[發明專利]相似文本推薦方法、裝置、電子設備和存儲介質

有效

• 申請號: 201911060991.1
• 申請日: 2019-11-01
• 公開（公告）號: CN110825867B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 凌超;沙晶;付瑞吉;王士進;魏思
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/35
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

1.一種相似文本推薦方法，其特征在于，包括：

確定第一文本，以及所述第一文本對應的多個候選的第二文本；

將所述第一文本以及每一第二文本輸入至相似文本推薦模型，得到所述相似文本推薦模型輸出的相似文本推薦結果，所述相似文本推薦結果包括針對于第一文本，待推薦的第二文本，以及所述待推薦的第二文本的推薦排序；

其中，所述相似文本推薦模型是基于樣本第一文本，所述樣本第一文本對應的多個樣本第二文本，以及樣本推薦結果訓練得到的；所述相似文本推薦模型用于基于注意力機制分析所述第一文本與每一第二文本之間的相關性和特征重要程度，進而確定所述相似文本推薦結果；所述樣本推薦結果包括每一樣本第二文本的推薦標記和排序標記；

所述相似文本推薦模型包括相關性得分計算層和推薦排序層；

對應地，所述將所述第一文本以及每一第二文本輸入至相似文本推薦模型，得到所述相似文本推薦模型輸出的相似文本推薦結果，具體包括：

將所述第一文本以及每一第二文本輸入至所述相關性得分計算層，得到所述相關性得分計算層輸出的所述第一文本與每一第二文本之間的相關性得分；

將所述第一文本與每一第二文本之間的相關性得分輸入至所述推薦排序層，得到所述推薦排序層輸出的相似文本推薦結果。

2.根據權利要求1所述的相似文本推薦方法，其特征在于，所述相關性得分計算層包括注意力交互層和相關性輸出層；

對應地，所述將所述第一文本以及每一第二文本輸入至所述相關性得分計算層，得到所述相關性得分計算層輸出的所述第一文本與每一第二文本之間的相關性得分，具體包括：

將所述第一文本中每一第一分詞的文本特征向量，以及任一第二文本中每一第二分詞的文本特征向量輸入至所述注意力交互層，得到所述注意力交互層輸出的每一第一分詞的注意力向量，以及每一第二分詞的注意力向量；

將所述每一第一分詞的注意力向量，以及每一第二分詞的注意力向量輸入至所述相關性輸出層，得到所述相關性輸出層輸出的所述第一文本和所述任一第二文本之間的相關性得分。

3.根據權利要求2所述的相似文本推薦方法，其特征在于，所述將所述第一文本中每一第一分詞的文本特征向量，以及任一第二文本中每一第二分詞的文本特征向量輸入至所述注意力交互層，得到所述注意力交互層輸出的每一第一分詞的注意力向量，以及每一第二分詞的注意力向量，具體包括：

將任一文本中任一分詞的文本特征向量和另一文本中分詞的文本特征向量進行全局注意力交互，得到所述任一分詞的全局注意力向量；和/或，

將所述任一分詞的文本特征向量和另一文本中分詞的文本特征向量進行局部注意力交互，得到所述任一分詞的局部注意力向量；

基于所述任一分詞的全局注意力向量和/或局部注意力向量，確定所述任一分詞的注意力向量。

4.根據權利要求3所述的相似文本推薦方法，其特征在于，所述將任一文本中任一分詞的文本特征向量和另一文本中分詞的文本特征向量進行全局注意力交互，得到所述任一分詞的全局注意力向量，具體包括：

將任一文本中任一分詞的文本特征向量與另一文本中最后一個分詞的文本特征向量進行注意力交互，得到所述任一分詞的第一全局注意力向量；和/或，

將所述任一分詞的文本特征向量與另一文本中每一分詞的文本特征向量的平均向量進行注意力交互，得到所述任一分詞的第二全局注意力向量；

基于所述任一分詞的第一全局注意力向量和/或第二全局注意力向量，確定所述任一分詞的全局注意力向量。

5.根據權利要求3所述的相似文本推薦方法，其特征在于，所述將所述任一分詞的文本特征向量和另一文本中分詞的文本特征向量進行局部注意力交互，得到所述任一分詞的局部注意力向量，具體包括：

將所述任一分詞的文本特征向量與另一文本中每一分詞的文本特征向量進行交互，將交互結果的最大值作為所述任一分詞的第一局部注意力向量；和/或，

將所述任一分詞的文本特征向量，與另一文本中與所述任一分詞的文本特征向量最近的分詞的文本特征向量進行交互，得到所述任一分詞的第二局部注意力向量；

基于所述任一分詞的第一局部注意力向量和/或第二局部注意力向量，確定所述任一分詞的局部注意力向量。