[发明专利]文本匹配方法、装置、计算设备及系统

权利要求书

1.一种文本匹配方法，其特征在于，包括：

计算文本集合对应的至少一个签名索引项；

基于所述至少一个签名索引项的签名片段，确定所述至少一个签名索引项分别相对各自索引的不同文本的重要程度；所述重要程度用于表示所述签名索引项对其索引的文本进行相似度计算时所起的作用，所述重要程度越高，所述作用越大；

基于所述重要程度，筛选每个文本的候选文本；

计算每个文本与其候选文本的相似度，以获得每个文本的相似文本。

2.根据权利要求1所述的方法，其特征在于，所述基于所述重要程度，筛选每个文本的候选文本包括：

按照所述重要程度从大到小的顺序进行筛选，获得每个签名索引项索引的第一数量的文本构成的预选集；

基于每个签名索引项索引的预选集，确定每个文本的候选文本。

3.根据权利要求2所述的方法，其特征在于，所述基于每个签名索引项索引的预选集，确定每个文本的候选文本包括：

基于每个签名索引项索引的预选集，确定与每个文本具有相同索引项的初选文本；

计算每个文本与其任一初选文本具有相同签名索引项的共有个数；

按照所述共有个数从大到小的顺序，从每个文本的初选文本中筛选第二数量的候选文本。

4.根据权利要求2所述的方法，其特征在于，所述基于每个签名索引项索引的预选集，确定每个文本的候选文本包括：

基于每个签名索引项索引的预选集，确定与每个文本具有相同索引项的初选文本；

根据每个文本与其任一初选文本的相同签名索引项，在所述任一初选文本中的重要程度，计算所述任一初选文本相对每个文本的总重要程度；

按照所述总重要程度由大到小的顺序，从每个文本的初选文本中筛选第二数量的候选文本。

5.根据权利要求2所述的方法，其特征在于，所述基于每个签名索引项索引的预选集，确定每个文本的候选文本包括：

基于每个签名索引项索引的预选集，确定与每个文本具有相同索引项的候选文本。

6.根据权利要求2所述的方法，其特征在于，所述基于每个签名索引项索引的预选集，确定每个文本的候选文本包括：

基于每个签名索引项索引的预选集，确定与每个文本具有相同签名索引项的初选文本；

计算每个文本与其任一初选文本针对相同签名索引项的重要程度差值；

基于所述重要程度差值，从每个文本的初选文本中确定候选文本。

7.根据权利要求1所述的方法，其特征在于，所述计算文本集合对应的至少一个签名索引项包括：

计算文本集合中每个文本的文本签名；

划分每个文本签名为至少一个签名片段；

由每个签名片段及其在不同文本中的位置信息构成签名索引项。

8.根据权利要求7所述的方法，其特征在于，所述计算文本集合中每个文本的文本签名包括：

计算文本集合中每个文本的文本向量；

将每个文本向量的各维数据进行归一化，转换为文本签名。

9.根据权利要求8所述的方法，其特征在于，所述计算文本集合中每个文本的文本向量包括：

将文本集合中每个文本进行分词，获得每个文本对应的至少一个词串；

计算每个词串的词向量；

将每个文本中各个词串的词向量加权平均，获得每个文本的文本向量。

10.根据权利要求9所述的方法，其特征在于，所述计算每个词串的词向量包括：

从预训练的词表中查找每个词串的词向量；

所述预训练的词表按照如下方式预先获得：

将各个训练文本进行分词，获得由各个训练文本的词串构成的词表；

计算所述词表中每个词串的词向量，对应保存在所述词表中。