买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种基于向量表示的相似文本检索方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116303882B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211633492.9，技术领域涉及：G06F16/334；该发明授权一种基于向量表示的相似文本检索方法是由曹斌;蔡炜;侯晨煜;范菁设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本一种基于向量表示的相似文本检索方法在说明书摘要公布了：本发明公开了一种基于向量表示的相似文本检索方法。该方法首先是用词嵌入+池化的方法处理篇章级文本，通过Bert编码得到文本向量表示，利用ball树的方法将所有文本向量表示构建为ball树索引，对所有文本向量表示和ball树中心点进行乘积量化，并建好PQ索引；检索时将查询文本也转化为向量表示，再通过乘积量化计算距离矩阵，基于距离矩阵和Ball树索引结构进行KNN检索得到k个相似文本。本发明构造的基于向量表示的相似文本检索方法支持长文本检索，能对海量的文本向量表示进行准确快速的检索，对复杂的或具有多重语义的文本查询有很好的效果，同时对不熟悉某领域行话的用户或想做探索性搜索的用户非常友好且有帮助，最后相比于Faiss中的IndexIVFPQ方法搜索更加全面准确。

本发明授权一种基于向量表示的相似文本检索方法在权利要求书中公布了：1.一种基于向量表示的相似文本检索方法，其特征在于，该方法包含以下步骤： 1对篇章级文本进行按句切分，通过断句再拼接的方式将相邻的句子按文本顺序放入一个个segment，使得每一个segment中文本长度不超过510个字符，并在每个segment前添加[CLS]标识；最终将整个文本拆分为多个segment，得到一个segment列表； 2将按句切分后得到的segment列表基于BERT编码，利用BERT学习得到segment列表中每个segment的向量表示，其中BERT模型利用第一位[CLS]的表示输出作为segment的向量表示，最终得到segment向量表示列表； 3利用Max-Pooling方法在步骤2所得到的segment向量表示列表中的所有[CLS]向量上，取每个纬度的最大值，整合到一个向量上，pooling后的向量表示代表整个篇章文本的向量表示； 4利用ball树的思想方法把所有篇章文本向量表示作为数据点划分至一个个超球体当中，组成ball树，所述一个超球体由一个节点来表示，其数据点则指向一个个节点； 5基于步骤4得到的ball树，利用相似向量检索库Faiss的乘积量化方法对所有篇章文本向量表示加上ball树所有中心点进行压缩和编码，即对向量表示聚类和量化后构建PQ索引； 6基于步骤5得到的索引进行KNN检索： 6.1通过步骤1-3的方法将拿到的查询文本转化为查询文本向量表示； 6.2利用乘积量化中相同的方法把128维向量表示分成4段32维向量表示，然后计算每一段向量与之前预训练好的簇心表中簇心的距离，得到一张1024*4的距离矩阵表，该表表示查询文本向量与PQ索引中向量的距离； 6.3从ball树根节点开始自上而下寻找离查询文本向量最近的叶子节点，从叶子节点中找出离查询文本向量最近的k个数据点，存入一个KNN缓存队列，并且以查询文本向量为中心点，以查询文本向量到KNN缓存队列中第k个数据点的距离为半径，形成一个查询文本超球体； 6.4回退查看当前节点的兄弟节点所对应的超球体是否与查询文本超球体相交；所述兄弟节点为属于同一个父节点的另外一个节点；根据三角定理判断两个超球体是否相交； 若查看到某一兄弟节点所对应的超球体与查询文本超球体相交，且该兄弟节点为叶子节点时，计算该节点中是否有比KNN缓存队列中数据点离查询文本向量更近的数据点，若有，则更新KNN缓存队列和查询文本超球体的半径；最后直到回退到根节点即结束检索，输出KNN缓存队列中的k个数据点为查询文本的k个最近邻相似文本。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。