CN116226350A - 一种文档查询方法、装置、设备和存储介质 - Google Patents
一种文档查询方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116226350A CN116226350A CN202310198047.2A CN202310198047A CN116226350A CN 116226350 A CN116226350 A CN 116226350A CN 202310198047 A CN202310198047 A CN 202310198047A CN 116226350 A CN116226350 A CN 116226350A
- Authority
- CN
- China
- Prior art keywords
- vector
- document
- text
- document query
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000013598 vector Substances 0.000 claims abstract description 312
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种文档查询方法、装置、设备和存储介质。包括:获取待查询文档的向量集;获取用户输入的文档查询问题所对应的问题向量和特征信息;根据特征信息与各索引的匹配结果,从向量集中进行初步筛选获取候选向量集;计算问题向量与候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量;根据目标向量获取与文档查询问题匹配的文档查询结果。通过将待查询文档和文档查询问题转化为向量的形式,并采用稳定向量的索引进行初步筛选后,根据文档查询问题和文本向量的相似度对比得出目标向量,并将目标向量以可读的形式输出,从而提高了文档查找的效率,节省了搜索的人工成本,同时用户体验也得到了极大的提升。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种文档查询方法、装置、设备和存储介质。
背景技术
在日常工作中通常会遇到查询文档的情况,目前常用的稳定查询方式通常包括:使用文本编辑器等相关文本处理软件,进行Ctrl+F高亮搜索;将文本放进数据库,利用数据库的语法查询;把文本上传到lucene等搜索引擎中创建索引,进行全文匹配关键字查询。
但是文本处理软件的Ctrl+F搜索只能对关键字的高亮,通篇查找高亮的关键字费时费力,且搜索到的内容包含了太多的无效信息,难以快速找到相关内容。数据库以及搜索引擎形式,相较于文本高亮更灵活,但是搜索形式也仅仅局限在关键字的搜索,搜索的结果还需要人工进行过滤,浪费了人力成本,而且当文本量很大的时候,速度非常缓慢。
发明内容
本发明提供了一种文档查询方法、装置、设备和存储介质,以实现对文档高效准确的查询。
根据本发明的第一方面,提供了一种文档查询方法,包括:获取待查询文档的向量集,其中,所述向量集中包括查询文档中各文本段所对应的文本向量,并且各文本向量采用索引进行标识;
获取用户输入的文档查询问题所对应的问题向量和特征信息;
根据所述特征信息与各所述索引的匹配结果,从所述向量集中进行初步筛选获取候选向量集;
计算所述问题向量与所述候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量;
根据所述目标向量获取与所述文档查询问题匹配的文档查询结果。
根据本发明的另一方面,提供了一种文档查询装置,包括:向量集获取模块,用于获取待查询文档的向量集,其中,所述向量集中包括查询文档中各文本段所对应的文本向量,并且各文本向量采用索引进行标识;
问题向量获取模块,用于获取用户输入的文档查询问题所对应的问题向量和特征信息;
候选向量集获取模块,用于根据所述特征信息与各所述索引的匹配结果,从所述向量集中进行初步筛选获取候选向量集;
目标向量获取模块,用于计算所述问题向量与所述候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量;
文档查询结果获取模块,用于根据所述目标向量获取与所述文档查询问题匹配的文档查询结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的方法。
本发明实施例的技术方案,通过将待查询文档和文档查询问题转化为向量的形式,并采用稳定向量的索引进行初步筛选后,根据文档查询问题和文本向量的相似度对比得出目标向量,并将目标向量以可读的形式输出,从而提高了文档查找的效率,节省了搜索的人工成本,同时用户体验也得到了极大的提升。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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。
图1是根据本发明实施例一提供的一种文档查询方法流程图;
图2是根据本发明实施例二提供的一种文档查询方法流程图;
图3是根据本发明实施例三提供的一种文档查询装置结构示意图;
