申请/专利权人：北京百度网讯科技有限公司

申请日：2021-02-26

公开（公告）日：2024-01-12

公开（公告）号：CN112925912B

主分类号：G06F16/35

分类号：G06F16/35;G06F16/31;G06F16/36;G06F40/247

优先权：

专利状态码：有效-授权

法律状态：2024.01.12#授权;2021.06.25#实质审查的生效;2021.06.08#公开

摘要：本公开提供了一种文本数据库的文本处理方法，涉及搜索、自然语言处理及深度学习等计算机技术领域。该文本处理方法包括：获取文本数据库中所有文本的特征向量；根据所有文本的特征向量，将所有文本进行分类聚簇，得到多个同义文本簇，所述同义文本簇包含具有同义关系的多个文本；针对每个同义文本簇，从该同义文本簇中确定出一个文本，以作为该同义文本簇对应的代表文本；根据所有代表文本的特征向量，创建所述文本数据库的目标查询索引。本公开还提供了一种同义文本召回方法、装置、电子设备及计算机可读介质。

主权项：1.一种文本数据库的文本处理方法，包括：获取文本数据库中所有文本的特征向量；根据所有文本的特征向量，将所有文本进行分类聚簇，得到多个同义文本簇，所述同义文本簇包含具有同义关系的多个文本；针对每个同义文本簇，从该同义文本簇中确定出一个文本，以作为该同义文本簇对应的代表文本；根据所有代表文本的特征向量，创建所述文本数据库的目标查询索引；所述根据所有文本的特征向量，将所有文本进行分类聚簇，得到多个同义文本簇，包括：根据所述文本数据库中所有文本的特征向量，创建所述文本数据库的初始查询索引；针对所述文本数据库中的每个文本，通过初始查询索引查询出与该文本匹配的文本，生成初始同义关系信息，所述初始同义关系信息包括该文本和与该文本匹配的文本；利用预设的同义判别模型对每个初始同义关系信息中的文本进行同义判别，去除所有初始同义关系信息中不满足同义关系的初始同义关系信息；将剩余的初始同义关系信息中存在交集的初始同义关系信息划分为一类初始同义关系信息，每类初始同义关系信息作为一个所述同义文本簇。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 文本处理方法、同义文本召回方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD