文本检索

摘要： 随着法律文书数据越来越多,信息过载问题日益严重,快速且准确地在海量法律文书中进行检索显得非常必要。法律文本作为一种特殊的文本形式,具有篇幅较长、结构复杂、专业性强等特点,传统基于关键字的文本检索方法不能满足用户查询法律信息的需求,容易出现答非所问、检索不全等问题。此外,基于语义的文本检索方法,大多依赖于对含有大量标注数据的法律文本进行有监督学习,而法律文本数据的人工标注则严重依赖专家知识,导致其需要高昂的人力成本。该文提出一种基于无监督学习的法律文书检索模型,分别从法律概念、词语和词组3个方面进行多粒度无监督文本匹配,避免了没有训练数据导致的冷启动问题。在法律裁判文书数据集上进行检索实验的结果表明,与基准模型相比,该模型在MAP、MRR和NDCG@10指标上均有显著提升,取得了优秀的检索效果,具有有效性和先进性。

摘要： 为构建一种能够准确有效地在医保问题库中检索到与用户提出的问题匹配度最高的问题,提出了一种融合逻辑回归分类模型和TextRank关键词抽取的文本快速检索方法。首先从医保局官网以及百度文库中收集医保问答对,根据医保问答数据特征,采用对比分析方法找到最优的文本检索方案。实验结果表明,逻辑回归分类模型速度更快、准确度更高,配合基于图排序的关键词检索方式TextRank,能够有效地检索到与用户问题匹配度最高的医保问题。

摘要： 电子病历的增长构成用户健康大数据的基础,可提高医疗服务质量并降低医疗成本,因此迅速有效地检索病例在临床医学中具有实际意义。电子病历具有极强的专业性和独特的文本特点,然而传统的文本检索方法存在文本实体语义表达不准确、检索精度较低的不足。针对以上特点及问题,提出一种融合BERT-BiLSTM模型结构,以充分表达电子病历文本语义信息,提高检索的准确率。依据公开数据,首先,将公开的标准中文电子病历数据按临床诊断规则做关联扩展检索主题词预处理;其次,利用BERT模型,根据病历文本的上下文语境动态获取字粒度向量矩阵,再将生成的字向量作为双向长短时记忆网络模型(BiLSTM)的输入,以提取上下文信息的全局语义特征;最后,将检索文档的特征向量映射到欧氏空间中,找出与检索文档距离最近的病历文本,实现非结构化临床数据文本检索。仿真结果表明,该方法能够从病历文本中挖掘出多层次、多角度的文本语义特征,在电子病历数据集上取得的F1值为0.94,能显著提高文本语义检索准确率。

摘要： 哈希函数在计算机科学领域和密码学领域广泛应用。在计算机科学领域,它将关键字的集合映射到地址集合,实现记录的管理和快速查找。虽然哈希函数在查找上表现良好,但是在文本检索领域应用却很少,因此提出一种基于二叉树结构的哈希函数。首先,该方法对文本文件采用首字Hash法进行一次粗检索,对粗检索结果集采用二叉树哈希结构详细检索。其次,将此二叉树结构构建的哈希函数应用在文本检索领域,并将查找领域的优势应用于文件检索。最后,该方法被应用于不同的文本文件进行试验,并将试验结果与快速排序查找算法、二叉树查找算法进行对比。实验结果表明,二叉树哈希函数方法在文本检索表现上优于另外两种算法。

摘要： 大数据环境下的数据增强能有效地扩充数据样本的规模,数据的规模如果越大、质量就越来越好,模型有着更好更高的泛化能力.基于深层的神经网络的文本情感的检索分析的算法的损失函数的优化可以提高模型的泛化能力,减少过度拟合,提高了基于语义的文本情感倾向分析的检索方法的精确度,显著减少了丢失率,避免了过度拟合.

摘要： 为了提高跨境民族文化文本检索的精度,提出一种方法——融入文档词权重的跨境民族文化文本检索方法(Cross-Border Ethnic Cultural Text Retrieval Method Incorporating Document word Weight,CETR).该方法在输入端对查询词和文档词通过Bi-LSTM进行初步特征提取,在形成交互矩阵时融入文档词权重,利用CNN提取交互矩阵上的特征,得到基本的关联信号.通过Max-pooling提取最强的关联信号,并投影到多层感知器神经网络中,最终获得查询与文档的匹配得分.实验结果表明,对比精度最高的通用模型,CETR模型NDCG@10提高了约9.7％,P@1提高了约8.9％,MAP提高了约9.8％.由此说明该模型在面向跨境民族文化领域的检索任务上效果更好.