图4是实现本发明实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种文档查询方法流程图,本实施例可适用于对文档进行高效准确查询的情况,该方法可以由文档查询装置来执行,该装置可以采用硬件和/或软件的形式实现。如图1所示,该方法包括:
步骤S101,获取待查询文档的向量集。
可选的,获取待查询文档的向量集,包括:对待查询文档进行切片处理获取文本段,将各文本段按照指定结构进行转换获取转换后的文本段,其中,转换后的文本段符合大型语言模型LLM;将转换后的文本段发送给chartGPT-3应用接口,以使chartGPT-3应用接口对各转换后的文本段进行处理,获取与各文本段对应的文本向量;提取各文本向量的特征信息,根据文本向量的特征信息创建索引,并将索引添加到文本向量中以进行标识;根据添加索引的各文本向量构建向量集。
具体的说,在进行查询之前会首先执行数据准备,在数据准备阶段具体是将需要进行查询的所有待查询文档全部读取到内存中,例如2个查询文档,本实施方式中并不限定待查文档的具体数量,之后通过自然语言处理工具,例如NLTK进行语义识别进而切分成小的文本段,例如,获取到20个文本段,当然,在实际应用中经过切分所获取的文本段的数量通常是非常庞大的,本实施方式中仅是举例说明,而并不对所切分的文本段的数量进行限定。并且在通过对待查询文档进行切分获取到文本段之后,会将各文本段按照指定结构进行转换获取转换后的文本段,例如,提取出文本段中的主语和语句类型等相关信息,并将相关信息与文本段进行组合,以使得转换后的文本段符合大型语言模型LLM。
其中,本实施方式中会将转换后的文本段发送给chartGPT-3应用接口,chartGPT-3应用接口会对各转换后的文本段进行向量化处理,获取各文本段对应的文本向量,并将文本向量存储到本地文件中,以供矢量数据库进行读取,通过将文本形式转换为向量形式,从而便于后续的文本处理。本实施方式中会提取各文本向量的特征信息,根据特征信息为文本向量创建索引,并将索引添加到对应的文本向量中。本实施方式中通过创建索引,从而加快搜索时的查询速度。例如,获取到20个文本段所对应的文本向量之后,将添加索引的各文本向量构建向量集,因此在向量集中包括查询文档中各文本段所对应的文本向量,并且各文本向量采用索引进行标识。
需要说明的是,本实施方式中通过将待查询的文档转换成向量的形式,并在本地文件中以向量集的形式进行保存,而在后续主要是基于相似度匹配的方式,从所获取的向量集中进行文档的查询,从而加快了文档的查询效率。
步骤S102,获取用户输入的文档查询问题所对应的问题向量和特征信息。
可选的,获取用户输入的文档查询问题所对应的问题向量和特征信息,包括:将文档查询问题进行关键字切分获取切分后的文档查询问题;将切分后的文档查询问题发送给chartGPT-3应用接口,以使chartGPT
-3应用接口对切分后的文档查询问题进行处理,获取与切分后的文档查询问题对应的问题向量;对问题向量进行关键信息提取获取问题向量的特征信息。
其中,在进行文档查询时,可以通过人机交互界面接收用户所输入的文档查询问题,例如“请告诉我获取用户列表的api是什么?”,并将所获取的文档查询问题进行关键字切分获取切分后的文档查询问题,例如,通过切分所获取的切分后的文档查询问题为“获取用户列表api”,并将切分后的文档查询问题发送给chartGPT-3应用接口,此时chartGPT-3应用接口会对切分后的文档查询问题进行向量化处理,以获取切分后的文档查询问题对应的问题向量。并且此处无需对切分后的文档查询问题进行LLM的结构转换就可以直接输入到chartGPT-3应用接口,并获取到问题向量。
需要说明的是,本实施方式中在获取到问题向量之后,还会对问题向量进行关键信息的提取,并将所提取的关键信息作为问题向量的特征信息,其中,针对问题向量的特征信息提取方式,与针对文本向量的特征提取方式大致相同,本实施方式中不再进行赘述。
步骤S103,根据特征信息与各索引的匹配结果,从向量集中进行初步筛选获取候选向量集。
可选的,根据特征信息与各索引的匹配结果,从向量集中进行初步筛选获取候选向量集,包括:将问题向量的特征信息与各索引进行匹配获取目标索引,其中,目标索引的特征信息与问题向量的特征信息相同;将目标索引标识的文本向量作为候选向量,并根据候选向量构建候选向量集。
具体的说,本实施方式中在对查询问题和文档进行向量相似度求解之前,会首先通过索引对向量集进行初步筛选,例如,在向量集中包含20个文本段所对应的文本向量,并且各文本向量分别用索引进行标识,由于索引是基于文本向量的特征信息所创建的,因此在索引中包含了各文本向量的特征信息。例如,问题向量的特征信息为a,则获取出包含特征信息a的目标索引,当确定获取到5个目标索引时,则将5个目标索引标识的文本向量:向量A1、向量A2、向量A3、向量A4和向量A5作为候选向量,并根据候选向量构建候选向量集X={向量A1向量A2向量A3向量A4向量A5}。
步骤S104,计算问题向量与候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量。
可选的,计算问题向量与候选向量集中的各候选向量的相似度值,包括:获取问题向量的第一绝对值以及各候选向量的第二绝对值;计算问题向量与各候选向量的第一乘积结果,以及第一绝对值和第二绝对值的第二乘积结果;将第一乘积结果与第二乘积结果的比值作为相似度值。
