[发明专利]文本相似度确定方法、系统、存储介质以及电子设备

说明书

本公开涉及一种文本相似度确定方法、系统、存储介质以及电子设备，涉及计算机技术领域，该方法包括：确定第一文本对应第一编码序列和第二文本对应的第二编码序列，并根据第一编码序列以及第二编码序列，分别得到第一编码序列对应的第一融合特征和第二编码序列对应的第二融合特征，然后将第一融合特征、第二融合特征转换为对应的用于表示语义的第一语义特征和第二语义特征，并根据该第一语义特征和第二语义特征来计算第一文本与第二文本的相似度。可以综合考虑第一文本与第二文本的字符串特征以及语义特征来计算文本相似度，使得计算到的文本相似度更加准确。

技术领域

本公开涉及计算机技术领域，尤其涉及一种文本相似度确定方法、系统、存储介质以及电子设备。

背景技术

目前，文本相似度计算被广泛应用于各个业务场景中，比如，智能客服、文档分类与聚类、文献查重等领域。在相关技术中，一般通过统计一组文本中的字符的重复度来衡量该组文本是否相似。但是这种相似度算法无法考虑该组文本的语义信息，当该组文本的表意相同、但是字符不同时，这种基于字符重复度的相似度算法并不能实现较好的识别效果。

发明内容

为克服相关技术中存在的问题，本公开提供一种文本相似度确定方法、系统、存储介质以及电子设备。

根据本公开实施例的第一方面，提供一种文本相似度确定方法，包括：

获取需要进行文本相似度计算的第一文本以及第二文本；

确定所述第一文本与所述第二文本之间的字符串特征；

分别将所述第一文本和所述第二文本转换为向量编码，得到所述第一文本对应第一编码序列和所述第二文本对应的第二编码序列；

根据所述第一编码序列、以及所述第二编码序列，得到所述第一编码序列对应的第一融合特征和所述第二编码序列对应的第二融合特征；

根据所述字符串特征、所述第一编码序列、以及所述第一融合特征，得到所述第一文本的第一语义特征；以及

根据所述字符串特征、所述第二编码序列、以及所述第二融合特征，得到所述第二文本的第二语义特征；

根据所述第一语义特征以及所述第二语义特征，确定所述第一文本与所述第二文本之间的文本相似度。

在一些实施例中，所述分别将所述第一文本和所述第二文本转换为向量编码，得到所述第一文本对应第一编码序列和所述第二文本对应的第二编码序列，包括：

分别将所述第一文本和所述第二文本中的字符转换为对应的特征向量，得到所述第一文本对应的字符特征向量和所述第二文本对应的字符特征向量；

分别对所述第一文本对应的字符特征向量和所述第二文本对应的字符特征向量进行编码，得到所述第一编码序列和所述第二编码序列。

在一些实施例中，所述根据所述第一编码序列、以及所述第二编码序列，得到所述第一编码序列对应的第一融合特征和所述第二编码序列对应的第二融合特征，包括：

将所述第一编码序列与所述第二编码序列中的元素相乘，得到对齐矩阵；

基于所述对齐矩阵，结合第一预设计算式，得到所述第一融合特征，其中，所述第一预设计算式为：

其中，为所述第一融合特征中的第i个元素，l_b为所述第二编码序列的长度，e_ij为所述对齐矩阵中的第i行第j列的元素，e_ik为所述对齐矩阵中的第i行第k列的元素，为所述第二编码序列中的第j个元素；

基于所述对齐矩阵，结合第二预设计算式，得到所述第二融合特征，其中，所述第二预设计算式为：