[发明专利]一种基于深度学习的规章制度检索方法及系统

权利要求书

1.一种基于深度学习的规章制度检索方法，其特征在于：S1.获取用户提供的查询文本，并将所述的查询文本输入中文文本分词模型，得到查询文本中的各目标分词；再将各目标分词输入中文文本依存句法分析模型，得到各目标分词的词性和属性；根据各目标分词的词性和属性对目标分词进行筛选；

S2.在规章制度数据库中进行检索，得到多条检索结果，并计算各检索结果的基于分词的匹配度X_n后，筛选出符合要求的N条检索结果；

2-1.根据原始查询文本和步骤S1筛选出的目标分词检索出多条初步检索结果；初步检索结果中均包含document-content部分和document-title部分；document-content部分为检索结果的具体内容部分；document-title为检索结果所属段落的标题或副标题；将各初步检索结果输入步骤S1所述的中文文本分词模型和中文文本依存句法分析模型；得到各初步检索结果中的目标分词以及目标分词的词性和属性；

2-2.将步骤S1中筛选出的查询文本的目标分词与每条初步检索结果的document-content部分中提取出的目标分词，分别输入无监督匹配算法，得到查询文本与各初步检索结果之间的基本匹配度A_n；

将步骤S1中筛选出的查询文本的目标分词与每条初步检索结果的document-title部分中提取出的目标分词，分别输入Jaccard相似度匹配算法，得到查询文本与各初步检索结果之间的附加匹配度B_n；

2-3.分别计算查询文本与各初步检索结果之间基于分词的匹配度X_n＝c·A_n+(0.5-c)·B_n；其中，c为第一权重系数，其取值范围为0～0.5；根据基于分词的匹配度X_n筛选出多条基于分词的检索结果；

S3.利用Bert-ESIM模型分别计算查询文本与步骤S2筛选出的基于分词的各条检索结果之间的基于完整语义的匹配度Y_n；所述的Bert-ESIM文本相似度计算模型中包括改进的ESIM网络；改进的ESIM网络中使用余弦相似计算器替代Softmax组件；使用Bert中文文本特征提取器替代输入编码器；

S4.分别计算N条检索结果与查询文本的复合匹配度Z_n＝d·X_n+(0.5-d)·Y_n；其中，d为第二权重系数，其取值范围为0～0.5；按照复合匹配度Z_n从大到小对N条检索结果进行排序并输出。

2.根据权利要求1所述的一种基于深度学习的规章制度检索方法，其特征在于：所述目标分词的属性包括主语、谓语、宾语、定语、状语和补语；所述目标分词的词性包括名词、动词、形容词、副词、连词、实体词、介词、数量词、人名、地名和时间。

3.根据权利要求1所述的一种基于深度学习的规章制度检索方法，其特征在于：步骤S1中，保留属于主语、谓语、宾语、实体词、时间、地点或数量词的目标分词。

4.根据权利要求1所述的一种基于深度学习的规章制度检索方法，其特征在于：所述的中文文本分词模型采用多层Bi-GRU网络与CRF网络的结合网络；中文文本分词模型通过包括cwb2-data、人民日报数据集、SIGHANBakeoff2005、MSRA微软亚洲研究院数据集在内的中文分词数据集进行训练得到；中文文本分词模型的输入为中文文本，输出为该中文文本中的各目标分词以及各目标分词的属性和词性。

5.根据权利要求1所述的一种基于深度学习的规章制度检索方法，其特征在于：所述的中文文本依存句法分析模型采用双层Bi-LSTM网络与MLP网络的组合网络；中文文本依存句法分析模型通过包括SemEval-2016、CoNLL、PennTreebank、百度开源数据集在内的中文依存句法分析数据集进行训练得到；中文文本依存句法分析模型的输入为目标分词，输出为该目标分词在查询文本中的词性和属性。