一种文献检索方法、装置及电子设备与流程

1.本技术实施例涉及人工智能技术领域，尤其涉及一种文献检索方法、装置及电子设备。


背景技术：

2.随着文献数据的种类和数量的不断增加，如何有效的挖掘和利用大量的文献数据成为了一个难题。现有的文献检索方法包括：接收待检索文本并抽取关键词，根据关键词自动生成检索式，根据检索式检索文献数据库。然而，现有的文献检索方法没有充分考虑到要素的差异和要素之间的关联性，自动生成的检索式得到的检索结果往往不能全面覆盖技术方案，并且检索结果的准确度较差，此外，最接近待检索文本的检索结果往往排序不靠前，导致用户在查看检索结果的时候需要花费大量时间。


技术实现要素：

3.本技术实施例提供了一种文献检索方法、装置及电子设备，能够解决现有的文献检索准确度不高的问题。
4.第一方面，本技术实施例提供了一种文献检索方法，所述方法包括：获取用户输入的待检索文本；从所述待检索文本中抽取检索要素；确定所述检索要素的优先级；根据所述优先级基于所述检索要素构建检索式；基于所述检索式检索文献数据库，得到检索结果，所述检索结果的排序与所述优先级相关。
5.在一种可选的设计中，所述从所述待检索文本中抽取检索要素，包括：从所述待检索文本中抽取关键词作为检索要素；和/或，从所述待检索文本中抽取子句作为检索要素。
6.在一种可选的设计中，从所述待检索文本中抽取关键词作为检索要素，包括：将所述待检索文本进行分词，得到多个单词和/或短语，作为检索要素；从所述待检索文本中抽取子句作为检索要素，包括：将所述待检索文本按照标点符号划分为多个子句，作为检索要素。
7.在一种可选的设计中，还包括：对所述关键词和/或子句进行跨语言翻译，得到翻译后的关键词和/或子句，作为检索要素；和/或，对所述关键词和/或子句进行语义扩展，得到语义扩展后的关键词和/或子句，作为检索要素。
8.在一种可选的设计中，所述确定所述检索要素的优先级，包括：根据所述检索要素的出现频率确定优先级；和/或，根据所述检索要素的创新机会确定优先级。
9.在一种可选的设计中，在所述确定所述检索要素的优先级之后，还包括：确定所述检索要素之间的相关度；所述相关度包括以下相关度中的至少一种：时间先后、时空关联、因果关系、作用者和作用对象。
10.在一种可选的设计中，相关度高的检索要素同时被用来构建检索式，或者同时不被用来构建检索式；相关度高的检索要素具有相同的优先级。
11.第二方面，本技术实施例提供了一种装置，所述装置包括：接收模块，用于获取用户输入的待检索文本；抽取模块，用于从所述待检索文本中抽取检索要素；处理模块，用于确定所述检索要素的优先级；根据所述优先级基于所述检索要素构建检索式；检索模块，用于基于所述检索式检索文献数据库，得到检索结果，所述检索结果的排序与所述优先级相关。
12.第三方面，本技术实施例提供了一种电子设备，所述电子设备包括存储器和一个或多个处理器；其中，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；当所述计算机指令被所述处理器执行时，使得所述电子设备执行第一方面或第一方面各种可能的实现方式中的方法的部分或全部步骤。
13.第四方面，本技术实施例提供了一种计算机存储介质，该计算机存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行第一方面或第一方面各种可能的实现方式中的方法的部分或全部步骤。
14.本技术提供了一种文献检索方法，所述方法包括：获取用户输入的待检索文本，所述待检索文本包括技术方案的关键要素；从所述待检索文本中抽取检索要素；确定所述检索要素的优先级；确定所述检索要素的相关度；根据所述优先级和所述相关度基于所述检索要素构建检索式；基于所述检索式检索文献数据库，得到检索结果。本技术通过对待检索文本抽取关键词、关键句子等检索要素，进而确定检索要素的优先级以及相关度，挖掘要素之间的关联和重要程度的差异，有区别的处理检索要素，并优先提供最相关的检索结果。
15.附图说明
16.为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本技术实施例提供的一种文献检索方法流程图；图2为本技术实施例提供的一种文献检索装置结构示意图；图3为本技术实施例提供的电子设备的示例性结构示意图。
具体实施方式
18.下面将结合本技术实施例中的附图，对本技术实施例的技术方案进行描述。
