[發(fā)明專利]相似文本匹配方法、裝置、電子設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110320474.4
• 申請日: 2021-03-25
• 公開（公告）號: CN112883730B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 周瑯;杜佳輝
• 申請（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/216;G06F40/242;G06F40/30
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及文本處理技術(shù)，揭露了一種相似文本匹配方法，包括：按照文本主題對獲取的文本集合中各文本進行分類，得到分類文本；利用實體特征提取模型提取分類文本的實體特征要素，并根據(jù)實體特征要素生成分類文本的索引數(shù)據(jù)表；對目標(biāo)文本進行實體要素特征提取，得到目標(biāo)實體特征要素；根據(jù)目標(biāo)實體特征要素在索引數(shù)據(jù)表中進行多重要素匹配，得到匹配實體特征要素；將匹配實體特征要素對應(yīng)的分類文本匯集為目標(biāo)文本的相似文本。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，所述文本集合可存儲于區(qū)塊鏈的節(jié)點。本發(fā)明還提出一種相似文本匹配裝置、電子設(shè)備以及計算機可讀存儲介質(zhì)。本發(fā)明可以解決相似文本匹配時效率較低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及文本處理技術(shù)領(lǐng)域，尤其涉及一種相似文本匹配方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

相似文本匹配技術(shù)已經(jīng)在人們?nèi)粘Ｉ钪械玫皆絹碓蕉嗟膽?yīng)用，例如，在法律領(lǐng)域，律師或相關(guān)人員面對著越來越多需要處理的案件，但新案件往往與歷史案件存在著一定的相似，因此歷史案件可以被人們借鑒，以實現(xiàn)對新案件的高效處理。

目前主要的相似文本匹配方法多為基于文章語義的相似文本匹配，即提取文本中的句子含義，將不同文本之間的句子含義進行對比分析，得到文本之間的相似度，但面對著大量文本以及每個文本中包含的大量信息，對每個文本進行語義分析會占用大量的計算資源，導(dǎo)致相似文本匹配的效率低下。

發(fā)明內(nèi)容

本發(fā)明提供一種相似文本匹配方法、裝置及計算機可讀存儲介質(zhì)，其主要目的在于解決相似文本匹配時效率較低的問題。

為實現(xiàn)上述目的，本發(fā)明提供的一種相似文本匹配方法，包括：

獲取文本集合，按照文本主題對所述文本集合中各文本進行分類，得到分類文本；

利用預(yù)先訓(xùn)練的實體特征提取模型提取所述分類文本的實體特征要素，并根據(jù)所述實體特征要素生成所述分類文本的索引數(shù)據(jù)表；

獲取目標(biāo)文本，對所述目標(biāo)文本進行實體要素特征提取，得到目標(biāo)實體特征要素；

根據(jù)所述目標(biāo)實體特征要素在所述索引數(shù)據(jù)表中進行多重要素匹配，得到匹配實體特征要素；

將所述匹配實體特征要素對應(yīng)的分類文本匯集為所述目標(biāo)文本的相似文本。

可選地，所述按照文本主題對所述文本集合中各文本進行分類，得到分類文本，包括：

對所述文本集合中各文本進行分詞處理，得到文本分詞；

對所述文本分詞進行詞頻統(tǒng)計，得到分詞詞頻；

根據(jù)所述分詞詞頻計算所述文本分詞的分詞權(quán)重；

確定所述分詞權(quán)重大于預(yù)設(shè)的權(quán)重閾值的文本分詞為所述文本集合中對應(yīng)文本的主題詞；

按照所述主題詞將所述文本集合中的文本進行分類，得到分類文本。

可選地，所述對所述文本集合中各文本進行分詞處理，得到文本分詞，包括：

遍歷所述文本集合中各文本以確定各文本中斷句符號的位置；

根據(jù)所述斷句符號的位置將所述文本集合中各文本分解為多個單獨句子；

利用預(yù)設(shè)標(biāo)準(zhǔn)詞典將所述多個單獨句子分別進行單詞切分，得到文本分詞。

可選地，所述根據(jù)所述實體特征要素生成所述分類文本的索引數(shù)據(jù)表，包括：

構(gòu)建空白數(shù)據(jù)表；

將所述分類文本的文本類別作為所述空白數(shù)據(jù)表的表名，將所述分類文本的實體特征要素作為所述空白數(shù)據(jù)表的主鍵，得到索引數(shù)據(jù)表。