信息查找方法、电子设备及存储介质与流程

本公开涉及计算机，本公开尤其涉及信息查找方法、电子设备及存储介质。

背景技术：

1、随着电子文档技术的发展，pdf文档格式得到了广泛应用。在传统pdf阅读器中，通常采用精确匹配的检索机制进行查找和匹配。

2、随着人工智能技术的发展，在生成、处理、查找pdf文件的时候，由于人工智能模型自身能力，会引入一些不可控的错误。比如，在进行文件识别的时候，人工智能模型会对文本的一些内容做修改，比如，修正格式、错别字。还可能对版式进行修改。因此，在这种情况下，如果对生成的pdf文件中的一些内容进行核对或者查找，则会导致核对错误、查找效率低等问题。因此，需要一种能够提高信息查找效率和准确率的方案。

技术实现思路

1、本公开提供了信息查找方法、电子设备及存储介质。

2、根据本公开的第一方面，提供了一种信息查找方法。该方法具体包括：获取待查询文件和目标信息；计算待查询文件与目标信息的字符相似度和词序相似度；当字符相似度和词序相似度均满足预设的阈值条件时，根据预设权重对字符相似度和词序相似度进行加权融合，得到综合相似度；基于综合相似度确定从待查询文件中查找的查找结果。

3、根据本公开的至少一个实施方式中计算待查询文件与目标信息的字符相似度和词序相似度，包括：通过第一相似度算法计算待查询文件中字符与目标信息中字符的字符相似度；通过第二相似度算法计算待查询文件中词序列与目标信息中词序列的词序相似度。

4、根据本公开的至少一个实施方式中通过第一相似度算法计算待查询文件中字符与目标信息中字符的字符相似度，包括：将待查询文件的页面中文本内容转换为第一字符序列；以及，将目标信息转换为第二字符序列；确定第一字符序列中元素个数与第二字符序列中元素个数中的较大元素个数；计算将第二字符序列转换为第一字符序列所需的最少单字符编辑操作次数，得到编辑距离值；根据编辑距离值和较大元素个数，计算字符相似度。

5、根据本公开的至少一个实施方式中通过第二相似度算法计算待查询文件中词序列与目标信息中词序列的词序相似度，包括：对待查询文件的页面中文本内容进行分词处理，得到第一词项集合；以及，对目标信息进行分词处理得到第二词项集合；计算第一词项集合与第二词项集合的交集大小和并集大小；根据交集大小与并集大小的比值确定词序相似度；其中，分词处理包括去除停用词、标点符号和进行词干提取的步骤，且词项集合不包含词项的排列顺序。

6、根据本公开的至少一个实施方式中获取待查询文件和目标信息，包括：利用余弦相似度算法，从待查询文件中查找到与目标信息相关的至少一个备选页面；获取备选页面中与目标信息相关的段落标识和页码。

7、根据本公开的至少一个实施方式中利用余弦相似度算法，从待查询文件中查找到与目标信息相关的至少一个备选页面，包括：将目标信息转换为第一向量，以及将待查询文件中的页面内容转换为第二向量；计算第一向量与第二向量之间的余弦相似度；将余弦相似度大于预设余弦阈值的至少一个页面作为备选页面。

8、根据本公开的至少一个实施方式中还包括：当字符相似度和词序相似度中至少一个不满足预设的阈值条件时，向用户提示未找到精确匹配内容，并提供相似度最高的k个候选结果供用户选择，其中，k为大于0的整数。

9、根据本公开的至少一个实施方式中基于综合相似度确定从待查询文件中查找的查找结果，包括：将综合相似度与预设的匹配阈值进行比较，当综合相似度大于或等于匹配阈值时，判定为有效匹配；根据综合相似度对所有匹配结果进行排序，选取排序前m位的结果作为查找结果；其中，查找结果中包含有匹配的页码、段落内容、相似度分数中至少一个；m为大于0的整数。

10、根据本公开的第二方面，提供了一种电子设备，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行本公开任一个实施方式的第一方面。

11、根据本公开的第三方面，提供了一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现本公开任一个实施方式的第一方面。

12、根据本公开的第四方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本公开任一个实施方式的第一方面。

1.一种信息查找方法，其特征在于，所述方法包括：

2.根据权利要求1所述的信息查找方法，其特征在于，所述计算所述待查询文件与所述目标信息的字符相似度和词序相似度，包括：

3.根据权利要求2所述的信息查找方法，其特征在于，所述通过第一相似度算法计算所述待查询文件中字符与所述目标信息中字符的字符相似度，包括：

4.根据权利要求2所述的信息查找方法，其特征在于，所述通过第二相似度算法计算所述待查询文件中词序列与所述目标信息中词序列的词序相似度，包括：

5.根据权利要求1所述的信息查找方法，其特征在于，所述获取待查询文件和目标信息，包括：

6.根据权利要求5所述的信息查找方法，其特征在于，所述利用余弦相似度算法，从所述待查询文件中查找到与所述目标信息相关的至少一个备选页面，包括：

7.根据权利要求2所述的信息查找方法，其特征在于，还包括：

8.根据权利要求1所述的信息查找方法，其特征在于，所述基于所述综合相似度确定从所述待查询文件中查找的查找结果，包括：

9.一种电子设备，其特征在于，包括：

10.一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时实现权利要求1至8中任一项所述的方法。