[發明專利]文本相似度分析方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202011488930.8
• 申請日: 2020-12-16
• 公開（公告）號: CN112507688A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 徐欣辰
• 申請（專利權）人: 咪咕數字傳媒有限公司;咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F40/253;G06F40/279;G06F40/30
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 黃燦;尹倩

1.一種文本相似度分析方法，其特征在于，包括：

獲取第一語句和第二語句，所述第一語句和所述第二語句均包括至少兩個詞語；

生成所述第一語句的第一三元組集合和所述第二語句的第二三元組集合，其中，所述第一三元組集合和所述第二三元組集合中均包括至少一個三元組，所述三元組包括兩個詞語及所述兩個詞語之間的語法關系；

根據所述第一三元組集合中的三元組和所述第二三元組集合中的三元組，獲取所述第一語句與所述第二語句的文本相似度。

2.根據權利要求1所述的方法，其特征在于，所述第一三元組集合中的三元組為第一三元組，所述第二三元組集合中的三元組為第二三元組；

所述根據所述第一三元組集合中的三元組和所述第二三元組集合中的三元組，獲取所述第一語句與所述第二語句的文本相似度，包括：

將所述第一三元組集合中的每一個第一三元組與所述第二三元組集合中的每一個第二三元組進行組合，獲得多個配對三元組；所述配對三元組包括一個第一三元組和一個第二三元組；

獲取每個配對三元組的相似度值；

基于所述每個配對三元組的相似度值，獲取所述第一語句與所述第二語句的文本相似度。

3.根據權利要求2所述的方法，其特征在于，所述獲取每個配對三元組的相似度值，包括：

基于每個配對三元組中的第一三元組中的兩個詞語和第二三元組中的兩個詞語，獲取所述每個配對三元組的詞語匹配得分；

基于所述每個配對三元組中所述第一三元組中的語法關系和所述第二三元組中的語法關系，獲取所述每個配對三元組的語法關系匹配得分；

基于所述詞語匹配得分和所述語法關系匹配得分，計算所述每個配對三元組的相似度值。

4.根據權利要求3所述的方法，其特征在于，所述每個配對三元組均包括第一配對詞語和第二配對詞語，所述第一配對詞語為組成所述配對三元組的第一三元組中的第一詞語和第二三元組中的第三詞語和第四詞語中的一個，所述第二配對詞語為組成所述配對三元組的第一三元組中的第二詞語和第二三元組中的所述第三詞語和所述第四詞語中的另一個；

所述基于每個配對三元組中所述第一三元組中的兩個詞語和所述第二三元組中的兩個詞語，獲取所述每個配對三元組的詞語匹配得分，包括：

基于詞向量的余弦相似度算法，獲取每個配對三元組中第一配對詞語的第一分值和第二配對詞語的第二分值；

對所述第一分值和所述第二分值進行加權求和計算，獲取所述每個配對三元組的詞語匹配得分。

5.根據權利要求3所述的方法，其特征在于，所述每個配對三元組均包括第三配對詞語，所述第三配對詞語包括第一短語和第二短語，所述第一短語為組成所述配對三元組的第一三元組中的第一詞語和第二詞語，所述第二短語為組成所述配對三元組的第二三元組中的第三詞語和第四詞語；

所述基于每個配對三元組中所述第一三元組中的兩個詞語和所述第二三元組中的兩個詞語，獲取所述每個配對三元組的詞語匹配得分，包括：

基于詞向量的余弦相似度算法，獲取每個配對三元組中第三配對詞語的第三分值，所述第三分值為對應的配對三元組的詞語匹配得分。

6.根據權利要求2所述的方法，其特征在于，所述基于所述每個配對三元組的相似度值，獲取所述第一語句與所述第二語句的文本相似度，包括：

獲取目標第一三元組與每一個第二三元組形成的配對三元組中，相似度值最高的目標配對三元組；

確定每一個所述第一三元組對應的目標配對三元組；

基于預設的語句權重值表，獲取每一個目標配對三元組對應的權重值；

基于所述目標配對三元組的相似度值及對應的所述權重值，獲取所述第一語句與所述第二語句的文本相似度。