[發(fā)明專利]一種計(jì)算字符串間相似度的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201611130125.1
• 申請(qǐng)日: 2016-12-09
• 公開（公告）號(hào): CN106650803B
• 公開（公告）日: 2019-06-18
• 發(fā)明（設(shè)計(jì)）人: 韋強(qiáng)申;劉鵬
• 申請(qǐng)（專利權(quán)）人: 北京銳安科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F17/27
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 胡彬;鄧猛烈

1.一種計(jì)算字符串間相似度的方法，其特征在于，所述方法包括：

獲取至少兩個(gè)字符串的核心詞匯的權(quán)重；

獲取所述至少兩個(gè)字符串的最大公共序列，并根據(jù)所述最大公共序列的長(zhǎng)度和詞匯確定所述最大公共序列的權(quán)重；

根據(jù)預(yù)設(shè)常用詞匯的權(quán)重表獲取所述至少兩個(gè)字符串中的常用詞匯的權(quán)重；

根據(jù)所述核心詞匯的權(quán)重、所述最大公共序列的權(quán)重和所述常用詞匯的權(quán)重獲取所述至少兩個(gè)字符串的相似度；

其中，所述根據(jù)所述核心詞匯的權(quán)重、所述最大公共序列的權(quán)重和所述常用詞匯的權(quán)重獲取所述至少兩個(gè)字符串的相似度，包括：

所述至少兩個(gè)字符串的相似度為

其中，所述w1為所述核心詞匯權(quán)重，所述w2為所述最大公共序列的權(quán)重，所述w3為常用詞匯的權(quán)重，所述L為所述至少兩個(gè)字符串的最大長(zhǎng)度。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取至少兩個(gè)字符串的核心詞匯的權(quán)重，包括：

根據(jù)分詞結(jié)果的詞性以及詞匯間的語義關(guān)系，獲取至少兩個(gè)字符串的詞匯序列中的核心詞匯，所述核心詞匯包括主語人名、機(jī)構(gòu)名、名詞賓語、動(dòng)詞和地名；

根據(jù)預(yù)設(shè)核心詞匯權(quán)重表獲取所述核心詞匯的權(quán)重。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述至少兩個(gè)字符串的最大公共序列，包括：

獲取所述至少兩個(gè)字符串的分詞結(jié)果序列，去除所述分詞結(jié)果序列中的標(biāo)點(diǎn)符號(hào)，合并所述分詞結(jié)果序列中相同的子序列，得到所述至少兩個(gè)字符串的最大公共序列。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)常用詞匯的權(quán)重表獲取所述至少兩個(gè)字符串中的常用詞匯的權(quán)重，包括：

根據(jù)常用詞匯TF-IDF權(quán)重表獲取所述至少兩個(gè)字符串中的常用詞匯的權(quán)重。

5.一種計(jì)算字符串間相似度的裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取至少兩個(gè)字符串的核心詞匯的權(quán)重；

第二獲取模塊，用于獲取所述至少兩個(gè)字符串的最大公共序列，并根據(jù)所述最大公共序列的長(zhǎng)度和詞匯確定所述最大公共序列的權(quán)重；

第三獲取模塊，用于根據(jù)預(yù)設(shè)常用詞匯的權(quán)重表獲取所述至少兩個(gè)字符串中的常用詞匯的權(quán)重；

第四獲取模塊，用于根據(jù)所述核心詞匯的權(quán)重、所述最大公共序列的權(quán)重和所述常用詞匯的權(quán)重獲取所述至少兩個(gè)字符串的相似度；

其中，所述第四獲取模塊，具體用于：

所述至少兩個(gè)字符串的相似度為

其中，所述w1為所述核心詞匯權(quán)重，所述w2為所述最大公共序列的權(quán)重，所述w3為常用詞匯的權(quán)重，所述L為所述至少兩個(gè)字符串的最大長(zhǎng)度。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述第一獲取模塊，具體用于：

根據(jù)分詞結(jié)果的詞性以及詞匯間的語義關(guān)系，獲取至少兩個(gè)字符串的詞匯序列中的核心詞匯，所述核心詞匯包括主語人名、機(jī)構(gòu)名、名詞賓語、動(dòng)詞和地名；

根據(jù)預(yù)設(shè)核心詞匯權(quán)重表獲取所述核心詞匯的權(quán)重。

7.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述第二獲取模塊，具體用于：

獲取所述至少兩個(gè)字符串的分詞結(jié)果序列，去除所述分詞結(jié)果序列中的標(biāo)點(diǎn)符號(hào)，合并所述分詞結(jié)果序列中相同的子序列，得到所述至少兩個(gè)字符串的最大公共序列。

8.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述第三獲取模塊，具體用于：

根據(jù)常用詞匯TF-IDF權(quán)重表獲取所述至少兩個(gè)字符串中的常用詞匯的權(quán)重。