[发明专利]文本检测方法、相似度计算方法、模型训练方法及装置

权利要求书

1.一种目标类别的文本的检测方法，所述方法包括：

获取第二文本以及待检测的第一文本；

生成所述第一文本以及所述第二文本中各词语的向量集合，所述向量集合包括所述词语的词向量以及n-元笔画向量；

将所述第一文本中各词语、所述第二文本中各词语以及所述向量集合输入到预先训练的文本相似度计算模型，以计算所述第一文本和第二文本的相似度；

基于所述相似度以及所述第二文本的类别确定所述第一文本是否为目标类别的文本。

2.根据权利要求1所述的检测方法，所述向量集合还包括所述词语的n-元拼音向量。

3.根据权利要求1所述的检测方法，生成所述第一文本以及所述第二文本中各词语的向量集合之前，所述方法还包括：

对所述第一文本以及第二文本进行分词处理，得到一个或多个词语。

4.根据权利要求1所述的检测方法，所述第二文本的类别通过无监督学习模型得到。

5.根据权利要求1所述的检测方法，所述文本相似度计算模型基于第一训练文本中的各词语、第二训练文本中的各词语、以及由第一训练文本中的各词语和第二训练文本中的各词语的词向量和n元笔画向量构成的向量集合训练得到。

6.根据权利要求1所述的检测方法，所述文本相似度计算模型为DSSM模型。

7.一种文本相似度计算模型的训练方法，所述方法包括：

获取第一训练文本、第二训练文本以及所述第一训练文本与所述第二训练文本的相似度；

生成所述第一训练文本和所述第二训练文本中各词语的向量集合，所述向量集合包括所述词语的词向量以及n-元笔画向量；

根据所述第一训练文本中的各词语、所述第二训练文本中的各词语、所述向量集合以及所述相似度训练得到所述文本相似度计算模型。

8.一种确定文本相似度的方法，所述方法包括：

获取至少两个文本；

生成所述至少两个文本中各词语的向量集合，所述向量集合包括所述词语的词向量以及n-元笔画向量；

将所述至少两个文本中的各词语以及所述向量集合输入到预先训练的文本相似度计算模型，计算所述文本中两两文本之间的相似度。

9.一种目标类别的文本的检测装置，所述装置包括：

获取模块，用于获取第二文本以及待检测的第一文本；

向量生成模块，用于生成所述第一文本以及所述第二文本中各词语的向量集合，所述向量集合包括所述词语的词向量以及n-元笔画向量；

计算模块，用于将所述第一文本中各词语、所述第二文本中各词语以及所述向量集合输入到预先训练的文本相似度计算模型，以计算所述第一文本和第二文本的相似度；

判定模块，用基于所述相似度以及所述第二文本的类别确定所述第一文本是否为目标类别的文本。

10.一种文本相似度计算模型的训练装置，所述装置包括：

获取模块，用于获取第一训练文本、第二训练文本以及所述第一训练文本与所述第二训练文本的相似度；

向量生成模块，用于生成所述第一训练文本和所述第二训练文本中各词语的向量集合，所述向量集合包括所述词语的词向量以及n-元笔画向量；

训练模块，用于根据所述第一训练文本中的各词语、所述第二训练文本中的各词语、所述向量集合以及所述相似度训练得到所述文本相似度计算模型。

11.一种确定文本相似度的装置，所述装置包括：

获取模块，用于至少两个文本；

向量生成模块，用于生成所述至少两个文本中各词语的向量集合，所述向量集合包括所述词语的词向量以及n-元笔画向量；

计算模块，用于将所述至少两个文本中的各词语以及所述向量集合输入到预先训练的文本相似度计算模型，计算所述文本中两两文本的相似度。

12.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至8任意一项所述的方法。