[发明专利]字符串集合的相似度确定方法、装置、终端及可读介质

权利要求书

1.一种字符串集合的相似度确定方法，其特征在于，包括：

获取两个字符串集合，根据预设规则确定所述两个字符串集合中的第一字符串集合和第二字符串集合，其中所述第一字符串集合包括至少一个第一字符串，所述第二字符串集合包括至少一个第二字符串；

遍历所述第一字符串集合，根据遍历的当前第一字符串与所述第二字符串集合中的各第二字符串的编辑距离，确定与当前第一字符串匹配的第二字符串，并计算当前第一字符串与相匹配的第二字符串的相似度；

根据所述第一字符串集合中各第一字符串与相匹配的第二字符串的相似度，确定第一字符串集合和第二字符串集合的相似度；

所述根据所述第一字符串集合中各第一字符串与相匹配的第二字符串的相似度，确定第一字符串集合和第二字符串集合的相似度，包括：

将所述第一字符串集合中各第一字符串与相匹配的第二字符串的相似度求和，确定总相似度；

利用所述第一字符串中预设字符串的长度与预设数值的和的对数，将所述总相似度进行归一化处理；

利用预设函数对归一化处理后的总相似度进行计算，得到第一字符串集合和第二字符串集合的相似度。

2.根据权利要求1所述的方法，其特征在于，所述计算当前第一字符串与相匹配的第二字符串的相似度，包括：

根据当前第一字符串与相匹配的第二字符串的编辑距离、当前第一字符串的长度和相匹配的第二字符串的长度，确定当前第一字符串与相匹配的第二字符串的相似度。

3.根据权利要求1所述的方法，其特征在于，所述利用预设函数对归一化处理后的总相似度进行计算，得到第一字符串集合和第二字符串集合的相似度，包括：利用双曲正切函数对归一化处理后的总相似度进行计算，得到第一字符串集合和第二字符串集合的相似度。

4.根据权利要求3所述的方法，其特征在于，所述利用双曲正切函数对归一化处理后的总相似度进行计算，得到第一字符串集合和第二字符串集合的相似度，包括：

将归一化处理后的总相似度减去偏置系数，并将减去偏置系数的归一化处理后的总相似度作为线性模型的入参参数；

利用双曲正切函数对所述线性模型的输出结果进行计算，得到第一字符串集合和第二字符串集合的相似度。

5.根据权利要求1所述的方法，其特征在于，应用于商品标题中型号词的相似度确定，在所述两个字符串集合之前，包括：

根据条件随机场模型对第一商品标题和第二商品标题进行分词；

根据商品标题词典以及商品标题词性规则，将分词后的所述第一商品标题以及所述第二商品标题进行词性标注；

根据词性标注结果确定第一商品的型号词集合和第二商品的型号词集合，并将所述第一商品的型号词集合和第二商品的型号词集合作为两个字符串集合。

6.一种字符串集合的相似度确定装置，其特征在于，包括：

字符串集合获取模块，用于获取两个字符串集合，根据预设规则确定所述两个字符串集合中的第一字符串集合和第二字符串集合，其中所述第一字符串集合包括至少一个第一字符串，所述第二字符串集合包括至少一个第二字符串；

字符串相似度确定模块，用于遍历所述第一字符串集合，根据遍历的当前第一字符串与所述第二字符串集合中的各第二字符串的编辑距离，确定与当前第一字符串匹配的第二字符串，并计算当前第一字符串与相匹配的第二字符串的相似度；

字符串集合相似度确定模块，用于根据所述第一字符串集合中各第一字符串与相匹配的第二字符串的相似度，确定第一字符串集合和第二字符串集合的相似度；

其中，字符串集合相似度确定模块，包括：

求和子模块，用于将所述第一字符串集合中各第一字符串与相匹配的第二字符串的相似度求和，确定总相似度；

函数计算子模块，用于利用所述第一字符串中预设字符串的长度与预设数值的和的对数，将所述总相似度进行归一化处理，利用预设函数对归一化处理后的总相似度进行计算，得到第一字符串集合和第二字符串集合的相似度。