[发明专利]句对匹配率的确定方法、装置、计算机设备和存储介质

权利要求书

1.一种句对匹配率的确定方法，其特征在于，所述方法包括：

获取句对，并确定所述句对的词对；所述词对包括相匹配的词，且相匹配的词分别来自所述句对中的不同句子；

获取所述词对中的各词的词向量，根据所述各词的词向量确定所述各词之间的相似度；

通过多视角注意力网络的各层基于所述各词的词向量进行注意力分配处理，得到所述各层输出的所述词对的词对权重；

根据所述相似度和所述词对权重，确定所述句对中所述不同句子的匹配率。

2.根据权利要求1所述的方法，其特征在于，所述获取所述词对中的各词的词向量，根据所述各词的词向量确定所述各词之间的相似度，包括：

获取所述词对中的各词的词向量，根据所述各词的词向量确定所述各词的的隐藏状态向量；

根据所述各词的隐藏状态向量，确定所述词对中的所述各词之间的相似度；

所述通过多视角注意力网络的各层基于所述各词的词向量进行注意力分配处理，得到所述各层输出的所述词对的词对权重，包括：

通过多视角注意力网络的各层基于所述各词的隐藏状态向量进行注意力分配处理，得到所述各层输出的所述词对的词对权重。

3.根据权利要求2所述的方法，其特征在于，所述通过多视角注意力网络的各层基于所述各词的隐藏状态向量进行注意力分配处理，得到所述各层输出的所述词对的词对权重，包括：

将所述各词的隐藏状态向量输入多视角注意力网络，获取所述多视角注意力网络中各层的权重，分别根据每层的权重和所述词对中所述各词的隐藏状态向量进行注意力分配处理，获得所述各层输出的所述词对的词对权重。

4.根据权利要求2所述的方法，其特征在于，所述根据所述各词的隐藏状态向量，确定所述词对中的所述各词之间的相似度，包括：

根据所述词对中的所述各词的隐藏状态向量，从至少两个度量角度确定所述各词之间的相似度，得到所述词对对应的至少两个相似度；

所述根据所述相似度和所述词对权重，确定所述句对中的所述不同句子的匹配率，包括：

根据所述词对对应的至少两个相似度和所述各层输出的所述词对的词对权重，构建目标权重矩阵；

基于所述目标权重矩阵确定所述句对中的所述不同句子的匹配率。

5.根据权利要求4所述的方法，其特征在于，所述根据所述词对中的所述各词的隐藏状态向量，从至少两个度量角度确定所述各词之间的相似度，得到所述词对对应的至少两个相似度，包括：

根据所述词对中的所述各词对应的隐藏状态向量，确定所述词对中的所述各词之间的余弦相似度、线性相似度和非线性相似度中的至少两种。

6.根据权利要求4所述的方法，其特征在于，所述根据所述词对对应的至少两个相似度和所述各层输出的所述词对的词对权重，构建目标权重矩阵，包括：

根据所述词对对应的至少两个相似度，构建相似度矩阵；

根据所述各层输出的所述词对的词对权重，构建词对权重矩阵；

根据所述相似度矩阵和所述词对权重矩阵，确定目标权重矩阵。

7.根据权利要求6所述的方法，其特征在于，所述根据所述相似度矩阵和所述词对权重矩阵，确定目标权重矩阵，包括：

将所述相似度矩阵和所述词对权重矩阵进行点乘处理，得到目标权重矩阵。

8.根据权利要求2所述的方法，其特征在于，所述获取所述词对中的各词的词向量，根据所述各词的词向量确定所述各词的的隐藏状态向量，包括：

获取所述词对中的各词的词向量，通过双向循环神经网络对所述各词的词向量进行编码处理，得到所述各词分别对应的前向隐藏状态向量和后向隐藏状态向量；

针对所述词对中的每个词，根据词对应的前向隐藏状态向量和后向隐藏状态向量，确定所述词的隐藏状态向量。