[发明专利]一种文本相似度计算方法及装置

权利要求书

1.一种文本相似度计算方法，其特征在于，用于计算两个文本之间的相似度，其中，从每个文本中能够提取至少两个对象的数据，所述对象指能够体现所述文本语义的特征，所述方法包括：

确定两个文本的共有对象，其中，所述共有对象的数目为至少两个；

计算所述两个文本之间的每个共有对象的汉明距离；

在所述至少两个共有对象的汉明距离满足第一预设条件时，根据以下至少一项确定所述两个文本之间的相似度：所述至少两个共有对象中预定对象的词向量相似度、汉明距离以及拼接字符串相似度；

其中，所述第一预设条件包括：所述至少两个共有对象的汉明距离中的最小值小于或等于第一距离阈值，或者，所述至少两个共有对象的汉明距离中的最小值位于第一预设范围内。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述至少两个共有对象的汉明距离不满足所述第一预设条件时，根据所述至少两个共有对象的汉明距离中的最小值确定所述两个文本之间的相似度。

3.根据权利要求1所述的方法，其特征在于，所述在所述至少两个共有对象的汉明距离满足第一预设条件时，确定所述两个文本之间的相似度，包括：

在所述预定对象包括第一预定对象以及第二预定对象，或者，包括第一预定对象、第二预定对象以及第三预定对象时，

若第一预定对象的词向量相似度满足第二预设条件，则确定所述两个文本之间的相似度等于所述第一预定对象的词向量相似度；

若第一预定对象的词向量相似度不满足第二预设条件，第二预定对象的第一汉明距离满足第三预设条件且第二预定对象的第二汉明距离满足第四预设条件，则根据第二预定对象的第二汉明距离确定所述两个文本之间的相似度；

若第一预定对象的词向量相似度不满足第二预设条件，且第二预定对象的第一汉明距离不满足第三预设条件或者第二预定对象的第二汉明距离不满足第四预设条件，则根据第一预定对象的拼接字符串相似度确定所述两个文本之间的相似度，和/或，根据第三预定对象的词向量相似度确定所述两个文本之间的相似度。

4.根据权利要求1所述的方法，其特征在于，所述在所述至少两个共有对象的汉明距离满足第一预设条件时，确定所述两个文本之间的相似度，包括：

在所述预定对象包括第二预定对象且不包括第一预定对象，或者，包括第二预定对象和第三预定对象，且不包括第一预定对象时，

根据第二预定对象的第二汉明距离确定所述两个文本之间的相似度；

或者，

若第二预定对象的第一汉明距离满足第三预设条件且第二预定对象的第二汉明距离满足第四预设条件，则根据第二预定对象的第二汉明距离确定所述两个文本之间的相似度；若第二预定对象的第一汉明距离不满足第三预设条件或者第二预定对象的第二汉明距离不满足第四预设条件，则根据第三预定对象的词向量相似度确定所述两个文本之间的相似度。

5.根据权利要求1所述的方法，其特征在于，所述在所述至少两个共有对象的汉明距离满足第一预设条件时，确定所述两个文本之间的相似度，包括：

在所述预定对象包括第一预定对象且不包括第二预定对象，或者，包括第一预定对象和第三预定对象，且不包括第二预定对象时，

若第一预定对象的词向量相似度满足第二预设条件，则确定所述两个文本之间的相似度等于所述第一预定对象的词向量相似度；

若第一预定对象的词向量相似度不满足第二预设条件，则根据第一预定对象的拼接字符串相似度确定所述两个文本之间的相似度，和/或，根据第三预定对象的词向量相似度确定所述两个文本之间的相似度。