19.本技术以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本技术的限制。如在本技术的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，尽管在以下实施例中可能采用术语第一、第二等来描述某一类对象，但所述对象不应限于这些术语。这些术语仅用来将该类对象的具体对象进行区分。
20.以下通过几种实施方式介绍本技术实施例涉及的一种文献检索方法。
21.如图1所示，图1示意了一种文献检索方法100（以下简称方法100），方法100包括以下步骤：步骤s101，获取用户输入的待检索文本。
22.该实施例中，用户输入的待检索文本可以是一段用自然语言表述的若干查询语句，也可以是一段技术方案等等，例如，用户输入“lte标准中的功率控制技术”，并期望从文献数据库，比如专利数据库、期刊文献库等找到最相关的文献。本技术对待查询文本的表达形式并不限制。
23.步骤s102，从所述待检索文本中抽取检索要素。
24.该实施例中，通过从待检索文本中提取若干关键词、短语或者句子中的至少一种，得到表征技术方案或者涵盖发明点的关键词、短语或者句子，并作为检索要素。此外，还可以对部分关键词、短语或句子进行跨语言翻译或者语义扩展，将得到的新词也作为检索要素。
25.步骤s103，确定所述检索要素的优先级。
26.该实施例中，基于检索要素构建检索式并检索得到最符合期望的结果，但是，最符合期望的结果并不一定包含全部的检索要素，因此，需要确定检索要素的优先级，并优先返回与优先级最高的检索要素相关的结果。
27.步骤s104，根据所述优先级基于所述检索要素构建检索式。
28.该实施例中，检索式定义为提供给检索系统、数据库或知识库的输入，包括按照严格语法要求的检索式，还包括用自然语言描述的检索式或提问句，其中，两种检索式均包括部分或全部检索要素。例如，生成的一个检索式为：“信道质量 and 实体 and 区段 and 变换 and系数 and 编码 and 信号 and 阈值 and 比较 and 分区”。检索式也可以是：“请检索包含以下关键词或短语或句子的文献：信道质量、实体、区段、变换、系数、编码、阈值、分区”。其中，检索式可以同时包括关键词、短语和子句中的至少一种，例如：信道质量 and 实体 and 区段 and 变换 and系数 and 编码 and 信号 and 阈值 and 比较 and 分区 and
ꢀ“
对信道质量值进行分区”。提供人机交互接口的chatgpt可以认为是一种可以提供文献检索服务的知识库。
29.步骤s105，基于所述检索式检索文献数据库，得到检索结果，所述检索结果的排序与所述优先级相关。
30.该实施例中，基于检索式查询文献数据库，获得查询结果，并将检索结果向用户展示。其中，文献数据库支持同时基于关键词、短语或子句中的至少一种构建检索式，并返回结果。文献数据库还支持在检索式中包含优先级信息；或者，检索结果的排序与所述优先级相关，也就是在检索式中无关优先级，而在检索结果中体现优先级；或者，检索式中包含优
先级信息，同时检索结果也根据优先级进行排序。
31.该实施例中，通过对待检索文本进行抽取关键词和子句，并进行跨语言翻译或者语义扩展，丰富了检索要素，使检索要素覆盖的范围更加全面。通过确定优先级能够在检索过程中优先返回与优先级最高的检索要素相关的结果，进而得到最匹配的检索结果。通过挖掘检索要素之间的关联程度以及重要性，有区别的处理检索要素，更加准确、全面的返回检索结果。
32.一种可选的实施方式中，所述从所述待检索文本中抽取检索要素，包括：从所述待检索文本中抽取关键词作为检索要素；和/或，从所述待检索文本中抽取子句作为检索要素。
33.一种可选的实施方式中，从所述待检索文本中抽取关键词作为检索要素，包括：将所述待检索文本进行分词，得到多个单词和/或短语，作为检索要素；从所述待检索文本中抽取子句作为检索要素，包括：将所述待检索文本按照标点符号划分为多个子句，作为检索要素。
34.该实施例中，抽取关键词或短语的方法包括但不限于：对待检索文本进行分词，即把待检索文本分解成若干单词或短语，其中，分词的方法包括基于词典的分词方法、基于理解的分词方法、基于统计的分词方法、基于深度学习的分词方法等。
35.抽取子句的方法包括但不限于：对待检索文本按照标点符号分成至少一个子句，保留部分子句作为一个整体不再划分，其中，划分子句的实施方式包括词典法，预先设置一个词典，词典中存储有预设好的句子，当待检索文本中的某个子句与词典中的句子匹配时，则将该子句作为一个整体不再划分。其中，子句与词典中的句子匹配是指两个句子文本包含的符号相同或绝大部分相同，也包括语义的相同或近似，本技术对此不做限制。
