[发明专利]文本相似度的确定方法、装置和计算机可读存储介质

权利要求书

1.一种文本相似度的确定方法，包括：

利用词向量计算第一文本中各词语与第二文本的相关程度作为第一相似度，所述第一文本的词语数量小于所述第二文本的词语数量；

根据所述第一文本的词语数量，在所述第二文本中选取相应数量的词语作为目标词语；

利用词向量计算各目标词语与所述第一文本的相关程度作为第二相似度；

根据所述第一相似度、所述第二相似度和所述第二文本的长度，计算所述第一文本和所述第二文本的综合相似度；

其中，所述根据所述第一文本的词语数量，在所述第二文本中选取相应数量的词语作为目标词语包括：

将所述第一文本的词语数量与所述第二文本的词语数量的差值作为目标数量；

在所述第二文本中选取所述目标数量的词语作为所述目标词语。

2.根据权利要求1所述的确定方法，其中，所述利用词向量计算第一文本中各词语与第二文本的相关程度作为第一相似度包括：

计算所述第一文本中词语的词向量与所述第二文本中各词语的词向量之间的向量距离；

将所有所述向量距离中最小的一个作为该词语的相关系数；

根据所述第一文本中所有词语的相关系数的加权和，确定所述第一相似度。

3.根据权利要求1所述的确定方法，其中，所述在所述第二文本中选取所述目标数量的词语作为所述目标词语包括：

在所述第二文本中选取最后N个词语作为所述目标词语，N为所述目标数量。

4.根据权利要求1所述的确定方法，其中，所述利用词向量计算各目标词语与所述第一文本的相关程度作为第二相似度包括：

计算所述第二文本中目标词语的词向量与所述第一文本中各词语的词向量之间的向量距离；

将所有所述向量距离中最小的一个作为该目标词语的相关系数；

根据所述第二文本中所有目标词语的相关系数的加权和，确定所述第二相似度。

5.根据权利要求1-4任一项所述的确定方法，其中，

所述综合相似度与所述第一相似度和所述第二相似度的加权和正相关，与所述第二文本的长度负相关。

6.一种文本相似度的确定装置，包括：

计算单元，用于利用词向量计算第一文本中各词语与第二文本的相关程度作为第一相似度，所述第一文本的词语数量小于所述第二文本的词语数量，利用词向量计算各目标词语与所述第一文本的相关程度作为第二相似度，根据所述第一相似度、所述第二相似度和所述第二文本的长度，计算所述第一文本和所述第二文本的综合相似度；

选取单元，用于根据所述第一文本的词语数量，在所述第二文本中选取相应数量的词语作为所述目标词语，所述选取单元将所述第一文本的词语数量与所述第二文本的词语数量的差值作为目标数量，在所述第二文本中选取所述目标数量的词语作为所述目标词语。

7.根据权利要求6所述的确定装置，其中，

所述计算单元计算所述第一文本中词语的词向量与所述第二文本中各词语的词向量之间的向量距离，将所有所述向量距离中最小的一个作为该词语的相关系数，根据所述第一文本中所有词语的相关系数的加权和，确定所述第一相似度。

8.根据权利要求6所述的确定装置，其中，

所述选取单元在所述第二文本中选取最后N个词语作为所述目标词语，N为所述目标数量。

9.根据权利要求6所述的确定装置，其中，

所述计算单元计算所述第二文本中目标词语的词向量与所述第一文本中各词语的词向量之间的向量距离，将所有所述向量距离中最小的一个作为该目标词语的相关系数，根据所述第二文本中所有目标词语的相关系数的加权和，确定所述第二相似度。

10.根据权利要求6-9任一项所述的确定装置，其中，

所述综合相似度与所述第一相似度和所述第二相似度的加权和正相关，与所述第二文本的长度负相关。