[发明专利]语义匹配方法、装置、设备及存储介质

说明书

本申请提供了一种语义匹配方法、装置、设备及存储介质，属于计算机技术领域。本申请使用AMR图来表示文本的语义，并且，本申请提供的AMR图中每个节点是一个向量，可以通过每个节点的向量，得到每个节点的LSA信息，进而通过每个节点的LSA信息来进行图匹配。LSA信息能够表达概念在潜在语义空间的含义，因此能够精确地表达文本中每个词语的语义。并且，AMR图在能够描述文本中每个词语本身的语义的基础上，能够描述出词语与词语之间的联系以及文本的整体语义结构，因此能够精确地反映文本整体的语义，根据两个文本的AMR图进行匹配，来得到两个文本的语义匹配度，能够极大地提高语义匹配度的准确性。

技术领域

本申请涉及计算机技术领域，特别涉及一种语义匹配方法、装置、设备及存储介质。

背景技术

随着计算机技术和自然语言处理技术的发展，计算机设备可以通过对两个自然语言的文本进行语义匹配，得到两个文本的语义匹配度，从而根据语义匹配度判断两个文本的语义是否相同或相近。

关于语义匹配的具体过程，以文本A和文本B为例，可以对文本A进行分词，得到文本A中的多个词语，对每个词语分别进行特征提取，得到每个词语的词向量，按照句子中词语的排列顺序，对多个词向量进行组合，作为文本A的语义向量，通过同样的步骤可以得到文本B的语义向量，根据文本A的语义向量以及文本B的语义向量，可以计算两个语义向量之间的相似度，作为文本A和文本B之间的语义相似度。

从上述举例可以看出，文本的语义向量仅是描述出了文本包含的所有词语本身的语义，而没有描述出词语与词语之间的联系以及文本整体的语义结构，导致无法精确地反映文本整体的语义，进而导致根据语义向量得到的语义匹配度的精确度较差。

发明内容

本申请实施例提供了一种语义匹配方法、装置、设备及存储介质，能够解决相关技术中语义匹配度准确性较差的技术问题。所述技术方案如下：

第一方面，提供了一种语义匹配方法，所述方法包括：

获取第一文本的第一抽象语义表示(Abstract Meaning Representation，简称：AMR)以及第二文本的第二AMR图，每个AMR图中的每个节点为向量；

基于所述第一AMR图的至少一个第一节点的向量对应的潜在语义分析(LatentSemantic Analysis，简称：LSA)信息以及所述第二AMR图的至少一个第二节点的向量对应的LSA信息，对所述第一AMR图与所述第二AMR图进行匹配，得到所述第一AMR图与所述第二AMR图之间的图匹配度；

将所述图匹配度，作为所述第一文本与所述第二文本之间的语义匹配度。

本实施例提供的方法，使用AMR图来表示文本的语义，并且本申请提供的AMR图中每个节点是一个向量，可以通过每个节点的向量，得到每个节点的LSA信息，进而通过每个节点的LSA信息来进行图匹配。LSA信息能够表示概念在潜在语义空间的含义，因此能够精确地表达文本中词语的语义，准确性较高。并且，AMR图在能够描述文本中每个词语本身的语义的基础上，能够描述出词语与词语之间的联系以及文本的整体语义结构，因此能够精确地反映文本整体的语义，根据两个句子的AMR图进行匹配，来得到两个文本的语义匹配度，能够极大地提高了语义匹配度的准确性。进一步地，使用本实施例提供的方法，计算机设备可以自动计算出不同节点的节点匹配度，而无需人工预先标注不同样本词语的相似度，可以提供为无监督方法，成本较低，效率较高，适用范围更广，泛化能力更好，能够方便地扩展到各种语义匹配场景。

在一种可能的实现中，AMR图的获取过程，包括：

对文本进行解析，得到初始AMR图，所述初始AMR图中的每个节点为概念标签；

将所述初始AMR图输入LSA模型，输出AMR图，所述LSA模型用于根据节点的概念标签，预测节点的向量。