摘要： 本文运用深层神经网络针对基于语义的文本情感倾向分析方法实行了探究.通过改良策略和模式布局的设想,提出了两种情感倾向的检索布局,以便得到最佳的检索效益.实验说明,BO-BI-LSTM和BO-CNN神经网络语言模式在一定意义上提升了基于语义的文本情感倾向分析的采集方法的精确度,丢失率明显降低,预防了极度吻合.

摘要： 一种改进聚类分布式索引的新方法,以便使用线程进行高效的文本检索.在文本检索中,文本搜索指的是搜索存储的文本的技术文档或数据库.在全文搜索中,搜索引擎会检查每个存储库中的所有单词文档,因为它试图匹配用户提供的搜索词.当处理少量的文档,全文搜索引擎执行串行扫描,直接扫描文档的内容每个查询都包含一个文档.当要搜索的文档数量可能很大或数量要执行的搜索查询数量很大,全文搜索问题通常分为两个任务,即,索引和搜索.索引阶段扫描所有文档的文本,并构建文档列表搜索词,通常称为索引.在搜索阶段,当执行特定查询时,只有索引被引用,而不是原始文档的文本.综上所述,本文旨在通过对索引进行聚类,提高索引的搜索时间.

摘要： 本文针对目前文本检索的准确性、实用性、提取等问题,构造一个检索模型BO-BI-LSTM对文本的提取,再利用语义分析进行挖掘,实验表明对文本挖掘提高了,这种模型在应用中有很大的实用性。

摘要： 在企业信息系统中隐藏着大量结构化、半结构化及非结构化存储的文本信息还没得到有效利用.结构化存储的文本信息隐藏于关系数据库内部,而传统关系数据库管理平台文本信息检索功能有限. 自然语言中存在的一词多义和多词同义现象给文本检索增加了难度,由此提出了查询扩展技术提高检索结果文档数,及文档的相关度. 本文设计了一个服务于关系数据库平台的信息检索系统,具备通用性、灵活性和可扩展性,解决信息系统内部大量结构化文本的信息查询问题,并提供信息查询智能扩展.为了适应关系数据库中的信息检索的特点及需求,我们设计出一种综合了传统信息检索技术,信息抽取技术以及查询扩展技术的解决方案:设计了智能索引结构,对用户输入的查询设计了语义分析方法,借助词典工具对单词语义做同义词扩展,最后对检索出来的元组信息利用其与其他元组的关联关系形成完整的"文档信息"。

摘要： 本文探索如何将实体和虚拟馆藏中现代文学资源进行归纳和综合，提取词的多种意义，分析意象、引申和感情色彩，揭示文本的多层面，从而加工成数字资源和文本检索工具书，以便提供给读者作选用的参考依据。

摘要： 虽然已有的研究表明，相对于词袋模型，利用词项依存关系能够显著的提高检索性能，但不同的词项依存关系却缺乏系统的横向比较。为此，在文档表达上，本文比较了利用近邻信息和句法信息定义的词项依存关系的性能；在查询表达上，对利用不同层次的句法信息所定义的词项依存关系的性能进行了比较。为了系统地比较这些词项依存关系对检索性能的影响，本文在语言模型基础上，以平滑为思路，提出了一个能方便融入这两类词项依存关系的检索模型。在TREC语料上的实验表明，句法关系较统计近邻关系有比较明显的提高。同时在查询表达上，完全的句法信息比部分的短语信息能更进一步的提高检索效果。

摘要： 通过对文本集的词-文档矩阵进行奇异值分解(SinguIar Value Decomposition,SVD),提取K-秩近似矩阵近似表征原词-文档矩阵,左右奇异向量分别为词向量和文档向量,在此基础上进行文本分类和其它各档处理,这就是隐含语义索引技术.本文对此问题进行了研究.该文利用查询向量和各文本向量之间的夹角余弦表示相似程度,寻找和用户查询最相似的文档集合,并按相似度的高低排列,将相似度大于用户预先设定的阈值的文档返回给用户。

摘要： Resources for biomedical text Mining:Corpora、Knowledge Sources、Supporting Tools.Information Extraction.Biomedical text mining tasks.Biomedical text mining applications.Extract structured facts from unstructured or semi-structured text.Identify biological or medical terms.Determine relationships among the entities.Identify complex,nested event structures.Concepts and Semantic relations extracted.Extract SemRep predications;represent as a graph.Calculate degree centrality for each node.Keep predications where both arguments have degree centrality above cutoff.