具体的说,在获取到候选向量集之后,会计算各候选向量与问题向量的相似度,通过Faiss矢量相似性搜索引擎对于问题在文档矢量集中进行相似性搜索,得到搜索结果。这里使用余弦相似度来找到问题向量和候选向量集中各候选向量之间的相似度,余弦相似度是衡量一个内积空间的两个非零向量之间的相似度的度量,它测量它们之间夹角的余弦值。例如,当确定问题向量为B时,在计算向量A与向量B之间的相似度时,可以采用如下公式(1)进行计算:
余弦相似度=(A*B)/(||A||*||B||) (1)
其中,A为候选向量,B为问题向量,||A||和||B||是向量的大小。并将A*B作为第一乘积结果,||A||*||B||作为第二乘积结果。因此可以通过上述公式(1)计算出各后候选向量与问题向量之间的余弦相似度。当然,本实施方式中仅是以公式(1)计算相似度为例进行说明,而并不对向量之间计算相似度所采用的具体计算方式进行限定。
需要说明的是,本实施方式中会预先设定阈值,并将相似度值超过阈值的候选向量作为目标向量。例如,设定阈值为3,但经过计算确定只有候选向量A1、A2和A3与问题向量之间的相似度值超过了3,则将候选向量A1、A2和A3作为目标向量。
步骤S105,根据目标向量获取与文档查询问题匹配的文档查询结果。
可选的,根据目标向量获取与文档查询问题匹配的文档查询结果,包括:获取各目标向量所对应的目标文本段;将各目标文本段按照指定规则进行融合,根据融合结果获取与文档查询问题匹配的文档查询结果。
具体的说,本实施方式中在根据搜索结果获取到目标向量之后,会调用OpenAI的combine功能进行融合,将碎片化的候选结果整合成符合人类语言习惯的输出。在具体实现中可以是获取目标向量A1、A2和A3分别对应的目标文本段1、目标文本段2和目标文本段3,并将各目标文本段按照指定规则进行融合,例如,按照顺序依次进行拼接获取融合结果,例如“用户列表的api是接口1、接口2和接口3”,并将融合结果作为文档查询问题“请告诉我获取用户列表的api是什么?”匹配的文档查询结果。当然,本实施方式中仅是举例说明,而并不对融合结果的具体形式进行限定。
本发明实施例,通过将待查询文档和文档查询问题转化为向量的形式,并采用稳定向量的索引进行初步筛选后,根据文档查询问题和文本向量的相似度对比得出目标向量,并将目标向量以可读的形式输出,从而提高了文档查找的效率,节省了搜索的人工成本,同时用户体验也得到了极大的提升。
实施例二
图2为本发明实施例二提供的一种文档查询方法方法流程图,本实施例以上述实施例为基础,在根据目标向量获取与文档查询问题匹配的文档查询结果之后,还包括:对文档查询结果进行检测,当确定检测异常时则进行报警提示。如图2所示,该方法包括:
步骤S201,获取待查询文档的向量集。
可选的,获取待查询文档的向量集,包括:对待查询文档进行切片处理获取文本段,将各文本段按照指定结构进行转换获取转换后的文本段,其中,转换后的文本段符合大型语言模型LLM;将转换后的文本段发送给chartGPT-3应用接口,以使chartGPT-3应用接口对各转换后的文本段进行处理,获取与各文本段对应的文本向量;提取各文本向量的特征信息,根据文本向量的特征信息创建索引,并将索引添加到文本向量中以进行标识;根据添加索引的各文本向量构建向量集。
步骤S202,获取用户输入的文档查询问题所对应的问题向量和特征信息。
可选的,获取用户输入的文档查询问题所对应的问题向量和特征信息,包括:将文档查询问题进行关键字切分获取切分后的文档查询问题;将切分后的文档查询问题发送给chartGPT-3应用接口,以使chartGPT
-3应用接口对切分后的文档查询问题进行处理,获取与切分后的文档查询问题对应的问题向量;对问题向量进行关键信息提取获取问题向量的特征信息。
步骤S203,根据特征信息与各索引的匹配结果,从向量集中进行初步筛选获取候选向量集。
可选的,根据特征信息与各索引的匹配结果,从向量集中进行初步筛选获取候选向量集,包括:将问题向量的特征信息与各索引进行匹配获取目标索引,其中,目标索引的特征信息与问题向量的特征信息相同;将目标索引标识的文本向量作为候选向量,并根据候选向量构建候选向量集。
步骤S204,计算问题向量与候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量。
可选的,计算问题向量与候选向量集中的各候选向量的相似度值,包括:获取问题向量的第一绝对值以及各候选向量的第二绝对值;计算问题向量与各候选向量的第一乘积结果,以及第一绝对值和第二绝对值的第二乘积结果;将第一乘积结果与第二乘积结果的比值作为相似度值。
步骤S205,根据目标向量获取与文档查询问题匹配的文档查询结果。
可选的,根据目标向量获取与文档查询问题匹配的文档查询结果,包括:获取各目标向量所对应的目标文本段;将各目标文本段按照指定规则进行融合,根据融合结果获取与文档查询问题匹配的文档查询结果。
步骤S206,对文档查询结果进行检测,当确定检测异常时则进行报警提示。
具体的说,本实施方式中子获取到文档查询结果之后,会对文档查询结果进行检测,具体是检测查询结果是否与文档查询问题匹配对应,或者文档查询结果中是否出现乱码,当确定不匹配或者出现乱码的情况下,则可以确定检测异常并进行报警。
