[發明專利]一種相關文本片段搜索方法及裝置

有效

• 申請號: 201810394787.2
• 申請日: 2018-04-27
• 公開（公告）號: CN110413985B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 何耀;蔣松岐;劉笑逸
• 申請（專利權）人: 北京海馬輕帆娛樂科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種文本片段檢索的方法，其特征在于，所述方法包括：

獲取文本片段的集合，所述文本片段的集合包括至少一個文本片段，提取所述文本片段的特征詞，根據所述特征詞的詞向量生成對應于所述文本片段的詞向量矩陣，獲取檢索詞的詞向量；

計算各個所述詞向量矩陣與所述檢索詞的詞向量的相似度，將所述相似度大于或等于第一閾值的所述文本片段作為檢索結果；

所述計算各個所述詞向量矩陣與所述檢索詞的詞向量的相似度，包括：

計算各個所述文本片段中的各個所述特征詞的詞向量與所述檢索詞的詞向量的第一相似度，根據所述第一相似度大于或等于第二閾值的特征詞的詞向量生成與所述文本片段對應的調整后詞向量矩陣；

計算各個所述調整后詞向量矩陣與所述檢索詞的詞向量的相似度。

2.根據權利要求1所述的方法，其特征在于，所述計算各個所述調整后詞向量矩陣與所述檢索詞的詞向量的相似度，包括：

根據所述調整后詞向量矩陣中的特征詞的詞向量的平均向量，計算所述調整后詞向量矩陣的平均向量；

計算所述調整后詞向量矩陣的平均向量與所述檢索詞的詞向量的相似度。

3.根據權利要求2所述的方法，其特征在于，所述相似度包括第二相似度，所述計算各個所述詞向量矩陣與所述檢索詞的詞向量的相似度，包括：

計算各個所述詞向量矩陣與所述檢索詞的詞向量的第三相似度；

根據公式：

，

計算所述詞向量矩陣與所述檢索詞的詞向量的第二相似度，其中，所述sim₂為第二相似度，所述sim₁為第三相似度，所述α為第一調整系數，所述β為第二調整系數，所述n₁為所述調整后詞向量矩陣對應的特征詞的詞向量個數，所述n₂為所述詞向量矩陣對應的特征詞的詞向量個數；

所述將所述相似度大于或等于第一閾值的所述文本片段作為檢索結果，包括：

將所述第二相似度大于或等于第一閾值的所述文本片段作為檢索結果。

4.根據權利要求1所述的方法，其特征在于，所述計算各個所述詞向量矩陣與所述檢索詞的詞向量的相似度，包括：

根據所述詞向量矩陣中的特征詞的詞向量的平均向量，計算所述詞向量矩陣的平均向量；

計算所述詞向量矩陣的平均向量與所述檢索詞的詞向量的相似度。

5.根據權利要求1所述的方法，其特征在于，所述計算各個所述詞向量矩陣與所述檢索詞的詞向量的相似度，包括：

獲取所述詞向量矩陣中的特征詞的詞向量與所述檢索詞的詞向量的相似度；

獲取所述詞向量矩陣中所述相似度的平均值。

6.根據權利要求1所述的方法，其特征在于，所述檢索結果為多個，所述將所述相似度大于或等于第一閾值的所述文本片段作為檢索結果，包括：

將所述相似度大于或等于第一閾值的所述文本片段按照所述相似度的值按從高至低排序，將前m個所述文本片段作為檢索結果，m為預設的檢索結果數。

7.一種文本片段檢索的裝置，其特征在于，所述裝置包括：

詞向量及詞向量矩陣獲取單元，用于獲取文本片段的集合，所述文本片段的集合包括至少一個文本片段，提取所述文本片段的特征詞，根據所述特征詞的詞向量生成對應于所述文本片段的詞向量矩陣，獲取檢索詞的詞向量；

檢索結果獲取單元，用于計算各個所述詞向量矩陣與所述檢索詞的詞向量的相似度，將所述相似度大于或等于第一閾值的所述文本片段作為檢索結果；

所述檢索結果獲取單元，包括：

調整后詞向量矩陣獲取子單元，用于計算各個所述文本片段中的各個所述特征詞的詞向量與所述檢索詞的詞向量的第一相似度，根據所述第一相似度大于或等于第二閾值的特征詞的詞向量生成與所述文本片段對應的調整后詞向量矩陣；

相似度計算子單元，用于計算各個所述調整后詞向量矩陣與所述檢索詞的詞向量的相似度；

檢索結果獲取子單元，用于將所述相似度大于或等于第一閾值的所述文本片段作為檢索結果。

8.根據權利要求7所述的裝置，其特征在于，所述相似度計算子單元，包括：

平均向量獲取子單元，用于根據所述調整后詞向量矩陣中的特征詞的詞向量的平均向量，計算所述調整后詞向量矩陣的平均向量；

調整后相似度計算子單元，用于計算所述調整后詞向量矩陣的平均向量與所述檢索詞的詞向量的相似度。