[發(fā)明專利]文本匹配方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110669568.2
• 申請日: 2021-06-16
• 公開（公告）號: CN113297354A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計）人: 周楠楠;湯耀華;楊海軍;徐倩
• 申請（專利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張娜;臧建明

本申請公開了一種文本匹配方法、裝置、設(shè)備及存儲介質(zhì)，所述方法包括：在進行文本匹配時，先將待匹配文本輸入至預(yù)訓(xùn)練模型中，得到待匹配文本對應(yīng)的第一向量表示，并根據(jù)待匹配文本中詞匯之間的依存關(guān)系，確定的待匹配文本對應(yīng)的第二向量表示，再結(jié)合第一向量和第二向量表示共同確定待匹配文本對應(yīng)的目標向量表示，充分考慮到了待匹配文本中詞匯之間的依存關(guān)系，提高了用于描述待匹配文本的向量表示的準確度；這樣再根據(jù)準確度較高的目標向量表示，確定待匹配文本的匹配結(jié)果，提高了文本匹配結(jié)果的準確度。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種文本匹配方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

文本匹配在越來越多的領(lǐng)域內(nèi)都得到的廣泛的應(yīng)用，例如，智能問答領(lǐng)域或者文本領(lǐng)域。

現(xiàn)有技術(shù)中，在進行文本匹配時，先在待匹配文本的首位增加CLS標志位，并將增加后的待匹配文本輸入至預(yù)訓(xùn)練模型，并將預(yù)訓(xùn)練模型輸出結(jié)果中最后一層CLS標志位的向量，確定為用于描述該待匹配文本的目標向量，再計算該目標向量與預(yù)先存儲的文本對應(yīng)的向量之間的相似度，從而根據(jù)相似度確定該待匹配文本與數(shù)據(jù)庫中的文本是否匹配。

但是，采用現(xiàn)有的匹配方法，將預(yù)訓(xùn)練模型輸出結(jié)果中最后一層CLS標志位的向量，確定為用于描述該待匹配文本的目標向量，會導(dǎo)致文本匹配的準確度較低。

發(fā)明內(nèi)容

本申請的主要目的在于提供一種文本匹配方法、裝置、設(shè)備及存儲介質(zhì)，旨在提高文本匹配的準確度。

為實現(xiàn)上述目的，本申請?zhí)峁┝艘环N文本匹配方法，所述文本匹配方法包括：

獲取待匹配文本。

將所述待匹配文本輸入至預(yù)訓(xùn)練模型中，得到所述待匹配文本對應(yīng)的第一向量表示，并根據(jù)所述待匹配文本中詞匯之間的依存關(guān)系，確定所述待匹配文本對應(yīng)的第二向量表示。

根據(jù)所述第一向量表示和所述第二向量表示，確定所述待匹配文本對應(yīng)的目標向量表示。

根據(jù)所述目標向量表示，確定所述待匹配文本的匹配結(jié)果。

在一種可能的實現(xiàn)方式中，所述根據(jù)所述待匹配文本中詞匯之間的依存關(guān)系，確定所述待匹配文本對應(yīng)的第二向量表示，包括：

將所述待匹配文本輸入至預(yù)先訓(xùn)練的依存句法分析模型中，得到所述待匹配文本中詞匯之間的依存關(guān)系。

根據(jù)所述待匹配文本中詞匯之間的依存關(guān)系，確定所述待匹配文本中的至少一個核心詞匯。

根據(jù)所述至少一個核心詞匯中，各核心詞匯對應(yīng)的向量表示，確定所述第二向量表示。

在一種可能的實現(xiàn)方式中，所述核心詞匯的數(shù)量為至少兩個，所述根據(jù)所述至少一個核心詞匯中，各核心詞匯對應(yīng)的向量表示，確定所述第二向量表示，包括：

對所述各核心詞匯對應(yīng)的向量表示進行加權(quán)平均；將加權(quán)平均結(jié)果確定為所述第二向量表示。

在一種可能的實現(xiàn)方式中，所述根據(jù)所述第一向量表示和所述第二向量表示，確定所述待匹配文本對應(yīng)的目標向量表示，包括：

對所述第一向量表示和所述第二向量表示進行拼接處理，得到拼接處理后的向量表示。

將所述拼接處理后的向量表示，確定為所述目標向量表示。

在一種可能的實現(xiàn)方式中，所述將所述待匹配文本輸入至預(yù)訓(xùn)練模型中，得到所述待匹配文本對應(yīng)的第一向量表示，包括：

將所述待匹配文本輸入至所述預(yù)訓(xùn)練模型中，得到所述待匹配文本對應(yīng)的輸出結(jié)果。

對所述輸出結(jié)果中最后兩層的向量進行加權(quán)平均，得到所述第一向量表示。