[發明專利]基于多模型融合的文本語義相似度信息處理方法及系統

在審

• 申請號: 202010735606.5
• 申請日: 2020-07-28
• 公開（公告）號: CN112036177A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 楊萬征;蔡超;程國艮
• 申請（專利權）人: 中譯語通科技股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F16/33;G06N3/04;G06N3/08
• 代理公司: 北京萬貝專利代理事務所(特殊普通合伙) 11520
• 代理人: 馬紅

1.一種基于多模型融合的文本語義相似度信息處理方法，其特征在于，所述基于多模型融合的文本語義相似度信息處理方法包括：

獲取專利庫中的專利數據，并針對專利數據中專利的標題、摘要、權利要求、說明書采用不同模型分別進行分詞處理，得到相應的詞向量特征與句向量特征；

通過融合標題的詞向量特征、摘要的詞向量特征、權利要求的句向量特征、說明書的句向量特征作為專利的組合特征向量；同時利用權利要求和說明書數據訓練句向量模型，利用標題和摘要數據訓練詞向量模型；

分別存儲得到的專利庫中各個專利的組合特征以及訓練好的詞向量模型以及句向量模型；

采集待檢索專利的相關數據，并對待檢索專利的標題、摘要、權利要求、說明書分別進行分詞處理，得到對應的標題詞向量特征、摘要詞向量特征、權利要求句向量特征、說明書句向量特征；

將得到的待檢索專利的標題詞向量特征、摘要詞向量特征、權利要求句向量特征、說明書句向量特征進行組合得到待檢專利的組合特征；

將得到的待檢索專利的組合特征與專利庫中存儲的各個專利的組合特征進行逐一相似度計算。

2.如權利要求1所述基于多模型融合的文本語義相似度信息處理方法，其特征在于，所述針對專利數據中專利的標題、摘要、權利要求、說明書采用不同模型分別進行分詞處理得到相應的詞向量特征與句向量特征包括：

對標題、摘要進行分詞處理，提取關鍵詞，并利用詞向量模型將提取的關鍵詞轉化為對應詞向量特征；

對權利要求和說明書進行分詞處理，并利用句向量模型將權利要求和說明書內容轉化為對應的句向量特征。

3.如權利要求1所述基于多模型融合的文本語義相似度信息處理方法，其特征在于，所述詞向量模型使用中間詞匯預測上下文詞匯，結合梯度下降算法，最小化預測的上下詞匯與真實上下詞匯之差，所述詞向量模型轉化得到的用于準確反饋詞間關系的詞向量。

4.如權利要求1所述基于多模型融合的文本語義相似度信息處理方法，其特征在于，所述句向量模型使用段落向量和中心詞匯向量共同預測上下文詞匯，通過窗口在段落中滑動，段落向量伴隨窗口進行轉移，段落向量趨于穩定，即可代表文本內容。

5.如權利要求1所述基于多模型融合的文本語義相似度信息處理方法，其特征在于，所述對待檢索專利的標題、摘要、權利要求、說明書分別進行分詞處理，得到對應的標題詞向量特征、摘要詞向量特征、權利要求句向量特征、說明書句向量特征包括：

對待檢索專利的標題、摘要進行分詞處理，并提取關鍵詞，利用訓練好的詞向量模型將提取的關鍵詞轉化為對應的詞向量特征；

對待檢索專利的權利要求、說明書進行分詞處理，利用訓練好的句向量模型轉化為對應的句向量特征。

6.一種實施如權利要求1-5所述基于多模型融合的文本語義相似度信息處理方法的基于多模型融合的文本語義相似度信息處理系統，其特征在于，所述基于多模型融合的文本語義相似度信息處理系統包括：

數據獲取模塊，用于獲取待檢索專利的相關數據；

文本語義提取模塊，用于基于多模型分別提取專利數據的標題詞向量特征、摘要詞向量特征、權利要求句向量特征、說明書句向量特征；

特征融合模塊，用于將提取得到的標題詞向量特征、摘要詞向量特征、權利要求句向量特征、說明書句向量特征進行融合得到待檢索專利的組合特征；

相似度計算模塊，用于基于得到的待檢索專利的組合特征與數據庫中預先存儲的其他專利的組合特征進行相似度計算；

數據庫，用于存儲相關專利數據、專利組合特征數據以及訓練好的詞向量模型與句向量模型。