[發明專利]字符串集合的相似度確定方法、裝置、終端及可讀介質

有效

• 申請號: 201910073002.6
• 申請日: 2019-01-25
• 公開（公告）號: CN111488497B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 安旭;安偉佳
• 申請（專利權）人: 北京沃東天駿信息技術有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F18/22
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種字符串集合的相似度確定方法，其特征在于，包括：

獲取兩個字符串集合，根據預設規則確定所述兩個字符串集合中的第一字符串集合和第二字符串集合，其中所述第一字符串集合包括至少一個第一字符串，所述第二字符串集合包括至少一個第二字符串；

遍歷所述第一字符串集合，根據遍歷的當前第一字符串與所述第二字符串集合中的各第二字符串的編輯距離，確定與當前第一字符串匹配的第二字符串，并計算當前第一字符串與相匹配的第二字符串的相似度；

根據所述第一字符串集合中各第一字符串與相匹配的第二字符串的相似度，確定第一字符串集合和第二字符串集合的相似度；

所述根據所述第一字符串集合中各第一字符串與相匹配的第二字符串的相似度，確定第一字符串集合和第二字符串集合的相似度，包括：

將所述第一字符串集合中各第一字符串與相匹配的第二字符串的相似度求和，確定總相似度；

利用所述第一字符串中預設字符串的長度與預設數值的和的對數，將所述總相似度進行歸一化處理；

利用預設函數對歸一化處理后的總相似度進行計算，得到第一字符串集合和第二字符串集合的相似度。

2.根據權利要求1所述的方法，其特征在于，所述計算當前第一字符串與相匹配的第二字符串的相似度，包括：

根據當前第一字符串與相匹配的第二字符串的編輯距離、當前第一字符串的長度和相匹配的第二字符串的長度，確定當前第一字符串與相匹配的第二字符串的相似度。

3.根據權利要求1所述的方法，其特征在于，所述利用預設函數對歸一化處理后的總相似度進行計算，得到第一字符串集合和第二字符串集合的相似度，包括：利用雙曲正切函數對歸一化處理后的總相似度進行計算，得到第一字符串集合和第二字符串集合的相似度。

4.根據權利要求3所述的方法，其特征在于，所述利用雙曲正切函數對歸一化處理后的總相似度進行計算，得到第一字符串集合和第二字符串集合的相似度，包括：

將歸一化處理后的總相似度減去偏置系數，并將減去偏置系數的歸一化處理后的總相似度作為線性模型的入參參數；

利用雙曲正切函數對所述線性模型的輸出結果進行計算，得到第一字符串集合和第二字符串集合的相似度。

5.根據權利要求1所述的方法，其特征在于，應用于商品標題中型號詞的相似度確定，在所述兩個字符串集合之前，包括：

根據條件隨機場模型對第一商品標題和第二商品標題進行分詞；

根據商品標題詞典以及商品標題詞性規則，將分詞后的所述第一商品標題以及所述第二商品標題進行詞性標注；

根據詞性標注結果確定第一商品的型號詞集合和第二商品的型號詞集合，并將所述第一商品的型號詞集合和第二商品的型號詞集合作為兩個字符串集合。

6.一種字符串集合的相似度確定裝置，其特征在于，包括：

字符串集合獲取模塊，用于獲取兩個字符串集合，根據預設規則確定所述兩個字符串集合中的第一字符串集合和第二字符串集合，其中所述第一字符串集合包括至少一個第一字符串，所述第二字符串集合包括至少一個第二字符串；

字符串相似度確定模塊，用于遍歷所述第一字符串集合，根據遍歷的當前第一字符串與所述第二字符串集合中的各第二字符串的編輯距離，確定與當前第一字符串匹配的第二字符串，并計算當前第一字符串與相匹配的第二字符串的相似度；

字符串集合相似度確定模塊，用于根據所述第一字符串集合中各第一字符串與相匹配的第二字符串的相似度，確定第一字符串集合和第二字符串集合的相似度；

其中，字符串集合相似度確定模塊，包括：

求和子模塊，用于將所述第一字符串集合中各第一字符串與相匹配的第二字符串的相似度求和，確定總相似度；

函數計算子模塊，用于利用所述第一字符串中預設字符串的長度與預設數值的和的對數，將所述總相似度進行歸一化處理，利用預設函數對歸一化處理后的總相似度進行計算，得到第一字符串集合和第二字符串集合的相似度。