[發(fā)明專利]文本相似度分析方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011488930.8
• 申請日: 2020-12-16
• 公開（公告）號(hào): CN112507688A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 徐欣辰
• 申請（專利權(quán)）人: 咪咕數(shù)字傳媒有限公司;咪咕文化科技有限公司;中國移動(dòng)通信集團(tuán)有限公司
• 主分類號(hào): G06F40/194
• 分類號(hào): G06F40/194;G06F40/253;G06F40/279;G06F40/30
• 代理公司: 北京銀龍知識(shí)產(chǎn)權(quán)代理有限公司 11243
• 代理人: 黃燦;尹倩

本申請?zhí)峁┮环N文本相似度分析方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，涉及信息分析技術(shù)領(lǐng)域。所述文本相似度分析方法包括：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(gè)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(gè)三元組，所述三元組包括兩個(gè)詞語及所述兩個(gè)詞語之間的語法關(guān)系；根據(jù)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。本申請?zhí)峁┑募夹g(shù)方案能夠解決現(xiàn)有技術(shù)中對語句相似度的分析結(jié)果準(zhǔn)確性較低的問題。

技術(shù)領(lǐng)域

本申請涉及信息分析技術(shù)領(lǐng)域，具體涉及一種文本相似度分析方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

句子作為在詞語之上、段落之下的結(jié)構(gòu)形式在語言處理的各項(xiàng)工作中都扮演著重要角色，而對于句子的相似性分析也逐漸成為文本研究的重要方向之一。目前通常基于詞的層面來分析兩個(gè)句子之間是否相似，具體方式為，尋找句子中每個(gè)詞在另一個(gè)句子中語義相近的詞，并基于這些語義相近的詞來計(jì)算兩個(gè)句子之間的相似度，用以判斷兩者是否相似。但由于句子語義的復(fù)雜性，這種基于詞的層面對于兩個(gè)句子是否相似的分析結(jié)果，通常準(zhǔn)確性較低。

發(fā)明內(nèi)容

本申請實(shí)施例提供一種文本相似度分析方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，能夠解決現(xiàn)有技術(shù)中對語句相似度的分析結(jié)果準(zhǔn)確性較低的問題。

為了解決上述技術(shù)問題，本申請是這樣實(shí)現(xiàn)的：

第一方面，本申請實(shí)施例提供了一種文本相似度分析方法，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(gè)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(gè)三元組，所述三元組包括兩個(gè)詞語及所述兩個(gè)詞語之間的語法關(guān)系；

根據(jù)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。

可選地，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(jù)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(gè)第一三元組與所述第二三元組集合中的每一個(gè)第二三元組進(jìn)行組合，獲得多個(gè)配對三元組；所述配對三元組包括一個(gè)第一三元組和一個(gè)第二三元組；

獲取每個(gè)配對三元組的相似度值；

基于所述每個(gè)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。

可選地，所述獲取每個(gè)配對三元組的相似度值，包括：

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

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

基于所述詞語匹配得分和所述語法關(guān)系匹配得分，計(jì)算所述每個(gè)配對三元組的相似度值。

可選地，所述每個(gè)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(gè)，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(gè)；