[發明專利]文本匹配方法、裝置、計算機設備及可讀存儲介質

在審

• 申請號: 202110603418.1
• 申請日: 2021-05-31
• 公開（公告）號: CN113204629A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 肖京;趙盟盟;王磊;楊怡
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/30;G06N3/04
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

本申請屬于自然語言處理技術領域，提供了一種文本匹配方法、裝置、計算機設備及可讀存儲介質，該方法包括：獲取目標文本以及與所述目標文本對應的待匹配文本集；通過訓練好的BERT模型分別獲得所述目標文本對應的第一句向量以及所述待匹配文本集中各個待匹配文本對應的第二句向量；分別對所述第一句向量以及各個所述第二句向量進行降噪處理，得到降噪第一句向量以及各個降噪第二句向量；根據所述降噪第一句向量以及各個所述降噪第二句向量，確定各個所述待匹配文本與所述目標文本的匹配程度；根據各個所述匹配程度，在所述待匹配文本集中確定所述目標文本的目標匹配文本。本申請能夠提升文本匹配的匹配精度。

技術領域

本申請涉及自然語言處理技術領域，尤其涉及一種文本匹配方法、裝置、計算機設備及可讀存儲介質。

背景技術

文本匹配是自然語言處理領域一個重要的基礎領域，大量的NLP任務都是以文本匹配為出發點，例如信息檢索、機器翻譯、問答系統等等，其本質就是文本匹配問題。

在傳統的文本匹配算法中，基于統計學詞頻的TF-IDF方法以原理簡單易理解、實現程度高而被廣泛應用，其主要原理是在給定一個語料庫，通過對比句子中各個單詞出現的頻率與語料庫中各單詞出現頻率進行比對，來衡量一個詞語在文本中的重要程度，由此提取出文本的若干關鍵詞，形成一個集合，再將向量化后的詞集計算相似性。然而這種方法存在局限性，受語料庫影響較大，忽略了詞與詞之間的交互性，當面對強干擾文本數據時匹配效果就很不理想，例如詞匯完全重合但表達的意思不同的“機器學習””和“學習機器”，傳統的TF-IDF方法就難以應對，精確性較低。

發明內容

本申請的主要目的在于提供一種文本匹配方法、裝置、計算機設備及可讀存儲介質，旨在解決相關技術中文本匹配精確性不高的技術問題。

第一方面，本申請提供了一種文本匹配方法，所述方法包括：

獲取目標文本以及與所述目標文本對應的待匹配文本集；

通過訓練好的BERT模型分別獲得所述目標文本對應的第一句向量以及所述待匹配文本集中各個待匹配文本對應的第二句向量；

分別對所述第一句向量以及各個所述第二句向量進行降噪處理，得到降噪第一句向量以及各個降噪第二句向量；

根據所述降噪第一句向量以及各個所述降噪第二句向量，確定各個所述待匹配文本與所述目標文本的匹配程度；

根據各個所述匹配程度，在所述待匹配文本集中確定所述目標文本的目標匹配文本。

第二方面，本申請還提供了一種文本匹配裝置，所述裝置包括：

獲取模塊，用于獲取目標文本以及與所述目標文本對應的待匹配文本集；

獲得模塊，用于通過訓練好的BERT模型分別獲得所述目標文本對應的第一句向量以及所述待匹配文本集中各個待匹配文本對應的第二句向量；

降噪模塊，用于分別對所述第一句向量以及各個所述第二句向量進行降噪處理，得到降噪第一句向量以及各個降噪第二句向量；

第一確定模塊，用于根據所述降噪第一句向量以及各個所述降噪第二句向量，確定各個所述待匹配文本與所述目標文本的匹配程度；

第二確定模塊，用于根據各個所述匹配程度，在所述待匹配文本集中確定所述目標文本的目標匹配文本。

第三方面，本申請還提供了一種計算機設備，所述計算機設備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執行的計算機程序，其中所述計算機程序被所述處理器執行時，實現如上述的文本匹配方法的步驟。

第四方面，本申請還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，其中所述計算機程序被處理器執行時，實現如上述的文本匹配方法。