[发明专利]文本相似度的确定方法及装置

权利要求书

1.一种文本相似度的确定方法，其特征在于，包括：

获取至少两个文本的词序列；

将所述至少两个文本的词序列转换成多维数字向量；

通过预先训练的匹配模型对所述多维数字向量进行语义组合，以确定文本向量，包括：获取所述多维数字向量；依据所述多维数字向量，计算低维语义向量，其中，所述低维语义向量表示词语所在的句子的语义信息；对所述低维语义向量进行组合，确定多个单维句子向量，其中，所述单维句子向量表示句子所在文本的文本信息；通过所述多个单维句子向量，计算所述至少两个文本的文本向量，其中，依据所述多维数字向量，计算低维语义向量包括：将所述多维数字向量中的每维数字向量转换为表示词语所在句子的词语向量；组合词语向量中词义的相似度在预设范围内的词语，以得到所述低维语义向量；

通过所述匹配模型对所述文本向量进行向量比对，并对所述至少两个文本的文本语义进行解析，确定所述至少两个文本的文本相似度，包括：依据所述文本向量，确定每个文本的文本中心语句；依据所述文本中心语句，确定每个所述文本的文章中心语义；根据所述至少两个文本中每个文本的所述文章中心语义和所述匹配模型，计算所述至少两个文本的文本相似度，其中，通过所述匹配模型对所述文本向量进行向量比对，并对所述至少两个文本的文本语义进行解析，确定所述至少两个文本的文本相似度还包括：依据所述每个文本的所述文章中心语义，对所述至少两个文本进行交互计算，以确定多组二维矩阵；根据所述多组二维矩阵，建立与所述至少两个文本的局部语句信息对应的高阶矩阵，其中，所述高阶矩阵中包括所述至少两个文本的文本匹配特征；使用卷积网络来提取所述至少两个文本的文本匹配特征，得到多层次文本匹配特征；对所述多层次文本匹配特征进行池化分析，确定所述至少两个文本的文本相似度。

2.根据权利要求1所述的方法，其特征在于，在通过多获取至少两个文本的词序列之前，包括：

获取预设训练文本中的多组训练数据；

通过所述多组训练数据得到所述匹配模型。

3.根据权利要求2所述的方法，其特征在于，通过多组训练数据得到所述匹配模型包括：

获取对所述预设训练文本进行标注的文本标注信息，其中，所述文本标注信息至少包括文本标签；

对所述预设训练文本进行分词，并建立与每个词语对应的数字向量；

依据所述每个词语对应的数字向量，训练得到所述匹配模型，其中，在训练所述匹配模型时，通过多组训练数据对所述匹配模型进行训练，每组所述训练数据至少包括：词语分类结果、文本训练结果、文本相似度，所述词语分类结果为下述之一：相似词和非相似词，所述文本训练结果为下述之一：相似文本对和非相似文本对。