据文档进行段落划分，以将所述待检索证据文档划分为至少一个文本段落；

确定段落划分后的所述待检索证据文档中的与用户查询问题相关的所有文本段落，记为相关文本段落组；

自所述相关文本段落组内确定与所述用户查询问题具有预设相关度的文本段落作为召回文本段落，并对所述召回文本段落进行召回；

基于预设的阅读理解模型对所述召回文本段落进行处理，以提取所述召回文本段落内的与所述用户查询问题对应的最终答案字段。

优选地，对所述待检索证据文档进行段落划分，以将所述待检索证据文档划分为至少一个文本段落的过程包括：

以预设尺寸的窗口每次滑动预设固定步长的方式对所述待检索证据文档进行截取，以将所述待检索证据文档划分为至少一个文本段落；或者，

根据所述待检索证据文档内的子标题对所述待检索证据文档进行段落划分，以将所述待检索证据文档划分为至少一个文本段落。

优选地，若所述待检索证据文档为图片式pdf文档，则在对所述待检索证据文档进行段落划分之前，需要先对所述待检索证据文档进行文字识别，以将所述待检索证据文档转换为word格式文档。