一种支持可扩展类别的文本语义哈希方法、装置、设备及存储介质

本发明涉及一种支持可扩展类别的文本语义哈希方法、装置、设备及存储介质，属于自然语言处理和信息检索技术领域。本发明采用文档的词频逆文档词频来表征文档内容，采用类别标签和关键词序列来表征层次化类别信息。采用文本特征自编码器对文档内容表征进行编码，最大程度的在哈希码中保留文本原始语义。采用对比学习优化文档编码器，将类别信息嵌入哈希码。采用基于预训练语言模型的自编码器编码类别信息和关键词序列，支持对原始类别和扩展类别标签序列在统一空间进行语义编码，从而支持可扩展的动态层次化类别信息。在使用阶段，将文档内容和类别标签序列的组合编码作为文档语义编码，从而支持用户自由定义类别和关键词的文本语义哈希检索。