[发明专利]基于线性回归适用于多语种的句子相似度获取方法及系统

权利要求书

1.基于线性回归适用于多语种的句子相似度获取方法，其特征在于，包括以下步骤：

S1：获取两个句子的两个及以上相似特征值f_i；所述f_i包括f₁，f₂，f₃，…，f_n；

S2：根据两个句子所属语种和应用领域选取每个相似特征值对应的特征权值ω_i；所述ω_i包括ω₁，ω₂，ω₃，…，ω_n；

S3：将两个及以上相似特征值根据每个相似特征值对应的特征权值进行线性回归，得出两个句子的复合相似特征值f_s；

所述线性回归公式如下：

上文所述f_i为相似特征值，ω_i为与f_i对应的特征权值，f_s为复合相似特征值。

2.根据权利要求1所述的基于线性回归适用于多语种的句子相似度获取方法，其特征在于，所述两个及以上相似特征值包括通过计算得到的两个句子的结构相似特征值f_i；其计算步骤如下：

S111：解析两个句子并得到两个与句子相对应的句法树；

S112：根据两个句法树得出两个句法树之间的结构检测值TP、FP和FN；

S113：根据结构检测值TP、FP和FN由以下公式计算两个句子的语法相似特征值f_i：

R=TPTP+FN;P=TPTP+FP;fi=2PRP+R;]]>

上文所述TP为结构纳真值，FP为结构误报值，FN为结构去真值，R为结构召回率，P为结构准确率，f_i为结构相似特征值。

3.根据权利要求1所述的基于线性回归适用于多语种的句子相似度获取方法，其特征在于，所述两个及以上相似特征值包括通过计算得到的两个句子的词性相似特征值f_i；其计算步骤如下：

S121：解析两个句子并得到两个与句子相对应的句法树；

S122：将两个句子分为参考句和原句；所述参考句为仅在本次计算词性相似特征值f_i时使用的句子；所述原句为除本次外，还需要与其他句子计算词性相似特征值f_i的句子；根据两个句法树的词性分布得出从一个句子修改成另一个句子所需要的最小步数W；

S123：通过以下公式计算两个句子的词性相似特征值f_i：

fi=1-WL;]]>

上文所述W为从一个句子修改成另一个句子所需要的最小步数，L为参考句的长度，f_i为词性相似特征值。

4.根据权利要求3所述的基于线性回归适用于多语种的句子相似度获取方法，其特征在于，所述从一个句子修改成另一个句子所需要的最小步数W采用莱温斯坦距离。