[发明专利]计算句子相似度的方法和装置以及机器翻译的方法和装置

权利要求书

1.一种计算句子相似度的方法，其特征在于，该方法包括：

A、对第一句子和第二句子进行比较，确定差异词对；

B、利用差异词对中差异词与其所在第一句子或第二句子中其他词语的搭配概率，为各差异词打分，其中两词语之间的搭配概率通过查询搭配概率模型得到，所述搭配概率模型中两词语之间的搭配概率由所述两词语在预设的语料库中的共现次数统计得到；

C、利用差异词对中各差异词的打分结果，确定差异词对的打分；

D、利用各差异词对的打分结果，确定所述第一句子和所述第二句子的相似度。

2.根据权利要求1所述的方法，其特征在于，在所述步骤B中，按照如下公式为各差异词打分：

其中r(w_i，E)为差异词w_i的打分结果，E为差异词w_i所在的第一句子或第二句子，w_j为E中除w_i之外的其他词语，r(w_i，w_j)为w_i和w_j的搭配概率，m为E包含的词语数目。

3.根据权利要求1或2所述的方法，其特征在于，在所述步骤C中，按照如下公式为差异词对打分：

S(w,w~)=r(w,E1)α1*r(w~,E2)α2;]]>或者，S(w,w~)=β1*r(w,E1)+β2*r(w~,E2);]]>

其中，为由差异词w和构成的差异词对的打分结果，r(w，E1)为第一句子E1中的差异词w的打分结果，为第二句子E2中的差异词的打分结果，α1、α2、β1和β2为预设的权值参数。

4.根据权利要求1所述的方法，其特征在于，该方法还包括：确定差异词对中两差异词的特征向量，利用所述两差异词的特征向量，计算所述两差异词的相似距离；

所述步骤C中确定差异词对的打分时，进一步利用差异词对中两差异词的相似距离。

5.根据权利要求4所述的方法，其特征在于，差异词的特征向量的确定方式具体为：

查询所述搭配概率模型，将与差异词的搭配概率达到预设搭配概率阈值的词语构成该差异词的特征向量。