[发明专利]文本检索方法和装置

权利要求书

1.一种文本检索方法，其特征在于，该方法包括：

A，从文本中抽取关键词库包含的关键词；

B，利用抽取的关键词确定所述文本所属的标签类别；

C，根据确定的标签类别为所述文本建立标签体系；

D，在所述标签体系中利用标签检索所述文本。

2.根据权利要求1所述的方法，其特征在于，步骤B包括：

B1，对抽取的关键词去噪；

B2，利用去噪后的关键词确定所述文本所属的标签类别。

3.根据权利要求1或2所述的方法，其特征在于，步骤A包括：

A1，确定所述关键词库中关键词的最大长度和最小长度；

A2，将最大长度、最小长度、以及最大长度与最小长度之间的设定数量X1个数值分别作为拆分单位对所述文本进行拆分，得到多个词条；

A3，针对每一词条，计算该词条在所有词条中的词频；

A4，针对每一词条，在所述关键词库中查找该词条，如果查找到，确定该词条作为所述关键词库包含的关键词，将该词条、以及该词条被计算的词频记录至设定的词条列表中。

4.根据权利要求3所述的方法，步骤A进一步包括：

针对所述词条列表中每一被抽取的词条，

从所述关键词库中获取该词条作为关键词对应的关键词属性，将获取的关键词属性记录至所述词条列表；关键词属性至少包括：关键词所属的类型；以及

判断所述词条列表中是否存在该词条的子词条，如果存在，则将该存在的子词条作为该词条公共词；

步骤B1包括：

确定是采用单类型减频消词法还是采用多类型分类减频消词法对所述词条列表中的词条去噪，如果是前者，则针对所述词条列表中每一词条，采用公共词减频消词法对该词条的公共词进行消词，如果是后者，则依据所述词条列表中词条的公共词所属的类型对词条列表中的词条去噪。

5.根据权利要求4所述的方法，其特征在于，所述依据词条列表中词条的公共词所属的类型对词条列表中的词条去噪包括：

针对所述词条列表中每一词条，如果该词条的公共词所属的类型均相同，则采用公共词减频消词法对该词条的公共词进行消词，否则，采用公共词减频消词法对该词条的、且所属类型相同的公共词进行消词。

6.根据权利要求4或5所述的方法，其特征在于，所述采用公共词减频消词法对词条的公共词进行消词包括：

B11，针对一词条，在所述词条列表中遍历该词条的公共词，将遍历到的公共词作为当前公共词；

B12，查找该词条是否包含当前公共词，如果是，则将所述当前公共词被计算的词频减去设定值，将得到的差值替换为当前公共词被计算的词频；

B13，判断当前公共词被计算的词频是否小于等于预设值，如果是，则将所述当前公共词从所述关键词列表中删除；

B14，判断该词条的公共词是否被遍历完，如果是，则结束当前流程，否则，继续在所述词条列表中遍历该词条未被遍历的公共词，将遍历到的公共词作为当前公共词，返回步骤B12。

7.根据权利要求4所述的方法，其特征在于，所述关键词属性还包括：关键词所属类型的权重以及关键词被设定的词频；步骤B2包括：

B21，针对所述词条列表涉及的每一类型，利用所述词条列表中归属该类型的各个词条的长度、该各个词条被计算的词频、该各个词条作为关键词被设定的词频、以及该各个词条所属该类型的权重计算该类型对应的标签类别得分；

B22，依据计算出的标签类别得分确定所述文本所属的标签类别。

8.根据权利要求7所述的方法，其特征在于，步骤B22包括：

将取值最大的标签类别得分对应的类型作为所述文本的标签类别；或者，

对得到的标签类别得分按照取值大小进行排序，得到标签类别得分序列；

从所述标签类别得分序列中选择出前X2个标签类别得分，将该选择出的X2个标签类别得分分别对应的类型作为所述文本的标签类别。