[發明專利]文本匹配的方法、裝置和存儲介質

有效

• 申請號: 201810185499.6
• 申請日: 2018-03-07
• 公開（公告）號: CN110245342B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 王駿龍
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/30
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 賀琳

本發明公開了一種文本匹配的方法、裝置和存儲介質。該方法包括：匹配組件分別對匹配段落文本和被匹配段落文本分詞，生成至少一個匹配詞和至少一個被匹配詞；匹配組件將匹配詞和被匹配詞分別擴展為中間匹配詞和中間被匹配詞；基于將匹配詞、被匹配詞、中間匹配詞、中間被匹配詞，匹配組件構建文本關系圖；匹配組件計算文本關系圖中從源點到匯點的最短距離；匹配組件根據最短距離與距離閾值確定匹配段落文本與被匹配段落文本匹配。本發明實施例具有可以理解文本中詞的含義，以及理解句子與句子之間的關系，文本匹配簡單、直觀，匹配結果準確等效果。

技術領域

本發明涉及文本處理技術領域，尤其涉及一種文本匹配的方法、裝置和存儲介質。

背景技術

隨著網絡技術的快速發展，網絡交互的數據信息隨之快速增長。在海量的文本信息中，存在大量相同或者相似的文本。人們經常需要對文本進行匹配，從而找到相同或者相似的文本。關于相似的文本可以是在文字方面相似，也可以是語義方面相似。例如，I?lookafter?the?children和I?look?after?the?child是屬于文字方面相似的2個句子。I?lookafter?the?children和He?takes?care?of?the?kids是屬于語義方面相似的2個句子。

現有的文本匹配方法主要用于相同文本的匹配以及文字方面相似的文本的匹配。具體的匹配方法可以是：首先，對文本中的每句話，例如對I?look?after?the?children這句話，進行分詞。然后，得到一個詞的集合，如{I，look，after，the，children}。最后，分別對需要匹配的2個句子的集合的交集數量除以并集數量，得到兩句話的相似度。另外，也可以用稀疏矩陣的方式計算兩句話的相似度。

申請人經研究發現：現有的文本匹配的方法僅從文字表面進行匹配，并不考慮短語之間以及句子之間的關聯和含義。因此，現有的文本匹配的方法僅能對相同的文本和文字方面相似的文本進行文本相似度匹配，而無法對語義方面相似的文本進行匹配。

如何對語義方面相似的文本進行匹配，成為亟待解決的技術問題。

發明內容

為了解決對語義方面相似的文本進行匹配的問題，本發明實施例提供了一種文本匹配的方法、裝置和存儲介質。

第一方面，提供了一種文本匹配的方法。該方法包括以下步驟：

分別對匹配段落文本和被匹配段落文本分詞，生成至少一個匹配詞和至少一個被匹配詞；

將匹配詞和被匹配詞分別擴展為中間匹配詞和中間被匹配詞；

基于將匹配詞、被匹配詞、中間匹配詞、中間被匹配詞，構建文本關系圖；

計算文本關系圖中從源點到匯點的最短距離；

根據最短距離與距離閾值確定匹配段落文本與被匹配段落文本匹配。

第二方面，提供了一種文本匹配的裝置。該裝置包括：詞語分解器、詞語擴展器、關系圖構建器、距離計算器和文本匹配器，

詞語分解器和關系圖構建器分別與詞語擴展器耦合，關系圖構建器和文本匹配器分別與距離計算器耦合，其中：

詞語分解器，用于分別對匹配段落文本和被匹配段落文本分詞，生成至少一個個匹配詞和至少一個個被匹配詞；

詞語擴展器，用于將匹配詞和被匹配詞分別擴展為中間匹配詞和中間被匹配詞；

關系圖構建器，用于基于將匹配詞、被匹配詞、中間匹配詞、中間被匹配詞，構建文本關系圖；

距離計算器，用于計算文本關系圖中的最短距離；

文本匹配器，用于根據最短距離與距離閾值確定匹配段落文本與被匹配段落文本匹配。