[发明专利]基于人工智能的匹配度评估方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的匹配度评估方法，其特征在于，包括：

分别获取查询query中的各单词的单词表达以及标题title中的各单词的单词表达；其中，所述单词表达为向量；

根据所述单词表达，分别获取所述query中的各单词的基于上下文的单词表达以及所述title中的各单词的基于上下文的单词表达，包括：将所述query中的各单词的单词表达组成的序列Qe输入给双向循环神经网络RNN，分别得到从左向右方向处理后的输出Q1以及从右向左方向处理后的输出Q2；将所述title中的各单词的单词表达组成的序列Te输入给双向RNN，分别得到从左向右方向处理后的输出T1以及从右向左方向处理后的输出T2；将所述Qe、Q1和Q2进行拼接，得到Q(m，3d)，所述m表示所述query中包括的单词数，所述d表示表达维度；将所述Te、T1和T2进行拼接，得到T(n，3d)，所述n表示所述title中包括的单词数；将所述query以及所述title中的每个单词对应的长为3d的向量作为所述单词的基于上下文的单词表达；

根据获取到的信息生成匹配特征；

根据所述匹配特征确定出所述query与所述title之间的匹配度评分。

2.根据权利要求1所述的方法，其特征在于，

所述分别获取query中的各单词的单词表达以及title中的各单词的单词表达包括：

将所述query中的各单词分别embedding成一个低维向量，得到序列Qe＝[q1,…,qi,…,qm]；

其中，qi表示所述query中的第i个单词的低维向量，i为正整数，且1≤i≤m；

将所述title中的各单词分别embedding成一个低维向量，得到序列Te＝[t1,…,tj,…,tn]；

其中，tj表示所述title中的第j个单词的低维向量，j为正整数，且1≤j≤n。

3.根据权利要求2所述的方法，其特征在于，

所述根据获取到的信息生成匹配特征包括：

根据获取到的信息生成局部匹配特征；

根据所述局部匹配特征生成高级匹配特征。

4.根据权利要求3所述的方法，其特征在于，

所述根据获取到的信息生成局部匹配特征包括：

根据各单词的所述基于上下文的单词表达，分别按照不同的匹配度计算方式，计算出所述query中的单词与所述title中的单词两两之间的匹配度，得到三维的张量Tensor(m，n，t)；

其中，t表示t维的向量，针对每组单词Q[i]和T[j]，分别计算出t个匹配度，t个匹配度构成所述t维的向量，Q[i]表示所述query中的单词，T[j]表示所述title中的单词；

所述Tensor中的每一个值(i，j，k)表示Q[i]和T[j]对应的第k个匹配度，1≤k≤t。

5.根据权利要求4所述的方法，其特征在于，

所述根据所述局部匹配特征生成高级匹配特征包括：

将所述(m，n，t)输入给卷积神经网络CNN，将得到的输出(m，n，t1)、…、(m，n，tw)作为所述高级匹配特征，w为正整数，表示CNN中包括的卷积层数。

6.根据权利要求5所述的方法，其特征在于，

所述根据所述匹配特征确定出所述query与所述title之间的匹配度评分包括：

将所述(m，n，t)以及所述高级匹配特征进行拼接，得到(m，n，t+t1+…+tw)；

针对每个(m，n)矩阵，分别采用按行pooling的方式确定出一个(m，k’)的序列表达，k’为正整数，得到(m，(t+t1+…+tw)*k’)；

将所述(m，(t+t1+…+tw)*k’)输入给双向RNN，得到双向RNN最后一个位置上的表达；

根据所述最后一个位置上的表达确定出所述匹配度评分。