[發明專利]一種文本匹配方法、裝置、電子設備及存儲介質

有效

• 申請號: 202011183073.0
• 申請日: 2020-10-29
• 公開（公告）號: CN112182166B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 李振陽;吳東華;馬連洋;衡陣
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/30
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 李娟

1.一種文本匹配方法，其特征在于，包括：

獲取待匹配文本和目標文本；

分別提取所述待匹配文本和所述目標文本的句子特征向量和關鍵詞特征向量，并根據所述待匹配文本和所述目標文本的句子特征向量，確定所述待匹配文本和所述目標文本之間的交互特征向量，其中，所述交互特征向量包括所述待匹配文本相對于所述目標文本的交互特征向量，以及所述目標文本相對于所述待匹配文本的交互特征向量；

根據所述待匹配文本和所述目標文本之間的交互特征向量和所述關鍵詞特征向量，確定所述待匹配文本和所述目標文本的相似度；

根據所述相似度，確定所述待匹配文本和所述目標文本的匹配結果；

其中，所述分別提取所述待匹配文本和所述目標文本的句子特征向量和關鍵詞特征向量，并根據所述待匹配文本和所述目標文本的句子特征向量，確定所述待匹配文本和所述目標文本之間的交互特征向量，具體包括：

通過已訓練的相似度模型的句子編碼層，分別對所述待匹配文本和所述目標文本的各分詞進行編碼，獲得融合句子語義信息的各分詞特征向量，并分別獲得所述待匹配文本和所述目標文本的句子特征向量；分別將所述待匹配文本和所述目標文本對應的各分詞特征向量，通過所述相似度模型的關鍵詞編碼層，獲得所述待匹配文本和所述目標文本的關鍵詞特征向量；將所述待匹配文本和所述目標文本的句子特征向量，通過所述相似度模型的注意力機制層，分別獲得所述待匹配文本相對于所述目標文本的交互特征向量，以及所述目標文本相對于所述待匹配文本的交互特征向量。

2.如權利要求1所述的方法，其特征在于，具體包括：

基于已訓練的相似度模型，以所述待匹配文本和所述目標文本為輸入，分別提取所述待匹配文本和所述目標文本的句子特征向量和關鍵詞特征向量，并根據所述待匹配文本和所述目標文本的句子特征向量，確定所述待匹配文本和所述目標文本之間的交互特征向量；根據所述待匹配文本和所述目標文本之間的交互特征向量和所述關鍵詞特征向量，確定所述待匹配文本和所述目標文本的相似度。

3.如權利要求1所述的方法，其特征在于，根據所述待匹配文本和所述目標文本之間的交互特征向量和所述關鍵詞特征向量，確定所述待匹配文本和所述目標文本的相似度，具體包括：

通過所述相似度模型的交互建模層，分別將所述待匹配文本和所述目標文本的交互特征向量和關鍵詞特征向量進行融合處理，獲得所述待匹配文本和所述目標文本的融合交互特征向量；

分別將所述待匹配文本和所述目標文本的融合交互特征向量，通過所述相似度模型的平均和最大池化層，獲得所述待匹配文本和所述目標文本對應的平均池化和最大池化操作后的融合交互特征向量，并分別拼接所述待匹配文本和所述目標文本對應的平均池化和最大池化操作后的融合交互特征向量，以及交互特征向量，獲得所述待匹配文本和所述目標文本的目標特征向量；

通過所述相似度模型的融合層，將所述待匹配文本和所述目標文本的目標特征向量進行融合處理，獲得所述匹配文本和所述目標文本的融合特征向量；

將所述融合特征向量，通過所述相似度模型的全連接層和激活函數層，獲得所述待匹配文本和所述目標文本的相似度。

4.如權利要求3所述的方法，其特征在于，通過所述相似度模型的交互建模層，分別將所述待匹配文本和所述目標文本的交互特征向量和關鍵詞特征向量進行融合處理，獲得所述待匹配文本和所述目標文本的融合交互特征向量，具體包括：

分別將所述待匹配文本和所述目標文本的交互特征向量和關鍵詞特征向量進行相減操作和點乘操作；

拼接所述待匹配文本的關鍵詞特征向量、交互特征向量、相減操作后的特征向量和點乘操作后的特征向量，獲得所述待匹配文本的融合交互特征向量；

拼接所述目標文本的關鍵詞特征向量、交互特征向量、相減操作后的特征向量和點乘操作后的特征向量，獲得所述目標文本的融合交互特征向量。