例如,当文档查询问题为“请告诉我获取用户列表的api是什么?”,但文档查询结果确为“本设备系统为x86”,明显所查询的结果为答非所问,此时则确定查询结果与文档查询问题不匹配。当确定不匹配时则乐意采用语音或图像的形式进行报警,以提示用户当前检测异常,从而便于用户根据提示信息及时进行设备检修,以进一步提高文档查询的效率和准确性。
本发明实施例,通过将待查询文档和文档查询问题转化为向量的形式,并采用稳定向量的索引进行初步筛选后,根据文档查询问题和文本向量的相似度对比得出目标向量,并将目标向量以可读的形式输出,从而提高了文档查找的效率,节省了搜索的人工成本,同时用户体验也得到了极大的提升。通过对文档查询结果进行检测,当确定检测异常时则进行报警提示,从而进一步提高文档查询的效率和准确性。
实施例三
图3为本发明实施例三提供的一种文档查询装置的结构示意图。如图3所示,该装置包括:向量集获取模块310、问题向量获取模块320、候选向量集获取模块330、目标向量获取模块340和文档查询结果获取模块350。
向量集获取模块310,用于获取待查询文档的向量集,其中,向量集中包括查询文档中各文本段所对应的文本向量,并且各文本向量采用索引进行标识;
问题向量获取模块320,用于获取用户输入的文档查询问题所对应的问题向量和特征信息;
候选向量集获取模块330,用于根据特征信息与各索引的匹配结果,从向量集中进行初步筛选获取候选向量集;
目标向量获取模块340,用于计算问题向量与候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量;
文档查询结果获取模块350,用于根据目标向量获取与文档查询问题匹配的文档查询结果。
可选的,向量集获取模块,用于对待查询文档进行切片处理获取文本段,将各文本段按照指定结构进行转换获取转换后的文本段,其中,转换后的文本段符合大型语言模型LLM;
将转换后的文本段发送给chartGPT-3应用接口,以使chartGPT-3应用接口对各转换后的文本段进行处理,获取与各文本段对应的文本向量;
提取各文本向量的特征信息,根据文本向量的特征信息创建索引,并将索引添加到文本向量中以进行标识;
根据添加索引的各文本向量构建向量集。
可选的,问题向量获取模块,用于将文档查询问题进行关键字切分获取切分后的文档查询问题;
将切分后的文档查询问题发送给chartGPT-3应用接口,以使chartGPT-3应用接口对切分后的文档查询问题进行处理,获取与切分后的文档查询问题对应的问题向量;
对问题向量进行关键信息提取获取问题向量的特征信息。
可选的,候选向量集获取模块,用于将问题向量的特征信息与各索引进行匹配获取目标索引,其中,目标索引的特征信息与问题向量的特征信息相同;
将目标索引标识的文本向量作为候选向量,并根据候选向量构建候选向量集。
可选的,目标向量获取模块,用于获取问题向量的第一绝对值以及各候选向量的第二绝对值;
计算问题向量与各候选向量的第一乘积结果,以及第一绝对值和第二绝对值的第二乘积结果;
将第一乘积结果与第二乘积结果的比值作为相似度值。
可选的,文档查询结果获取模块,用于获取各目标向量所对应的目标文本段;
将各目标文本段按照指定规则进行融合,根据融合结果获取与文档查询问题匹配的文档查询结果。
可选的,装置还包括检测模块,用于对文档查询结果进行检测;当确定检测异常时则进行报警提示。
本发明实施例所提供的文档查询装置可执行本发明任意实施例所提供的项目日志的调整方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如文档查询方法。
在一些实施例中,文档查询方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的文档查询方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文档查询方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种文档查询方法,其特征在于,包括:
获取待查询文档的向量集,其中,所述向量集中包括查询文档中各文本段所对应的文本向量,并且各文本向量采用索引进行标识;
获取用户输入的文档查询问题所对应的问题向量和特征信息;
根据所述特征信息与各所述索引的匹配结果,从所述向量集中进行初步筛选获取候选向量集;
计算所述问题向量与所述候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量;
根据所述目标向量获取与所述文档查询问题匹配的文档查询结果。
2.根据权利要求1所述的方法,其特征在于,所述获取待查询文档的向量集,包括:
对待查询文档进行切片处理获取文本段,将各文本段按照指定结构进行转换获取转换后的文本段,其中,所述转换后的文本段符合大型语言模型LLM;
将所述转换后的文本段发送给chartGPT-3应用接口,以使所述chartGPT-3应用接口对各所述转换后的文本段进行处理,获取与各文本段对应的所述文本向量;
提取各所述文本向量的特征信息,根据所述文本向量的特征信息创建索引,并将索引添加到所述文本向量中以进行标识;
根据添加索引的各所述文本向量构建所述向量集。
3.根据权利要求1所述的方法,其特征在于,所述获取用户输入的文档查询问题所对应的问题向量和特征信息,包括:
将所述文档查询问题进行关键字切分获取切分后的文档查询问题;