36.应该清楚，所述句子或子句，在不同的语境下可以是同一个意思。而且句子或子句，也不限定一定是包含主语、谓语、宾语等全部句法要素在内的一句话，甚至存在子句或句子同时也是短语的情况。
37.举例说明，输入待检索文本：“一种用于在通信系统中传送信道质量信息的方法，包括由传送实体执行的下列步骤：将信道质量值分区为至少两个区段；对所述至少两个区段中的至少一个的所述信道质量值进行变换，以获得信道质量系数；对所述信道质量系数进行编码，以获得关于信道质量的信号信息；以及将所述关于信道质量的信号信息传送至接收实体，其中，通过将所述信道质量值与至少一个信道质量阈值进行比较，来对所述信道质量值进行分区。”从待检索文本中可以抽取出如下关键词或子句：信道质量、实体、区段、变换、系数、编码、阈值、分区、对所述信道质量值进行分区。
38.此外，在抽取关键词和子句的过程中，可以将停止词、停止短语或停止句排除在抽取结果之外。还可以在抽取完成之后，从抽取结果当中排除停止词、停止短语或停止句。停止词是常用概念，本专利不再赘述。在本专利中，停止短语或停止句与停止词类似，只不过要“停止”的对象是短语或子句。
39.一种可选的实施方式中，还包括：对所述关键词和/或子句进行跨语言翻译，得到翻译后的关键词和/或子句，作为检索要素；和/或，对所述关键词和/或子句进行语义扩展，得到语义扩展后的关键词和/或子句，作为检索要素。
40.该实施例中，可以对关键词、短语和子句进行语义扩展，包括同义词、下位词、同义其它表达方式，形成扩展后的关键词、短语和子句。对于子句，甚至可以通过ai技术在保留原义的基础上进行改写。此外，为支持跨语言检索，可以在抽取关键词和子句之前对待检索文本进行翻译，然后从译文抽取关键词、短语和子句；也可以将抽取的关键词、短语和子句，转换为其它语言的关键词、短语和子句；还可以在对关键词、短语和子句进行语义扩展之前或之后进行翻译，转换成其它一种或多种语言的关键词、短语和子句。所述抽取得到的关键词、短语和子句、语义扩展之后形成的关键词、短语和子句、以及翻译之后形成的关键词、短语和子句中的至少一部分或全部，构成检索要素。
41.一种可选的实施方式中，所述确定所述检索要素的优先级，包括：根据所述检索要素的出现频率确定优先级；和/或，根据所述检索要素的创新机会确定优先级。
42.该实施例中，检索要素的优先级通常与出现频率有关，在某些应用中，进行技术方案的新颖性检索时，出现频率越低的检索要素，优先级越高；在另外一些应用中，进行技术主题检索时，出现频率越高的检索要素，优先级越高。检索要素出现的频率可以通过计算在某一个限定的时间段内公开的文献中出现的次数来确定，或/和限定文献涉及到技术方向或行业。
43.该实施例中，检索要素的优先级还与该检索要素相关的创新机会有关，在某些应用中，创新机会代表产生新的技术方案的数量和/或发展趋势和/或重要程度相关，或者与技术问题的多寡有关，例如，计算“信道质量”在4g领域的科技文献发布的数量变化趋势，如果处于一个显著上升期，认为“信道质量”这一检索要素与较高的创新机会相关，因此在一种通过主题检索确定创新潜力高低的应用场景中，“信道质量”较其它检索要素可以有更高的优先级。
44.该实施例中，用户可以干预要素的优先级，用户可以通过预先设定优先级的值，或者可视化地通过拖拽要素出现的位置体现要素的优先级。
45.在所有实施例中，所述确定检索要素的优先级过程中的一个或多个步骤的部分或全部步骤，可以由其中一个处理装置或系统和另外一个或多个处理装置或系统协同处理。所述确定检索要素的优先级的装置或系统，既包括通过独立完成确定检索要素的优先级的处理装置或系统，也包括在其它一个或多个处理装置或系统协助下完成确定检索要素的优先级的装置或系统。
46.一种可选的实施方式中，在所述确定所述检索要素的优先级之后，还包括：确定所述检索要素之间的相关度；所述相关度包括以下相关度中的至少一种：时间先后、时空关联、因果关系、作用者和作用对象。
47.该实施例中，在抽取关键词和子句的过程中，使检索要素丧失了相互之间的关系，基于丧失了相互关系的检索要素构建的检索式得到的检索结果可能并非最佳，因此，需要将检索要素之间的关系利用起来。其中，检索要素之间的相关度可以通过设定相关度值来表示相关度的高低，也可以通过有相关度或无相关度来表示，即检索要素之间有关或者无关。具体的，可以预先设置一个相关度阈值，当两个检索要素之间的相关度值超过相关度阈值时，认为这两个检索要素相关度高，即有相关度。
