[发明专利]文本匹配方法、装置、计算机设备及可读存储介质

权利要求书

1.一种文本匹配方法，其特征在于，所述方法包括以下步骤：

获取目标文本以及与所述目标文本对应的待匹配文本集；

通过训练好的双向注意力神经网络BERT模型分别获得所述目标文本对应的第一句向量以及所述待匹配文本集中各个待匹配文本对应的第二句向量；

分别对所述第一句向量以及各个所述第二句向量进行降噪处理，得到降噪第一句向量以及各个降噪第二句向量；

根据所述降噪第一句向量以及各个所述降噪第二句向量，确定各个所述待匹配文本与所述目标文本的匹配程度；

根据各个所述匹配程度，在所述待匹配文本集中确定所述目标文本的目标匹配文本。

2.根据权利要求1所述的文本匹配方法，其特征在于，所述通过训练好的BERT模型分别获得所述目标文本对应的第一句向量以及所述待匹配文本集中各个待匹配文本对应的第二句向量，包括：

将所述目标文本以及所述待匹配文本集中的各个待匹配文本分别输入至训练好的BERT模型中进行嵌入操作，得到所述目标文本对应的第一句嵌入向量以及各个所述待匹配文本对应的第二句嵌入向量；

将所述第一句嵌入向量以及各个所述第二句嵌入向量分别输入至所述训练好的BERT模型的Transformer中进行编码操作和解码操作，得到所述目标文本对应的第一句向量以及所述各个所述待匹配文本对应的第二句向量。

3.根据权利要求1所述的文本匹配方法，其特征在于，所述分别对所述第一句向量以及各个所述第二句向量进行降噪处理，得到降噪第一句向量以及各个降噪第二句向量，包括：

分别对所述第一句向量以及各个所述第二句向量进行低通滤波处理，得到降噪第一句向量以及各个降噪第二句向量。

4.根据权利要求1所述的文本匹配方法，其特征在于，所述根据所述降噪第一句向量以及各个所述降噪第二句向量，确定各个所述待匹配文本与所述目标文本的匹配程度，包括：

分别计算各个所述降噪第二句向量与所述降噪第一句向量之间的相似性；

根据各个所述相似性确定各个所述待匹配文本与所述目标文本的匹配程度。

5.根据权利要求1所述的文本匹配方法，其特征在于，所述根据各个所述匹配程度，在所述待匹配文本集中确定所述目标文本的目标匹配文本，包括：

将各个所述匹配程度进行排序；

将所述待匹配文本集中最高匹配程度对应的待匹配文本作为所述目标文本的目标匹配文本。

6.根据权利要求2所述的文本匹配方法，其特征在于，所述将所述目标文本以及所述待匹配文本集中的各个待匹配文本分别输入至训练好的BERT模型中进行嵌入操作，得到所述目标文本对应的第一句嵌入向量以及各个所述待匹配文本对应的第二句嵌入向量，包括：

将所述目标文本以及各个所述待匹配文本分别输入至所述训练好的BERT模型的嵌入层进行嵌入操作，得到所述目标文本对应的单词嵌入向量、单词的位置信息嵌入向量和短语切分信息嵌入向量，以及各个所述待匹配文本对应的单词嵌入向量、单词的位置信息嵌入向量和短语切分信息嵌入向量；

将所述目标文本对应的所述单词嵌入向量、所述单词的位置信息嵌入向量和所述短语切分信息嵌入向量相加得到所述目标文本对应的第一句嵌入向量，以及分别将各个所述待匹配文本对应的所述单词嵌入向量、所述单词的位置信息嵌入向量和所述短语切分信息嵌入向量相加得到各个所述待匹配文本对应的第二句嵌入向量。

7.根据权利要求1所述的文本匹配方法，其特征在于，所述获取目标文本以及与所述目标文本对应的待匹配文本集之前，包括：

获取基于Transformer的预训练BERT模型；

根据预设训练集对所述预训练BERT模型进行训练，以对所述预训练BERT模型的参数进行更新，得到训练好的BERT模型。