将所述切分后的文档查询问题发送给chartGPT-3应用接口,以使所述chartGPT-3应用接口对所述切分后的文档查询问题进行处理,获取与所述切分后的文档查询问题对应的所述问题向量;
对所述问题向量进行关键信息提取获取所述问题向量的特征信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述特征信息与各所述索引的匹配结果,从所述向量集中进行初步筛选获取候选向量集,包括:
将所述问题向量的特征信息与各所述索引进行匹配获取目标索引,其中,所述目标索引的特征信息与所述问题向量的特征信息相同;
将所述目标索引标识的文本向量作为候选向量,并根据所述候选向量构建所述候选向量集。
5.根据权利要求1所述的方法,其特征在于,所述计算所述问题向量与所述候选向量集中的各候选向量的相似度值,包括:
获取所述问题向量的第一绝对值以及各所述候选向量的第二绝对值;
计算所述所述问题向量与各所述候选向量的第一乘积结果,以及所述第一绝对值和所述第二绝对值的第二乘积结果;
将所述第一乘积结果与所述第二乘积结果的比值作为所述相似度值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标向量获取与所述文档查询问题匹配的文档查询结果,包括:
获取各目标向量所对应的目标文本段;
将各所述目标文本段按照指定规则进行融合,根据融合结果获取与所述文档查询问题匹配的所述文档查询结果。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述根据所述目标向量获取与所述文档查询问题匹配的文档查询结果之后,还包括:
对所述文档查询结果进行检测;
当确定检测异常时则进行报警提示。
8.一种文档查询装置,其特征在于,包括:
向量集获取模块,用于获取待查询文档的向量集,其中,所述向量集中包括查询文档中各文本段所对应的文本向量,并且各文本向量采用索引进行标识;
问题向量获取模块,用于获取用户输入的文档查询问题所对应的问题向量和特征信息;
候选向量集获取模块,用于根据所述特征信息与各所述索引的匹配结果,从所述向量集中进行初步筛选获取候选向量集;
目标向量获取模块,用于计算所述问题向量与所述候选向量集中的各候选向量的相似度值,将相似度值超过阈值的候选向量作为目标向量;
文档查询结果获取模块,用于根据所述目标向量获取与所述文档查询问题匹配的文档查询结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7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,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310198047.2A CN116226350A (zh) | 2023-03-03 | 2023-03-03 | 一种文档查询方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310198047.2A CN116226350A (zh) | 2023-03-03 | 2023-03-03 | 一种文档查询方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116226350A true CN116226350A (zh) | 2023-06-06 |
Family
ID=86572822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310198047.2A Pending CN116226350A (zh) | 2023-03-03 | 2023-03-03 | 一种文档查询方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116226350A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116932730A (zh) * | 2023-09-14 | 2023-10-24 | 天津汇智星源信息技术有限公司 | 基于多叉树和大规模语言模型的文档问答方法及相关设备 |
CN117076719A (zh) * | 2023-10-12 | 2023-11-17 | 北京枫清科技有限公司 | 一种基于大语言模型的数据库联合查询方法、装置和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491547A (zh) * | 2017-08-28 | 2017-12-19 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法和装置 |
CN114757208A (zh) * | 2022-06-10 | 2022-07-15 | 荣耀终端有限公司 | 一种问答匹配方法及装置 |
CN114780710A (zh) * | 2022-04-07 | 2022-07-22 | 青岛海尔科技有限公司 | 文本匹配方法和装置、存储介质及电子设备 |
-
2023
