[發明專利]一種句子相似度的計算方法及基于該方法的輿情監督方法

有效

• 申請號: 201810148814.8
• 申請日: 2018-02-13
• 公開（公告）號: CN108363692B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 馬曉敏;李為民
• 申請（專利權）人: 成都智庫二八六一信息技術有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/289;G06F40/58
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 王記明

1.一種句子相似度的計算方法，包括需要進行相似度判斷的句子a和句子b，其特征在于，還包括依次進行的以下步驟：

A、從互聯網上收集到的語料庫，利用Word2Vec算法進行訓練，建立模型，將語料庫中的所有單詞映射到向量空間；

B、對句子a和句子b進行分詞處理，得到句子a的TextRank詞組a[a₁,a₂,...,a_m]和句子b的TextRank詞組b[b₁,b₂,...,b_n]；

C、將兩個詞組中的所有單詞去重后建立一個詞列表c[C₁,C₂,...,C_t]，以列表的長度t作為句子a和句子b對應的句向量的維數，結合詞組a和詞組b構建句向量a[v₁₁,v₁₂,...,v_1t]和句向量b[v₂₁,v₂₂,...,v_2t]；

D、根據句向量a[v₁₁,v₁₂,...,v_1t]和句向量b[v₂₁,v₂₂,...,v_2t]計算兩個句子的相似度sim(a,b)；

所述步驟C中，對句子a的句向量的每一維v_1i，根據步驟A建立的模型，計算句子對應的詞組中每一個單詞a_j與所述詞列表中該位置的詞C_i的相似度model(C_i,a_j)，在句向量中填入最大的一個相似度值，即v_1i＝min[model(C_i,a_j)]，其中1≤i≤t,1≤j≤m，相似度范圍在0～1之間，值越大表明兩單詞越相似。

2.根據權利要求1所述的一種句子相似度的計算方法，其特征在于，所述步驟B中對句子a和句子b進行分詞處理的方法采用Jieba中文分詞工具中的TextRank方法。

3.根據權利要求1所述的一種句子相似度的計算方法，其特征在于，所述步驟D中計算兩個句子的相似度sim(a,b)的方法是：

4.根據權利要求1所述的一種句子相似度的計算方法，其特征在于，包括依次進行的以下步驟：

D、從互聯網獲取輿情事件語料，進行內容清洗后，將語料切分成短句；

E、建立情緒語料庫和情況語料庫，將描述性短句放入情況庫，表達情緒的短句放入情緒庫，并根據情緒激烈程度對短句標注權重，權重范圍為-4～4，正數表示正面情緒，負數表示負面情緒，絕對值越大代表情緒越激烈；

F、將待識別長句切分成待識別短句，分別利用所述句子相似度的計算方法，計算其與情況庫和情緒庫中語料的相似度，確定長句情緒值；

G、依照步驟F依次對某一目標長句群進行識別，得到輿情事件描述的誘因和情緒值分布。

5.根據權利要求4所述的一種句子相似度的計算方法，其特征在于，所述步驟F中確定長句情緒值的方法如下：

F1、將所有待識別短句與情況庫對比，如果待識別短句與情況庫中短句相似度都小于閾值，則認為長句不表達輿情事件；否則，進入步驟F2；

F2、繼續將所有待識別短句與情緒庫對比，如果有情緒庫中短句與待識別短句相似度大于閾值，則累加該情緒庫中短句對應的權重；最后將累加得到的權重的算術平均值作為長句情緒值。