基于关键词检索DOCX文档内容的方法及系统

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Office Open XML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。