[发明专利]一种基于语义的物流智能客服问题相似度计算方法

权利要求书

1.一种基于语义的物流智能客服问题相似度计算方法，其特征在于操作步骤如下：

1)构建专业词典、同义词典和语义特征词典；

2)获得待判断语义相似度的两句话的词、词性和每种词性对应的词列表s₁、s₂，POS，SPOS₁、SPOS₂，并初始化两句话的语义向量sim₁,sim₂；遍历其中一句话的词列表s₁，获得当前词w_1i，同时遍历另外一句话的词列表s₂，获得另外一句话的词列表中与当前词具有相同词性的词w_2j；

3)更新当前位置的语义向量值sim_1i，若w_1i与w_2j相同，则对应位置sim_1i的值置为1.0；若不同，则判断是否具有同义关系；利用结合了物流领域的同义词典S，判断当前词对是否具有严格的同义关系；若在该同义词典中没有找到当前词对，则使用Word2Vec模型，获得两个词之间的相似度w_sim，若相似度大于指定阈值t，则认为二者是同义词，相应的位置仍置为1.0；若小于指定的阈值t，则相应的位置置为该词对之间的相似度w_sim；

4)同样的方式获得sim₂；

5)在遍历两句话词表的过程中，分别得出语句对的语义特征词集合Q₁＝{q₁₁，q₁₂，…，q_1n}，Q₂＝{q₂₁，q₂₂，…，q_2m}；判断该语句对是否具有相同或相似的语义特征词，从Q₁和Q₂中去除相同或相似的语义特征词；若Q₁与Q₂均不为空，则对两句话的语义向量进行更新，扩大二者之间的语义距离，即两句话表达的意思是不相同；

6)计算sim₁和sim₂的余弦值，根据阈值判断两个句子是否具有语义相似；

获取词性、指定词性的词集合的计算公式如下所示：

其中，p_i(i＝1,2…f)是来自s₁和s₂的所有词性集合，p_rs_ij(r＝1,2…min(k,l),i＝1,2,j＝1,2…min(m,n))代表第i句话，属于第r的词性的第j个词集合；k，l分别为两句话中的词性种类数；

选取下一个单词公式为：

对于任意一个属于某个词性的词集合p_ks_1i的词w_1i，需要从p_rs_2j中选择词w_2j，即选择第二句话中与w_1i具有相同词性p_r的词；w_2(j+1)代表第二句话中的下一个词；

选取了当前对比词对之后，需要更新对应位置的语义向量值sim_1i，计算公式如下：

首先，使用同义词典S去判断w_1i和w_2j是否具有同义关系，如果在S中没有找到这两个词，则使用Word2vec计算二者的相似度w_sim，根据阈值t去判断二者的关系；

检查语义特征词集合，在遍历两句话的词表的过程中，得到语义特征词集合为：Q₁＝{q₁₁,q₁₂,…,q_1n}，Q₂＝{q₂₁,q₂₂,…,q_2m}；去除集合中相同或相似的语义特征词，并更新语义向量，计算公式如下所示：