[发明专利]一种车联网文本匹配方法、装置、电子设备及存储介质

说明书

本申请提供一种车联网文本匹配方法、装置、电子设备及存储介质，用于改善很难从语义表示方面取得较好文本匹配的效果的问题。该方法包括：获取待匹配文本，并提取出待匹配文本的摘要内容和待匹配文本的依存句法核心成分；将摘要内容、依存句法核心成分和待匹配文本进行分词和向量化，获得嵌入向量矩阵，嵌入向量矩阵包括句子成分向量、令牌嵌入向量、位置嵌入向量和/或逆序位置嵌入向量；对句子成分向量、令牌嵌入向量、位置嵌入向量和/或逆序位置嵌入向量进行融合处理，获得输入表示向量；使用文本匹配模型根据输入表示向量对多个检索文本进行匹配排序，获得排序后的多个检索文本。

技术领域

本申请涉及车联网和自然语言处理的技术领域，具体而言，涉及一种车联网文本匹配方法、装置、电子设备及存储介质。

背景技术

车联网(Internet of Vehicles，IoV)，是指车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务。IoV可以将汽车和其他车辆或是可能影响汽车的设备所进行的通信，车联网又被简称为V2X(即Vehicletoeverything)，其意思是车辆上的车载设备可以通过不同种类通信方式进行信息交换，此处的不同种类通信方式包括：汽车对基础设施(VehicletoInfrastructure，V2I)、汽车对网络(Vehicleto Network，V2N)、汽车对汽车(VehicletoVehicle，V2V)、汽车对行人(Vehicleto Pedestrian，V2P)或汽车对设备(VehicletoDevice，V2D)。

文本匹配(Text Match)，是自然语言处理(Natural Language Processing，NLP)中一个重要问题，NLP中的许多任务都可以抽象为文本匹配问题；具体例如：在搜索引擎中进行网页搜索的过程，可以被抽象为，搜索引擎匹配出用户搜索文本(Query Text)对应的相关性网页集合的问题；同理地，自动问答任务可以抽象为候选答案与问题的满足度匹配问题，文本去重任务可以抽象为查询文本与待去重文本的相似度匹配问题。

在目前的车联网行业中，汽车与车联网V2X的信息搜索和信息交换大都是基于文本匹配来实现的，而目前的车联网文本匹配方法大部分都是基于机器学习方法来实现的；基于机器学习方法例如：在用户输入的关键词之后，搜索引擎根据关键词对网页文件进行相关性排序场景中，搜索引擎可以使用词频逆向文件频率(Term Frequency–InverseDocument Frequency，TF-IDF)算法或者向量空间模型(Vector Space Model，VSM)算法对搜索结果进行排序。在具体的实践过程中发现，使用基于机器学习方法仅仅是利用词频、逆文档频率和文档长度等因素来进行文本匹配，这种文本匹配方式存在许多问题，例如：自动问答任务中的语言的组合结构问题(例如：针对“从北京到上海的高铁”的问题，给出了“从上海到北京高铁”的候选答案)和语言的多义性和同义性的问题等等。也就是说，使用基于机器学习方法是利用了词汇层面相似性因素来对搜索结果进行排序，很难从语义表示方面取得较好文本匹配的效果。

发明内容

本申请实施例的目的在于提供一种车联网文本匹配方法、装置、电子设备及存储介质，用于改善很难从语义表示方面取得较好文本匹配的效果的问题。