[發明專利]一種文本相似度計算方法及系統

有效

• 申請號: 202110523688.1
• 申請日: 2021-05-13
• 公開（公告）號: CN113239666B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 洪聲建;譚鵠
• 申請（專利權）人: 深圳市智靈時代科技有限公司
• 主分類號: G06F40/126
• 分類號: G06F40/126;G06F40/194;G06F40/284;G06F40/30;G06N3/08
• 代理公司: 廣州潤禾知識產權代理事務所(普通合伙) 44446
• 代理人: 鄭永泉

本發明涉及文本匹配技術領域，更具體地，涉及一種文本相似度計算方法。用于解決口語話表達和書面化文本之間匹配精度低的問題。此種文本相似度計算方法，包括獲取第一文本、第一文本的關鍵詞以及第二文本；對所述第一文本和第二文本進行文本特征抽取；根據抽取到的所述文本特征，通過計算字符串相似度和/或語義相似度來確定文本相似度得分。通過上述技術方案，以實現口語化表達與書面化文本之間的高精度匹配的技術效果。

技術領域

本發明涉及文本匹配技術領域，更具體地，涉及一種文本相似度計算方法及系統。

背景技術

智能陪練是一種人機交互應用，利用NLP技術和相關領域知識，虛擬出一個相關領域下的業務人，讓使用者在特定場景下進行人機交互。通常涉及智能問答系統，目前，智能問答系統廣泛應用于服務領域，一種可選的智能問答流程包括：預先將用戶的常見問(Frequently?Asked?Questions，FAQ)整理形成問題庫，并將問題庫以及其中每個問題對應的答案存儲在智能問答系統中，當智能問答系統接收到用戶輸入的問題時，從問題庫中匹配與輸入問題最接近的目標問題，進而，向用戶顯示目標問題對應的答案。

由于在智能陪練場景下，相關領域知識的表述通常以書面化形式給出，表述形式較為正式。但是在使用者層面，通常在學會書面表述的內在邏輯后，更傾向于用各自習慣的口語形式進行表述。這樣會造成利用傳統的文本相似度算法得出較低的匹配結果。在智能陪練場景下，這種結果通常是不可接受的。同時，智能陪練場景對響應速度有較高的要求，智能問答系統還需要完成匹配運算，以快速應答使用者。

現有技術中，常見的相似度計算方法有基于統計句子特征，如詞頻、詞序、詞性等的距離計算方法以及通過深度語言模型表征的距離計算方法，以及專利文獻CN111813927A中所采用的基于主題模型和LSTM的句子相似度計算方法，都不能解決口語化表達和書面化文本之間匹配精度低的問題，并且由于運算量較大，完成匹配的速度較慢，不能很好地適應智能陪練場景。

發明內容

本發明旨在克服上述現有技術的至少一種缺陷(不足)，提供一種文本相似度計算方法，用于解決口語話表達和書面化文本之間匹配精度低的問題，以實現口語化表達與書面化文本之間的高精度匹配的技術效果，并滿足在智能陪練場景里快速反饋的用戶需求。