48.一种可选的实施方式中，相关度高的检索要素同时被用来构建检索式，或者同时不被用来构建检索式；相关度高的检索要素具有相同的优先级。
49.该实施例中，检索要素可以有很多，但并非全部检索要素都必须涵盖在检索式中。此外，考虑到检索要素之间的相关度的高低，需要将相关度高于预设值的检索要素同时构建检索式，或者同时不出现在检索式中。例如，在多个检索要素中，“变换”和“系数”相关度高，二者要同时出现或同时不出现。二者同时出现的检索式为：“信道质量 and 实体 and 区段 and 变换 and系数 and 编码 and 信号 and 阈值 and 比较 and 分区”。二者同时不出现的检索式为：“信道质量 and 实体 and 区段 and 编码 and 信号 and 阈值 and 比较 and 分区”。
50.该实施例中，相关度高的检索要素还具有相同的优先级，在检索系统中支持对检索要素附加优先级，例如，用$pn代表优先级高低，n为正整数，n的值越小优先级越高。例如检索式：“信道质量$p1 and 实体$p1 and 区段$p2 and 变换$p3 and系数$p3 and 编码 and 信号 and 阈值 and 比较 and 分区”。优先级最高的检索要素是：“信道质量”和“实体”，然后是“区段”，然后是“变换”和“系数”，最后是其它不带优先级别的检索要素。其中，“信道质量”和“实体”相关度高，“变换”和“系数”相关度高，因此优先级相同。基于带优先级的检索式进行检索之后，包含高优先级的检索要素的次数越多的文献，在检索结果中的排序越靠前。
51.综上，本技术实施例的文献检索方法，通过挖掘检索要素之间的关联程度以及重要性，有区别的处理检索要素，更加准确、全面的返回检索结果。
52.对应图1所述的方法，本技术实施例还提供了执行上述方法的装置。
53.如图2所示，图2示意了一种文献检索装置200，所述装置包括：接收模块201，用于获取用户输入的待检索文本。
54.抽取模块202，用于从所述待检索文本中抽取检索要素。
55.处理模块203，用于确定所述检索要素的优先级；根据所述优先级基于所述检索要素构建检索式。
56.检索模块204，用于基于所述检索式检索文献数据库，得到检索结果，所述检索结果的排序与所述优先级相关。
57.可以理解的是，以上各个模块/单元的划分仅仅是一种逻辑功能的划分，实际实现时，该以上各模块的功能可以集成到硬件实体实现，例如，处理模块的功能可以集成到处理器实现，收发模块的功能可以集成到收发器实现，实现上述各模块功能的程序和指令，可以维护在存储器中。例如，图3提供了一种电子设备300，该电子设备300包括可以包括处理器301、收发器302和存储器303。其中，收发器302用于执行方法100中各数据的接收。存储器303可以用于存储处理器301执行方法100所需的程序/代码等。
58.具体实现中，对应前述电子设备300，本技术实施例还提供一种计算机存储介质，其中，设置在电子设备300中的计算机存储介质可存储有程序，该程序执行时，可实施包括方法100至方法300的各实施例中的部分或全部步骤。该存储介质均可为磁碟、光盘、只读存储记忆体（read-only memory，rom）或随机存储记忆体（random access memory，ram）等。
59.所属领域的技术人员可以了解到，为描述的方便和简洁，上述描述的系统，装置和
单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
60.需要特别说明的是，本专利所述方法中的任一步骤或多个步骤中的部分或全部，可以由一个处理装置或系统单独实施，也可以由一个处理装置或系统在其它一个或多个处理装置或系统协同下实施。所述方法中的任一步骤或多个步骤中的部分或全部步骤，既包括通过一个处理装置或系统独立实施的情形，也包括一个处理装置或系统在其它一个或多个处理装置或系统协同下实施的情形。
61.以本专利公开的抽取检索要素的方法为例，所述抽取检索要素的装置或系统，既包括独立实施抽取检索要素的处理装置或系统，也包括在其它一个或多个处理装置或系统协助下完成抽取检索要素的装置或系统。例如一个处理装置或系统调用诸如chatgpt这类系统的能力完成部分或全部步骤。
62.也即，本专利所述装置或系统，既包括独立实施本专利所公开方法的处理装置或系统，也包括在其它一个或多个处理装置或系统协助下实施本专利所公开方法的装置或系统。本专利所述方法，包括由一处理装置或系统单独实施的情形，也包括一处理装置或系统在其它一个或多个处理装置或系统协同下实施的情形。
