[发明专利]句子相似度计算方法和装置

权利要求书

1.一种句子相似度计算方法，其特征在于，包括：

分别获取第一词向量列表和第二词向量列表，所述第一词向量列表中包括第一句子中m个分词的词向量，所述第二词向量列表中包括第二句子中n个分词的词向量，m、n为大于1的自然数；

将所述第一词向量列表中的每个分词的词向量和所述第二词向量列表中的每个分词的词向量进行相似度计算，得到m乘以n个词向量对的相似度值；

对m乘以n个词向量对的相似度值进行加权平均得到的相似度值为所述第一句子和第二句子的相似度；

其中，所述对m乘以n个词向量对的相似度值进行加权平均得到的相似度值为所述第一句子和第二句子的相似度，包括：对所述m乘以n个词向量对的相似度值根据相似度值从大到小进行排序；对排序后的m乘以n个词向量对的相似度值进行加权平均；

所述方法还包括：

针对每个词向量对，对其进行加权平均过程中时使用的权重为该词向量对的两个分词中剩余权重的偏小值，所述剩余权重是指每个分词的初始权重减去加权平均计算过程中已经用掉的权重。

2.根据权利要求1所述的方法，其特征在于，分别获取第一词向量列表和第二词向量列表，包括：

分别对所述第一句子和第二句子进行分词处理，得到第一分词列表和第二分词列表，所述第一分词列表中包括m个分词，所述第二分词列表中包括n个分词；

分别将所述第一分词列表和所述第二分词列表中的每个分词与预设的词向量模型进行匹配得到所述第一词向量列表和所述第二词向量列表。

3.根据权利要求2所述的方法，其特征在于，所述词向量模型是利用word2vec算法，对预先建立的语料库进行训练，得到所述语料库中所有词语的向量构成的词向量模型。

4.根据权利要求1所述的方法，其特征在于，将所述第一词向量列表中的每个分词的词向量和所述第二词向量列表中的每个分词的词向量进行相似度计算，包括：

根据词向量之间的余弦相似度计算方法，对所述第一句子中任一个分词w_i的词向量v_wi和所述第二句子中任一个分词w_j的词向量v_wj进行相似度计算，得到所述第一句子中分词w_i和所述第二句子中分词w_j之间的相似度值。

5.一种句子相似度计算装置，其特征在于，包括：

获取模块，用于分别获取第一词向量列表和第二词向量列表，所述第一词向量列表中包括第一句子中m个分词的词向量，所述第二词向量列表中包括第二句子中n个分词的词向量，m、n为大于1的自然数；

第一计算模块，用于将所述第一词向量列表中的每个分词的词向量和所述第二词向量列表中的每个分词的词向量进行相似度计算，得到m乘以n个词向量对的相似度值；

第二计算模块，用于对m乘以n个词向量对的相似度值进行加权平均得到的相似度值为所述第一句子和第二句子的相似度；

其中，所述第二计算模块，具体用于对所述m乘以n个词向量对的相似度值根据相似度值从大到小进行排序；对排序后的m乘以n个词向量对的相似度值进行加权平均；

所述装置还包括：第三计算模块，用于针对每个词向量对，其在对其进行加权平均过程中时使用的权重为该词向量对的两个分词中剩余权重的偏小值，所述剩余权重是指每个分词的初始权重减去加权平均计算过程中已经用掉的权重。