[发明专利]文本相似度检测方法、装置及电子设备

权利要求书

1.一种文本相似度检测方法，其特征在于，包括：

获取待检测的两个文本；

获取每个所述文本对应的初始指纹特征，所述初始指纹特征包括多个数字指纹；

对于每个所述文本，基于滑动窗口算法，从该文本对应的各数字指纹中提取目标数字指纹，得到该文本对应的目标指纹特征；其中，所述目标数字指纹的提取与该文本对应的各数字指纹的大小有关，下一个滑动窗口的起始点与前一个滑动窗口内所提取出的目标数字指纹有关；

对两个所述文本对应的目标指纹特征进行相似度计算，得到两个所述文本的相似度检测结果；

所述基于滑动窗口算法，从该文本对应的各数字指纹中提取目标数字指纹，得到该文本对应的目标指纹特征，包括：

根据预设的滑动窗口尺寸，从该文本对应的各数字指纹中获取第一个滑动窗口内的指纹序列；其中，所述第一个滑动窗口的起始点为该文本对应的初始指纹特征中的第一个数字指纹；

根据所述第一个滑动窗口内的指纹序列中各数字指纹的大小，从所述第一个滑动窗口内的指纹序列中提取出所述第一个滑动窗口内的至少一个目标数字指纹；

获取下一个滑动窗口内的指纹序列，并提取出所述下一个滑动窗口内的至少一个目标数字指纹；其中，所述下一个滑动窗口的起始点为该文本对应的初始指纹特征中从前一个滑动窗口内所提取出的最后一个目标数字指纹的下一个数字指纹；

直至处理至最后一个滑动窗口，得到所述最后一个滑动窗口内的至少一个目标数字指纹；其中，所述最后一个滑动窗口的终点为该文本对应的初始指纹特征中的最后一个数字指纹；

根据提取出的各滑动窗口内的目标数字指纹，生成该文本对应的目标指纹特征；

所述根据所述第一个滑动窗口内的指纹序列中各数字指纹的大小，从所述第一个滑动窗口内的指纹序列中提取出所述第一个滑动窗口内的至少一个目标数字指纹，包括：

将所述第一个滑动窗口内的指纹序列分为多个部分，得到至少一个第一区间块和至少一个第二区间块；其中，所述第一区间块为多个所述部分中的前预设数量个部分，所述第二区间块为多个所述部分中除所述第一区间块外的其他部分；所述第一区间块和所述第二区间块均包括多个数字指纹；

将各所述第一区间块内的最小值确定为所述第一个滑动窗口的特征参考值；

根据所述特征参考值，从每个所述第二区间块内的各个数字指纹中选取出所述第二区间块内的目标数字指纹；

将各所述第二区间块内的目标数字指纹确定为所述第一个滑动窗口内的目标数字指纹。

2.根据权利要求1所述的方法，其特征在于，所述获取每个所述文本对应的初始指纹特征，包括：

对每个所述文本进行预处理，得到每个所述文本的词语序列；

对每个所述文本的词语序列中的词语进行编码，得到每个所述文本的文本特征；

对每个所述文本的文本特征进行数字指纹映射，得到每个所述文本对应的初始指纹特征。

3.根据权利要求1所述的方法，其特征在于，所述根据所述特征参考值，从每个所述第二区间块内的各个数字指纹中选取出所述第二区间块内的目标数字指纹，包括：

根据所述特征参考值和预设阈值，判断每个所述第二区间块是否满足预设的最优决策约束条件；

如果是，将所述第二区间块内的最小值确定为所述第二区间块内的目标数字指纹；

如果否，将所述第二区间块内的最后一个数字指纹确定为所述第二区间块内的目标数字指纹；

其中，所述最优决策约束条件包括：

其中，H_1t表示第一个滑动窗口内的序号为t的第二区间块；min(H_1t)表示H_1t内的最小值，max(H_1t)表示H_1t内的最大值，v表示所述特征参考值，T表示所述预设阈值。

4.根据权利要求1所述的方法，其特征在于，所述根据提取出的各滑动窗口内的目标数字指纹，生成该文本对应的目标指纹特征，包括：

按照该文本对应的初始指纹特征中各数字指纹的顺序，对提取出的各滑动窗口内的目标数字指纹进行向量生成，得到该文本对应的目标指纹特征。