摘要： Resources for biomedical text Mining:Corpora、Knowledge Sources、Supporting Tools.Information Extraction.Biomedical text mining tasks.Biomedical text mining applications.Extract structured facts from unstructured or semi-structured text.Identify biological or medical terms.Determine relationships among the entities.Identify complex,nested event structures.Concepts and Semantic relations extracted.Extract SemRep predications;represent as a graph.Calculate degree centrality for each node.Keep predications where both arguments have degree centrality above cutoff.

摘要： Resources for biomedical text Mining:Corpora、Knowledge Sources、Supporting Tools.Information Extraction.Biomedical text mining tasks.Biomedical text mining applications.Extract structured facts from unstructured or semi-structured text.Identify biological or medical terms.Determine relationships among the entities.Identify complex,nested event structures.Concepts and Semantic relations extracted.Extract SemRep predications;represent as a graph.Calculate degree centrality for each node.Keep predications where both arguments have degree centrality above cutoff.

摘要： Resources for biomedical text Mining:Corpora、Knowledge Sources、Supporting Tools.Information Extraction.Biomedical text mining tasks.Biomedical text mining applications.Extract structured facts from unstructured or semi-structured text.Identify biological or medical terms.Determine relationships among the entities.Identify complex,nested event structures.Concepts and Semantic relations extracted.Extract SemRep predications;represent as a graph.Calculate degree centrality for each node.Keep predications where both arguments have degree centrality above cutoff.

摘要： 这里所说的引证超前,是指历时辞书某义项下所引的例证时代超前于该意义出现的时代,在其所引书证的时代该项意义还没有出现.学术界有一句行话:"说有易,说无难."指出历时辞书引例滞后是"说有"的事,只要发现有例证早于该辞书所引例证的时代,就可以证明其所引例证滞后.而指出其引证超前是"说无"的事,需要在较大的资料范围内进行比对,才能发现在它所引书证的时代该义项还没有出现,利用《国学宝典》、《四库全书》两种较大型的电子语料检索系统,在超过十亿字次的历时语料范围内进行近于穷尽式的检索,发现某些历时辞书的词条有引证超前的现象.兹引例讨论之.

摘要： 这里所说的引证超前,是指历时辞书某义项下所引的例证时代超前于该意义出现的时代,在其所引书证的时代该项意义还没有出现.学术界有一句行话:"说有易,说无难."指出历时辞书引例滞后是"说有"的事,只要发现有例证早于该辞书所引例证的时代,就可以证明其所引例证滞后.而指出其引证超前是"说无"的事,需要在较大的资料范围内进行比对,才能发现在它所引书证的时代该义项还没有出现,利用《国学宝典》、《四库全书》两种较大型的电子语料检索系统,在超过十亿字次的历时语料范围内进行近于穷尽式的检索,发现某些历时辞书的词条有引证超前的现象.兹引例讨论之.

摘要： 公开了一种文本检索方法、装置及设备、文本检索模型的训练方法，其中该文本检索方法包括：提取目标文本的文本特征，生成目标文本的文本特征向量；基于该目标文本的文本特征向量、以及预设文本库中至少一个预设文本的文本特征向量，生成该目标文本的扩展文本特征向量；基于目标文本的文本特征向量及扩展文本特征向量，生成该目标文本的二进制编码；基于该目标文本的二进制编码及预设文本库中至少一个预设文本的二进制编码，在所述预设文本库中检索与该目标文本匹配的文本以生成文本检索结果。

摘要： 本发明的实施例公开一种汉语文本检索方法及汉语文本检索装置。汉语文本检索方法包括：获取用户输入的搜索字符串；查询预先设置的映射库，所述映射库存储有各汉字分别映射的等价字符集，将搜索字符串映射为由等价字符集为元素的搜索串，所述等价字符集为汉字自身及其对应的异体字、和/或，简体字、和/或，繁体字、和/或，通假字集合或该集合的子集；依据获取的所述等价字符集为元素的搜索串检索汉语文本库，得到与用户输入的搜索字符串相匹配的多种汉字等价形式检索结果。应用本发明，可以无需用户具备汉字各种变体形式的知识，并提升检索效率。

摘要： 本发明提供一种文本检索装置以及文本检索方法。文本检索装置（100）具备存储多个转置索引的信息存储部（110），转置索引使成为检索对象的文档中记载的字符等和该字符等的出现位置相应。转置索引是针对在文档中的成为前方一致检索对象的文本的开头插入了开头标记的文档而生成的。文本检索装置（100）的增加检索部（1410）在检索关键字的开头插入开头标记，使用转置索引执行前方一致检索。此外，主检索部（1420）使用相同的转置索引，执行部分一致检索。

