一种文档筛选方法、装置、设备及介质

本申请实施例提供了一种文档筛选方法、装置、设备及介质，涉及数据处理技术领域。该方法包括：获取多个待检测文档；通过提取多个待检测文档的文本内容，并将文本内容分割为短句，生成短句集合；通过将短句集合中的短句与预设关键词和/或预设正则表达式进行匹配，确定符合匹配条件的短句为第一短句子集；通过将短句集合中的短句与预设关键句进行语义相似度匹配，确定语义相似度高于预设阈值的短句为第二短句子集；通过取第一短句子集和第二短句子集的并集，确定目标短句；确定包括目标短句的待检测文档为目标文档。由此，本申请实施例提供的文档筛选方法通过显式规则匹配和语义相似度检测的双重检测机制，能够提高目标文档的筛选准确率。