[发明专利]一种文档排序方法、系统、电子设备及存储介质

说明书

本发明提出一种文档排序方法、系统、电子设备及存储介质，其方法技术方案包括实体识别抽取步骤，对一查询语句和待排序的多个文档的实体进行识别，并抽取所述查询语句的查询语句实体和所述文档的文档实体；文档关系识别步骤，对所述文档实体进行关系识别，并基于所述关系获取所述文档的知识子图；相似度计算步骤，根据所述查询语句实体和所述知识子图，计算所述文档和所述查询语句的相似度；文档排序计算步骤，根据所述文档和所述查询语句的相似度，对所述文档进行相似度排序。本发明解决了现有文档排序方法只能从浅层特征入手、不能从深层语义角度计算的问题。

技术领域

本发明属于信息检索技术领域，尤其涉及一种文档排序方法、系统、电子设备及存储介质。

背景技术

现有的文档排序方法，首先提取一些固有的特征，如文本相关性、内容质量分类、内容时新性、点击类、用户画像类等特征，然后将这些特征输入到机器学习模型中采用不同的方式进行特征组合和权重学习得到学习器，最后利用学习器进行query和文档的相关度预测，从而可以根据相关度进行文档排序。

但现有方法只是利用了简单、固有的特征，并没有找到很好的方式表征文档，没有挖掘文档的深层语义信息，导致在进行query和文档的相关度计算时，只能从浅层特征入手，不能从深层语义角度计算，从而返回的文档排序可能不是最优的，无法使用户方便快速的查询到最相关的文档结果。

排序学习是搜索算法中的重要一环。文档搜索的本质是首先召回与用户输入的关键词查询(query)相关度高的一组文档，然后利用排序算法根据query和各个文档的相关程度进行精确排序。知识图谱是一种基于图的数据结构，由节点和边组成，每个节点表示一个实体，比如员工、产品、公司等，每条边为是实体与实体之间的关系，本质上是一种揭示实体之间关系的语义网络，能够把所有信息连接在一起。

发明内容

本申请实施例提供了一种文档排序方法、系统、电子设备及存储介质，以至少解决现有文档排序方法只能从浅层特征入手、不能从深层语义角度计算的问题。

第一方面，本申请实施例提供了一种文档排序方法，包括：实体识别抽取步骤，对一查询语句和待排序的多个文档的实体进行识别，并抽取所述查询语句的查询语句实体和所述文档的文档实体；文档关系识别步骤，对所述文档实体进行关系识别，并基于所述关系获取所述文档的知识子图；相似度计算步骤，根据所述查询语句实体和所述知识子图，计算所述文档和所述查询语句的相似度；文档排序计算步骤，根据所述文档和所述查询语句的相似度，对所述文档进行相似度排序。

优选的，所述相似度计算步骤进一步包括：第一相似计算步骤，分别计算所述查询语句和每个所述文档中每个所述知识子图的相似度；第二相似计算步骤，根据所述查询语句和每个所述文档中每个所述知识子图的相似度，分别计算所述查询语句和每个所述文档的整体相似度。

优选的，所述第一相似计算步骤进一步包括：实体间计算步骤，分别计算每个所述查询语句实体和每个所述文档实体的相似度；实体子图计算步骤，根据每个所述查询语句实体和每个所述文档实体的相似度，分别计算每个所述查询语句实体和所述知识子图的相似度；查询语句子图计算步骤，根据每个所述查询语句实体和所述知识子图的相似度，分别计算所述查询语句和所述文档中每个所述知识子图的相似度。

优选的，所述实体间计算步骤进一步包括：计算所述文档实体的TF-IDF值，将所述查询语句实体和所述文档实体分别映射为查询语句实体向量和文档实体向量，并根据所述TF-IDF值、所述查询语句实体向量和所述文档实体向量计算所述查询语句实体和所述文档实体的余弦相似度。