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！

龙图腾网获悉浪潮云信息技术股份公司申请的专利基于关键词检索DOCX文档内容的方法及系统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：CN121029978B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511574244.5，技术领域涉及：G06F16/334；该发明授权基于关键词检索DOCX文档内容的方法及系统是由赵桂越;董方辉;朱璐;于希光;冯树新设计研发完成，并于2025-10-31向国家知识产权局提交的专利申请。

本基于关键词检索DOCX文档内容的方法及系统在说明书摘要公布了：本发明属于文本处理技术领域，具体涉及基于关键词检索DOCX文档内容的方法及系统，包括通过解析DOCX文档的OfficeOpenXML结构，结合样式名称等多维特征，利用标题分类得分模型精准区分标题与正文，有效保留了文档的语义层级结构；其次，引入多级语义扩展机制，融合Sentence‑BERT、HowNet知识库与Word2Vec模型，实现对关键词的同义词、近义词智能扩展，显著提升检索的召回率与语义理解能力。再者，采用BM25模型结合段落长度归一化与结构位置权重计算相关性得分，使检索结果排序更加精准合理。倒排索引的构建结合位置编码与压缩优化策略，兼顾检索效率与存储性能。

本发明授权基于关键词检索DOCX文档内容的方法及系统在权利要求书中公布了：1.一种基于关键词检索DOCX文档内容的方法，其特征在于，包括： S1、通过文档解析模块加载DOCX文件，遍历所有段落与表格，提取各段落文本及样式信息，并依据样式名称、字体大小、加粗属性中的至少一种特征将段落分类为标题或正文，形成结构化文本数据； S2、对结构化文本数据进行文本预处理：去除非中英文字符及多余空格，采用分词工具对剩余文本进行分词，并加载停用词表过滤无意义词汇，得到净化后的词序列； S3、基于词序列构建倒排索引，建立关键词到出现位置的一一映射关系，位置至少包括段落编号及段落内偏移量； S4、接收用户输入的关键词，利用自然语言处理模型对关键词执行语义扩展，获得原关键词的同义词和或近义词集合，形成扩展关键词列表； S5、依据扩展关键词列表在倒排索引中执行多模式匹配，多模式至少包括精确匹配、模糊匹配、同义词匹配中的一种，得到初始匹配段落集合； S6、对初始匹配段落集合中的每一段落计算相关性得分，并按相关性得分降序排列后输出排序结果； S7、将排序结果中的关键词在对应段落中进行高亮标记，并提取匹配句及其前后相邻句子生成摘要，摘要长度由用户配置的最大句子数动态决定； S8、将高亮后的段落及摘要导出为HTML、TXT或PDF格式，完成检索结果的持久化； 步骤S1包括： S11、通过文档解析模块加载指定路径的DOCX文件，利用python-docx库解析文档的OfficeOpenXML结构，生成文档对象模型树，该模型树包含所有段落元素和表格元素，并确保文档结构完整性； S12、遍历文档对象模型树中的每个段落元素，提取段落的文本内容，并获取段落的样式属性信息，样式属性信息至少包括样式名称、字体大小和加粗属性，其中样式名称从段落样式的name属性提取，字体大小从字体尺寸属性提取，加粗属性从字体重量属性提取； S13、基于所提取的样式属性信息，计算每个段落的标题分类得分，并根据得分与预设阈值的比较结果，将段落分类为标题或正文，其中标题分类得分的计算公式为： ； 其中，表示段落p的标题分类得分；是指示函数，当段落p的样式名称属于预定义标题样式集合T时取值为1，否则为0；表示段落p的字体大小，单位为磅；表示段落p的加粗属性，如果加粗则取值为1，否则为0；表示基准字体大小，为预设常数；、为权重系数；若，则将段落p分类为标题，否则分类为正文，其中θ为预设得分阈值。

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浪潮云信息技术股份公司，其通讯地址为：250101 山东省济南市高新区浪潮路1036号浪潮科技园T03号楼；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。