[發明專利]基于多粒度融合模型的中文句子語義智能匹配方法及裝置

有效

• 申請號: 202010103529.1
• 申請日: 2020-02-20
• 公開（公告）號: CN111310438B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 鹿文鵬;王榮耀;張旭;賈瑞祥;郭韋鈺;張維玉
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/289;G06F40/30;G06F16/33;G06F16/35;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 孫園園

1.基于多粒度融合模型的中文句子語義智能匹配方法，其特征在于，該方法具體步驟如下：

S1、構建文本匹配知識庫；具體如下：

S101、使用爬蟲獲取原始數據：在互聯網公共問答平臺爬取問題集，得到原始相似句子知識庫；或者使用網上公開的句子匹配數據集，作為原始相似句子知識庫；

S102、預處理原始數據：預處理原始相似句子知識庫中的相似文本，對每個句子進行分詞和斷字處理，得到文本匹配知識庫；其中，分詞處理是以中文里的每個詞語作為基本單位，對每條數據進行分詞操作；斷字處理是以中文里的每個字作為基本單位，對每條數據進行斷字操作；每個漢字或詞語之間用空格進行切分，并保留每條數據中包括的數字、標點以及特殊字符在內的所有內容；

S2、構建文本匹配模型的訓練數據集；具體如下：

S201、構建訓練正例：將句子與其對應的語義匹配的句子進行組合，構建訓練正例，形式化為：(Q1-char,Q1-word,Q2-char,Q2-word,1)；

其中，Q1-char表示字符級粒度的句子1；Q1-word表示詞語級粒度的句子1；Q2-char表示字符級粒度的句子2；Q2-word表示詞語級粒度的句子2；1表示句子1和句子2這兩個文本相匹配，是正例；

S202、構建訓練負例：選中一個句子Q1，再從文本匹配知識庫中隨機選擇一個與句子Q1不匹配的句子Q2，將Q1與Q2進行組合，構建負例，形式化為：(Q1-char,Q1-word,Q2-char,Q2-word,0)；

其中，Q1-char表示字符級粒度的句子1；Q1-word表示詞語級粒度的句子1；Q2-char表示字符級粒度的句子2；Q2-word表示詞語級粒度的句子2；0表示句子Q1和句子Q2這兩個文本不匹配，是負例；

S203、構建訓練數據集：將經過步驟S201和步驟S202操作后所獲得的全部的正例樣本和負例樣本進行組合，并打亂其順序，構建最終的訓練數據集；其中，無論是正例數據還是負例數據均包含五個維度，即Q1-char、Q1-word、Q2-char、Q2-word、0或1；

S3、構建多粒度融合模型；具體如下：

S301、構建字符詞語映射轉換表；

S302、構建輸入層；

S303、構建多粒度嵌入層：對句子中的詞語和字符進行向量映射，得到詞語級句子向量和字符級句子向量；

S304、構建多粒度融合編碼層：對詞語級句子向量和字符級句子向量進行編碼處理，得到句子語義特征向量；

S305、構建交互匹配層：對句子語義特征向量進行分層比較，得到句子對的匹配表征向量；

S306、構建預測層：經預測層的Sigmoid函數處理，判斷句子對的語義匹配程度；

S4、訓練多粒度融合模型。

2.根據權利要求1所述的基于多粒度融合模型的中文句子語義智能匹配方法，其特征在于，所述步驟S301中構建字符詞語映射轉換表具體如下：

S30101、字符詞語表通過預處理后得到的文本匹配知識庫來構建；

S30102、字符詞語表構建完成后，表中每個字符、詞語均被映射為唯一的數字標識，映射規則為：以數字1為起始，隨后按照每個字符、詞語被錄入字符詞語表的順序依次遞增排序，從而形成字符詞語映射轉換表；

S30103、使用Word2Vec訓練字符詞語向量模型，得到字符詞語向量矩陣權重embedding_matrix；

所述步驟S302中構建輸入層具體如下：

S30201、輸入層包括四個輸入，對兩個待匹配的句子進行預處理分別獲取Q1-char、Q1-word、Q2-char、Q2-word，將其形式化為：(Q1-char,Q1-word,Q2-char,Q2-word)；

S30202、對于輸入句子中的每個字符和詞語均按照步驟S301中構建完成的字符詞語映射轉換表將其轉化為相應的數字標識。