[發明專利]文本相似度確定方法、裝置、設備及存儲介質

有效

• 申請號: 202011009879.8
• 申請日: 2020-09-23
• 公開（公告）號: CN112149414B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 向玥佳;劉博;陳曦;林鎮溪;文瑞;管沖;高文龍;孫繼超;張子恒;徐超;楊奕凡;張云燕
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/216;G06F18/22;G06F16/35
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 徐立

1.一種文本相似度確定方法，其特征在于，所述方法包括：

獲取第一文本；

確定所述第一文本中包含的要素詞，所述要素詞是指屬于預定義的N個要素種類中的任一要素種類的字詞，所述N為正整數；

對于所述N個要素種類中的目標要素種類，獲取所述目標要素種類包含的各個要素詞相互之間的上下位關系；

基于所述上下位關系，構造所述目標要素種類的要素詞結構樹，所述目標要素種類包含的各個要素詞分布在所述要素詞結構樹的各個節點上，所述要素詞結構樹包括具有父子關系的第一節點和第二節點，所述第一節點上的要素詞是所述第二節點上的要素詞的上位詞，所述第二節點上的要素詞是所述第一節點上的要素詞的下位詞；

基于所述要素詞結構樹中所述各個節點之間的位置關系，確定相似度矩陣，所述相似度矩陣中的元素反映所述元素所在行對應的要素詞與所述元素所在列對應的要素詞之間的字詞相似度；

對于所述第一文本中的第一目標要素詞和第二文本中的第二目標要素詞，從所述相似度矩陣中查找獲取所述第一目標要素詞與所述第二目標要素詞之間的字詞相似度；其中，所述相似度矩陣中包括所述目標要素種類包含的各個目標要素詞中兩兩之間的字詞相似度；

基于所述第一文本中屬于所述目標要素種類的各個目標要素詞與所述第二文本中屬于所述目標要素種類的各個目標要素詞之間的字詞相似度，確定所述第一文本與所述第二文本在所述目標要素種類上的相似度；

基于所述第一文本與所述第二文本在所述N個要素種類上的相似度，確定所述第一文本與所述第二文本之間的相似度。

2.根據權利要求1所述的方法，其特征在于，所述基于所述要素詞結構樹中所述各個節點之間的位置關系，確定相似度矩陣，包括：

對所述目標要素種類i包含的n個要素詞進行排序，得到所述n個要素詞的排列次序，所述排列次序用于確定所述n個要素詞在所述相似度矩陣中對應的行序或者列序，所述相似度矩陣為n×n的矩陣，所述i、所述n為正整數；

在第x行對應的要素詞v_x與第y列對應的要素詞v_y為同一要素詞的情況下，確定位于所述相似度矩陣中第x行、第y列的元素的值為1，所述x、y均為小于或者等于所述n的正整數；

在所述第x行對應的所述要素詞v_x與所述第y列對應的所述要素詞v_y之間為沖突關系的情況下，確定所述元素的值為0，所述沖突關系是指不存在所述上下位關系的要素詞之間的關系；

在所述第x行對應的要素詞v_x與所述第y列對應的要素詞v_y之間具有所述上下位關系的情況下，基于所述要素詞v_x與所述要素詞v_y在所述要素詞結構樹中的距離，確定所述元素的值。

3.根據權利要求1所述的方法，其特征在于，所述確定所述第一文本與所述第二文本在所述目標要素種類上的相似度，包括：

對所述第一文本中屬于所述目標要素種類的各個目標要素詞與所述第二文本中屬于所述目標要素種類的各個目標要素詞之間的字詞相似度進行求和處理，得到字詞相似度和；

將所述字詞相似度和與所述第二文本中屬于所述目標要素種類的目標要素詞的數量相除，得到所述目標要素種類上所述第一文本對所述第二文本的覆蓋率；

將所述字詞相似度和與所述第一文本中屬于所述目標要素種類的目標要素詞的數量相除，得到所述目標要素種類上所述第二文本對所述第一文本的覆蓋率；

對于所述目標要素種類，將所述第一文本對所述第二文本的覆蓋率，與所述第二文本對所述第一文本的覆蓋率相乘，得到所述第一文本與所述第二文本在所述目標要素種類上的相似度。