- 2023-03-03 CN CN202310198047.2A patent/CN116226350A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491547A (zh) * | 2017-08-28 | 2017-12-19 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法和装置 |
CN114780710A (zh) * | 2022-04-07 | 2022-07-22 | 青岛海尔科技有限公司 | 文本匹配方法和装置、存储介质及电子设备 |
CN114757208A (zh) * | 2022-06-10 | 2022-07-15 | 荣耀终端有限公司 | 一种问答匹配方法及装置 |
Non-Patent Citations (1)
Title |
---|
摩于: ""实现可持续对话的ChatGPT的聊天界面"", Retrieved from the Internet <URL:https://www.bilibili.com/video/BV1ZD4y1A7XX/?vd_source=36be358dbc7d19f978aa033d71f9c1bb> * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116932730A (zh) * | 2023-09-14 | 2023-10-24 | 天津汇智星源信息技术有限公司 | 基于多叉树和大规模语言模型的文档问答方法及相关设备 |
CN116932730B (zh) * | 2023-09-14 | 2023-12-01 | 天津汇智星源信息技术有限公司 | 基于多叉树和大规模语言模型的文档问答方法及相关设备 |
CN117076719A (zh) * | 2023-10-12 | 2023-11-17 | 北京枫清科技有限公司 | 一种基于大语言模型的数据库联合查询方法、装置和设备 |
CN117076719B (zh) * | 2023-10-12 | 2024-04-19 | 北京枫清科技有限公司 | 一种基于大语言模型的数据库联合查询方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10796224B2 (en) | Image processing engine component generation method, search method, terminal, and system | |
CN113590645B (zh) | 搜索方法、装置、电子设备及存储介质 | |
CN116226350A (zh) | 一种文档查询方法、装置、设备和存储介质 | |
CN113360711B (zh) | 视频理解任务的模型训练和执行方法、装置、设备及介质 | |
CN113128209B (zh) | 用于生成词库的方法及装置 | |
CN112988753B (zh) | 一种数据搜索方法和装置 | |
CN116484826B (zh) | 一种操作票生成方法、装置、设备及存储介质 | |
CN110580337A (zh) | 一种基于实体相似度计算的专业实体消歧实现方法 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN113408280A (zh) | 负例构造方法、装置、设备和存储介质 | |
CN117632654A (zh) | 一种运维风险等级评估方法、装置、电子设备及存储介质 | |
CN112148841A (zh) | 一种对象分类以及分类模型构建方法和装置 | |
CN114818736B (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
CN117112595A (zh) | 一种信息查询方法、装置、电子设备及存储介质 | |
CN115600592A (zh) | 文本内容的关键信息提取方法、装置、设备及介质 | |
CN113590852A (zh) | 多模态识别模型的训练方法、多模态识别方法及装置 | |
CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN113268987B (zh) | 一种实体名称识别方法、装置、电子设备和存储介质 | |
CN113377922B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN115828915B (zh) | 实体消歧方法、装置、电子设备和存储介质 | |
CN114462364B (zh) | 录入信息的方法和装置 | |
CN116127948B (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
CN114491040B (zh) | 信息挖掘方法及装置 | |
CN115482809B (zh) | 关键词检索方法、装置、电子设备以及存储介质 | |
CN117520513A (zh) | 一种姓名推荐方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230606 |