【技术实现步骤摘要】
长关键字串匹配方法、装置及计算机可读存储介质
[0001]本申请涉及信息检索
,具体而言,涉及一种长关键字串匹配方法、装置及计算机可读存储介质。
技术介绍
[0002]在信息检索过程中,用户不可避免的会涉及到非母语文本信息的检索,这对不精通其它非母语的用户而言是一个极大的挑战,特别是采用长关键字串进行检索时,由于翻译原因会导致长关键字串对应的翻译存在多种可能的翻译结果,在选择某一翻译结果对非母语文本信息进行检索时,一般基于语义匹配的方式对非母语文本信息进行检索以确保匹配结果具有较小的漏检情况,然而即便采用上述方法还是存在漏检率居高不下的情况,如何提高长关键字串在跨语言环境的信息检索准确率是本领域技术人员急需要解决的技术问题。
技术实现思路
[0003]为了解决上述技术问题,本申请提供一种长关键字串匹配方法、装置及计算机可读存储介质。
[0004]第一方面,本申请实施例提供一种长关键字串的匹配方法,所述方法包括:
[0005]获取用于匹配目标语言文本的源语言长关键字串,其中,目标语言和源语言为不同的语言,所述源语言长关键字串包括至少两个源语言关键词;
[0006]对所述源语言长关键字串进行翻译得到翻译后的目标语言关键字串;
[0007]检测所述目标语言关键字串中词元的数量,其中,所述词元是目标语言词典中的基本词单元;
[0008]根据所述目标语言关键字串中词元的数量,采用不同的匹配方式匹配目标语言文本。
[0009]在一种可能的实现方式中,所述根据所 ...
【技术保护点】
【技术特征摘要】
1.一种长关键字串的匹配方法,其特征在于,所述方法包括:获取用于匹配目标语言文本的源语言长关键字串,其中,目标语言和源语言为不同的语言,所述源语言长关键字串包括至少两个源语言关键词;对所述源语言长关键字串进行翻译得到翻译后的目标语言关键字串;检测所述目标语言关键字串中词元的数量,其中,所述词元是目标语言词典中的基本词单元;根据所述目标语言关键字串中词元的数量,采用不同的匹配方式匹配目标语言文本。2.如权利要求1所述的长关键字串的匹配方法,其特征在于,所述根据所述目标语言关键字串中词元的数量,采用不同的匹配方式匹配目标语言文本的步骤,包括:在所述目标语言关键字串中词元的数量小于或等于预设词元数量时,采用所述目标语言关键字串对目标语言文本进行精确匹配,将包括所述目标语言关键字串的目标语言文本作为目标语言匹配文本;在所述目标语言关键字串中词元的数量大于所述预设词元数量时,将所述目标语言文本进行分段处理得到所述目标语言文本的可用分段集,采用所述目标语言关键字串与所述可用分段集中的分段进行匹配,将包括与所述目标语言关键字串匹配的分段所对应的目标语言文本作为目标语言匹配文本。3.如权利要求2所述的长关键字串的匹配方法,其特征在于,所述在所述目标语言关键字串中词元的数量大于所述预设词元数量时,将所述目标语言文本进行分段处理得到所述目标语言文本的可用分段集的步骤,包括:对所述目标语言文本进行去噪处理,得到去噪后的目标语言文本;采用设定的标点符号对所述去噪后的目标语言文本进行分段处理,得到所述目标语言文本的第一初始分段集;根据所述第一初始分段集中各分段的段落长度,对所述第一初始分段集中的各分段进行处理,得到目标语言文本的可用分段集。4.如权利要求3所述的长关键字串的匹配方法,其特征在于,所述根据所述第一初始分段集中各分段的段落长度,对所述第一初始分段集中的各分段进行处理,得到目标语言文本的可用分段集的步骤,包括:在所述第一初始分段集中分段的长度小于第一预设分段长度时,将所述分段过滤掉;在所述第一初始分段集中分段的长度大于第二预设分段长度时,采用设定的滑动窗口长度和设定的滑动步长沿着所述分段的延伸方向滑动,对所述分段进行再次分段,其中,所述第二预设分段长度大于所述第一预设分段长度,所述第二预设分段长度大于所述滑动窗口长度;将所述第一初始分段集中分段长度位于所述第一预设分段长度和所述第二预设分段长度之间的分段,以及再次分段后分段长度位于所述第一预设分段长度和所述第二预设分段长度之间的分段放入一分段集合中,得到所述目标语言文本的可用分段集。5.如权利要求4所述的长关键字串的匹配方法,其特征在于,所述第一预设分段长度为所述目标语言关键字串的长度与预设的第一经验参数的比值进行下取整处理后得到的整数,其中,第一经验参数大于1且小于或等于2;所述第二预设分段长度为所述目标语言关键字串的长度与预设的第二经验参数的积
值进行上取整处理后得到的整数,其中,第二经验参数大于1且小于或等于2;所述设定的滑动窗口长度为所述目标语言关键字串的长度与预设的第三经验参数的和值,所述设定的滑动步长为1,其中,所述第三经验参数取值为0、1或者2。6.如权利要求2
‑
5中任意一项所述的长关键字串的匹配方法,其特征在于,所述采用所述目标语言关键字串与所述可用分段集中的分段进行匹配,将包括与所述目标语言关键字串匹配的分段所对应的目标语言文本作为目标语言匹配文本的步骤,包括:将同一目标语言关键字串与所述目标语言文本的可用分段集中...
【专利技术属性】
技术研发人员:朱永强,杨光明,许万,
申请(专利权)人:成都网安科技发展有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。