63.在本技术所提供的几个实施例中，应该理解到，所揭露的方法，装置和系统，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
64.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
65.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
66.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，云游戏的控制装置，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
67.尽管已描述了本技术的可选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
68.以上所述的具体实施方式，对本技术的目的、技术方案和有益效果进行了进一步
详细说明，所应理解的是，以上所述仅为本技术的具体实施方式而已，并不用于限定本技术的保护范围，凡在本技术的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

技术特征：
1.一种文献检索方法，其特征在于，所述方法包括：获取用户输入的待检索文本；从所述待检索文本中抽取检索要素；确定所述检索要素的优先级；根据所述优先级基于所述检索要素构建检索式；基于所述检索式检索文献数据库，得到检索结果，所述检索结果的排序与所述优先级相关。2.如权利要求1所述的方法，其特征在于，所述从所述待检索文本中抽取检索要素，包括：从所述待检索文本中抽取关键词作为检索要素；和/或，从所述待检索文本中抽取子句作为检索要素。3.如权利要求2所述的方法，其特征在于，从所述待检索文本中抽取关键词作为检索要素，包括：将所述待检索文本进行分词，得到多个单词和/或短语，作为检索要素；从所述待检索文本中抽取子句作为检索要素，包括：将所述待检索文本按照标点符号划分为多个子句，作为检索要素。4.如权利要求2或3所述的方法，其特征在于，还包括：对所述关键词和/或子句进行跨语言翻译，得到翻译后的关键词和/或子句，作为检索要素；和/或，对所述关键词和/或子句进行语义扩展，得到语义扩展后的关键词和/或子句，作为检索要素。5.如权利要求1所述的方法，其特征在于，所述确定所述检索要素的优先级，包括：根据所述检索要素的出现频率确定优先级；和/或，根据所述检索要素的创新机会确定优先级。6.如权利要求1所述的方法，其特征在于，在所述确定所述检索要素的优先级之后，还包括：确定所述检索要素之间的相关度；所述相关度包括以下相关度中的至少一种：时间先后、时空关联、因果关系、作用者和作用对象。7.如权利要求6所述的方法，其特征在于，相关度高的检索要素同时被用来构建检索式，或者同时不被用来构建检索式；相关度高的检索要素具有相同的优先级。8.一种文献检索装置，其特征在于，所述装置包括：接收模块，用于获取用户输入的待检索文本；抽取模块，用于从所述待检索文本中抽取检索要素；处理模块，用于确定所述检索要素的优先级；根据所述优先级基于所述检索要素构建检索式；检索模块，用于基于所述检索式检索文献数据库，得到检索结果，所述检索结果的排序与所述优先级相关。9.一种电子设备，其特征在于，所述电子设备包括存储器和一个或多个处理器；其中，
所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；当所述计算机指令被所述处理器执行时，使得所述电子设备执行如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至7中任一项所述的方法。

技术总结
本申请实施例公开了一种文献检索方法、装置及电子设备，涉及人工智能领域，方法包括：获取用户输入的待检索文本；从待检索文本中抽取检索要素；确定检索要素的优先级；根据优先级基于检索要素构建检索式；基于检索式检索文献数据库，得到检索结果，所述检索结果的排序与所述优先级相关。通过抽取检索要素并跨语言翻译或语义扩展，丰富了检索要素，使检索要素覆盖的范围更加全面；通过确定优先级能够在检索过程中优先返回与优先级最高的检索要素相关的结果，进而得到最匹配的检索结果。通过挖掘检索要素之间的关联程度以及重要性，有区别的处理检索要素，更加准确、全面的返回检索结果。全面的返回检索结果。全面的返回检索结果。


技术研发人员：黄伟才 王俊平 孙鹏飞
受保护的技术使用者：北京墨丘科技有限公司
技术研发日：2023.06.15
技术公布日：2023/8/31