[發(fā)明專利]語義相似度計算方法及裝置在審
| 申請?zhí)枺?/td> | 201810188175.8 | 申請日： | 2018-03-07 |
| 公開（公告）號： | CN108287824A | 公開（公告）日： | 2018-07-17 |
| 發(fā)明（設(shè)計）人： | 李勤 | 申請（專利權(quán)）人： | 北京云知聲信息技術(shù)有限公司 |
| 主分類號： | G06F17/27 | 分類號： | G06F17/27 |
| 代理公司： | 北京冠和權(quán)律師事務(wù)所 11399 | 代理人： | 朱健;張國香 |
| 地址： | 100000 北京市朝陽區(qū)*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 句子 計算方法及裝置 神經(jīng)網(wǎng)絡(luò)模型 語義相似度 特征矩陣 統(tǒng)計特征 相似度 句法 預(yù)設(shè) 預(yù)處理 相似度確定 詞性轉(zhuǎn)化 句子級別 短語 向量 詞語 融合 | ||
本發(fā)明是關(guān)于一種語義相似度計算方法及裝置，其中，方法包括：分別對句子對中的第一句子和第二句子進行預(yù)處理，提取第一句法、第二句法以及第一句子和第二句子之間的統(tǒng)計特征；分別將第一句子和第二句子中的詞語和詞性轉(zhuǎn)化成向量，得到對應(yīng)的第一特征矩陣和第二特征矩陣；根據(jù)預(yù)設(shè)的第一深度神經(jīng)網(wǎng)絡(luò)模型確定對應(yīng)的第一句子初步表示和第二句子初步表示；根據(jù)預(yù)設(shè)的第二深度神經(jīng)網(wǎng)絡(luò)模型確定第一句子和第二句子之間的相似度；根據(jù)第一句子和第二句子之間的相似度確定第一句子和第二句子是否相似。通過該方案，融合了詞特征、詞序特征、短語特征和句子級別上的統(tǒng)計特征，可以更加準確的確定句子之間的相似度。
技術(shù)領(lǐng)域
本發(fā)明涉及語義識別技術(shù)領(lǐng)域，尤其涉及一種語義相似度計算方法及裝置。
背景技術(shù)
語義相似度計算主要是判斷兩個句子語義是否相似，比如判斷“北極有什么動物”和“有哪些動物生活在北極”是否相似。現(xiàn)在語義相似度主要是基于字面上的句法特征，通過特征選擇，將句子表示成向量，然后對兩個句子計算余弦相似度，大于設(shè)定相似度則相似，否則不相似。
現(xiàn)有相似度計算主要存在以下問題：
1)缺少對句子的語序及語義的刻畫；
2)依賴大量高精準的同義詞或?qū)R短語資源。
發(fā)明內(nèi)容
本發(fā)明實施例提供一種語義相似度計算方法及裝置，用以實現(xiàn)更準確的確定句子之間的相似度。
根據(jù)本發(fā)明實施例的第一方面，提供一種語義相似度計算方法，包括：
分別對句子對中的第一句子和第二句子進行預(yù)處理，提取第一句子對應(yīng)的第一句法、第二句子對應(yīng)的第二句法以及所述第一句子和所述第二句子之間的統(tǒng)計特征；
分別將所述第一句子和第二句子中的詞語和詞性轉(zhuǎn)化成向量，得到對應(yīng)的第一特征矩陣和第二特征矩陣；
根據(jù)所述第一特征矩陣、第二特征矩陣和預(yù)設(shè)的第一深度神經(jīng)網(wǎng)絡(luò)模型確定對應(yīng)的第一句子初步表示和第二句子初步表示；
根據(jù)所述第一句子初步表示、第二句子初步表示、所述統(tǒng)計特征對應(yīng)的統(tǒng)計特征向量和預(yù)設(shè)的第二深度神經(jīng)網(wǎng)絡(luò)模型確定所述第一句子和所述第二句子之間的相似度；
根據(jù)所述第一句子和所述第二句子之間的相似度確定所述第一句子和所述第二句子是否相似。
在一個實施例中，所述分別將所述第一句子和第二句子中的詞語和詞性轉(zhuǎn)化成向量，確定對應(yīng)的第一特征矩陣和第二特征矩陣，包括：
利用word2vec分別將所述第一句子和所述第二句子中的詞語轉(zhuǎn)化成詞向量，得到第一句子對應(yīng)的第一詞語特征矩陣和第二句子對應(yīng)的第二詞語特征矩陣；
利用pos2vec分別將所述第一句子和所述第二句子中的詞性轉(zhuǎn)化成詞性向量，得到第一句子對應(yīng)的第一詞性特征矩陣和第二句子對應(yīng)的第二詞性特征矩陣；
將所述第一詞語特征矩陣和所述第一詞性特征矩陣拼接得到所述第一特征矩陣，將所述第二詞語特征矩陣和所述第二詞特征矩陣拼接得到所述第二特征矩陣。
在一個實施例中，所述根據(jù)所述第一特征矩陣、第二特征矩陣和預(yù)設(shè)的第一深度神經(jīng)網(wǎng)絡(luò)模型得到對應(yīng)的第一句子初步表示和第二句子初步表示，包括：
分別將所述第一特征矩陣和所述第二特征矩陣作為所述第一深度神經(jīng)網(wǎng)絡(luò)模型的輸入，得到對應(yīng)的第一句子初步表示和第二句子初步表示。
在一個實施例中，所述根據(jù)所述第一句子初步表示、第二句子初步表示、所述統(tǒng)計特征對應(yīng)的特征向量和預(yù)設(shè)的第二深度神經(jīng)網(wǎng)絡(luò)模型確定所述第一句子和所述第二句子之間的相似度，包括：
分別對所述第一句子初步表示和所述第二句子初步表示做逐點相減和逐點相乘運算，得到對應(yīng)的幾何距離特征矩陣和角度距離特征矩陣；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京云知聲信息技術(shù)有限公司，未經(jīng)北京云知聲信息技術(shù)有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810188175.8/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練的方法、裝置及電子設(shè)備
- 一種神經(jīng)網(wǎng)絡(luò)模型壓縮方法以及裝置
- 姿態(tài)檢測方法、裝置、設(shè)備及存儲介質(zhì)
- 基于無標簽數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型量化方法及裝置
- 神經(jīng)網(wǎng)絡(luò)模型更新方法、圖像處理方法及裝置
- 含有聚類拓撲耦合的神經(jīng)網(wǎng)絡(luò)脈沖同步方法及系統(tǒng)
- 一種神經(jīng)網(wǎng)絡(luò)模型的部署方法、設(shè)備及介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化方法、裝置、設(shè)備及存儲介質(zhì)
- 基于框架搜索的深度神經(jīng)網(wǎng)絡(luò)的加速與壓縮方法及系統(tǒng)
- 一種神經(jīng)網(wǎng)絡(luò)模型生成方法及裝置