摘要： 本发明提供文本检索装置、记录了文本检索程序的记录介质、以及文本检索方法。一种文本检索装置，利用N－gram方式进行文本检索，其特征在于，具有：检索对象文本分析部，其根据文本分析规则对检索对象文本进行分析，提取出索引词；索引生成部，其利用所述索引词生成索引；检索词分析部，其根据检索词分析规则来分析在检索条件中包含的检索词，从该检索词中切出词；检索条件生成部，其根据从所述检索词中切出的词，生成内部检索条件；以及检索处理部，其根据所述内部检索条件检索所述索引。

摘要： 本说明书涉及一种文本检索方法包括：对接收的第一文本进行分词，得到至少一个词语；根据所述至少一个词语从知识库中召回至少一个第二文本；将所述至少一个词语输入经过训练的文本向量模型，得到所述第一文本的文本向量；根据所述第一文本的向量从所述知识库中召回至少一个第三文本；以及将所述至少一个第二文本和所述至少一个第三文本进行融合，得到文本检索结果。本说明书还提供了词权重模型和文本向量模型的训练方法、文本检索装置、电子设备以及计算机可读存储介质。

摘要： 公开了一种文本检索方法、装置及设备、文本检索模型的训练方法，其中该文本检索方法包括：提取目标文本的文本特征，生成目标文本的文本特征向量；基于该目标文本的文本特征向量、以及预设文本库中至少一个预设文本的文本特征向量，生成该目标文本的扩展文本特征向量；基于目标文本的文本特征向量及扩展文本特征向量，生成该目标文本的二进制编码；基于该目标文本的二进制编码及预设文本库中至少一个预设文本的二进制编码，在所述预设文本库中检索与该目标文本匹配的文本以生成文本检索结果。

摘要： 本申请提供一种检索方法，包括：接收查询请求；对所述查询请求提供的查询文本以及查询参数进行检索导向预处理，获得预处理结果；根据所述检索导向预处理结果进行倒排表查询以及归并运算，获得预定数量的召回文档；所述倒排表的每个记录对其关联的文档采用分数化文档身份标识作为文档标识，每个记录根据该记录关联的文档的分数化文档身份标识作为在相应的关键词条目中的排序依据；对所获得的所述召回文档进行优先级分值计算；以所述优先级分值为排序依据输出召回文档。本申请同时提供一种检索装置，一种检索系统，以及用于检索的倒排表生成方法。本申请提供的用于文本检索的方法，采用了特殊的倒排表，能够优先检索出重要程度高的文献。

摘要： 文本检索装置12对由原始文本中记载的互不相同的多个词语变换出的互不相同的固定长度的代码的多个文本数据进行存储。用户终端14指定多个词语，且向文本检索装置12发送以词语数指定这些多个词语所应存在的范围的检索要求。文本检索装置12获取与检索要求所指定的多个词语各自对应的固定长度的代码，与检索要求所指定的词语数基准的范围、固定的代码长度相应地导出字符数基准的范围。文本检索装置12执行以多个词语的代码和字符数基准的范围为条件的邻近检索，从多个文本数据中提取符合上述条件的文本数据。

摘要： 本发明的实施例公开一种汉语文本检索方法及汉语文本检索装置。汉语文本检索方法包括：获取用户输入的搜索字符串；查询预先设置的映射库，所述映射库存储有各汉字分别映射的等价字符集，将搜索字符串映射为由等价字符集为元素的搜索串，所述等价字符集为汉字自身及其对应的异体字、和/或，简体字、和/或，繁体字、和/或，通假字集合或该集合的子集；依据获取的所述等价字符集为元素的搜索串检索汉语文本库，得到与用户输入的搜索字符串相匹配的多种汉字等价形式检索结果。应用本发明，可以无需用户具备汉字各种变体形式的知识，并提升检索效率。

摘要： 本发明提供文本检索装置以及文本检索方法。文本检索装置（100）具备：存储部（110），其存储多组文本数据，其中一组文本数据由多个目录构成；取得部（130），其取得检索关键字；检索部（140），其从存储在上述存储部中的文本数据中，检索各目录中包含上述取得的检索关键字的文本数据；其输出部（170），其针对由上述检索部检索到的文本数据，通过与目录对应地预先决定的顺序决定方法来决定顺序，并针对每个目录进行输出。