[发明专利]文本向量的获取方法和装置、文本相似度计算方法和装置

说明书

本说明书实施例提供了文本向量的获取方法和装置及文本相似度的计算方法和装置。该向量获取方法包括：得到待处理的文本；针对预先设置的至少两种要素中的每一种要素，识别出待处理的文本中属于该要素的字符；利用识别出的属于每一种要素的字符，得到对应于该种要素的向量；将得到的对应于各个要素的各个向量作为所述文本的向量。

技术领域

本说明书一个或多个实施例涉及电子信息技术，尤其涉及文本向量的获取方法和装置、文本相似度计算方法和装置。

背景技术

随着计算机技术的发展，需要利用计算机对文本进行分析，比如计算两个文本之间的相似度。而为了能够对文本进行分析，则需要将文本转化为向量，从而使得计算机能够对表征文本的向量进行分析。

目前的方法所获取到的文本的向量，不能准确地表示出文本的含义。

发明内容

本说明书一个或多个实施例描述了文本向量的获取方法和装置、文本相似度计算方法和装置，能够更为准确地表示出文本的含义，并更为准确地得到两个文本的相似度。

根据第一方面，提供了一种文本向量的获取方法，包括：

得到待处理的文本；

针对预先设置的至少两种要素中的每一种要素，识别出待处理的文本中属于该要素的字符；

利用识别出的属于每一种要素的字符，得到对应于该种要素的向量；

将得到的对应于各个要素的各个向量作为所述文本的向量。

在本说明书方法的一个实施例中，所述识别出待处理的文本中属于该要素的字符，包括：

将所述待处理的文本输入预先训练的第一识别模型；

得到由该第一识别模型输出的属于每一种要素的字符；

其中，所述第一识别模型的训练方法包括：利用被标注过的文本，训练所述第一识别模型；每一个文本的标注方式为：该文本中的各个字符均被标注为属于所述至少两种要素中的至少一种要素。

在本说明书方法的一个实施例中，所述文本中的各个字符均被标注为属于所述至少两种要素中的至少一种要素，包括如下中的至少一项：

该文本中的至少一个关键词被标注为属于所述至少两种要素中的至少一种要素；

该文本中的至少一个语句的句式被标注为属于所述至少两种要素中的至少一种要素；

该文本中的至少一个带标点符号的字符位置被标注为属于所述至少两种要素中的至少一种要素。

在本说明书方法的一个实施例中，所述识别出待处理的文本中属于该要素的字符，包括：

将所述待处理的文本输入预先训练的第二识别模型；

得到由该第二识别模型输出的属于每一种要素的字符；

其中，所述第二识别模型的训练方法包括：利用样本集训练所述第二识别模型，每一个样本集中包括一个文本、针对该文本设置的对应于所述至少两种要素中每一种要素的一对问题及答案。

在本说明书方法的一个实施例中，所述至少两种要素包括：对象、状态、障碍、诉求以及咨询中的至少两种。

根据第二方面，提出了一种文本相似度的计算方法，包括：

得到第一文本对应的第一向量组；该第一向量组中包括本说明书任一实施例的向量获取方法所获取的第一文本对应于各个要素的各个向量；

得到第二文本对应的第二向量组；该第二向量组中包括本说明书任一实施例的向量获取方法所获取的第二文本对应于各个要素的各个向量；