[发明专利]字符串匹配方法和装置、计算设备以及计算机存储介质

说明书

本申请提出了一种字符串匹配方法和装置、计算设备以及计算机存储介质，所述方法包括：获取第一字符串；将所述第一字符串中的各字符进行向量化，以得到所述各字符的字符向量；基于所述第一字符串中的各字符的字符向量、各字符在第一字符串中的上下文关系信息，以预定方式确定表征第一字符串的第一字符串向量；确定所述第一字符串向量和表征第二字符串的第二字符串向量间的相似度，其中所述第二字符串向量是以与确定第一字符串向量相同的方式基于第二字符串中的各字符的字符向量、各字符在第二字符串中的上下文关系信息得到的；基于所述相似度确定所述第一字符串和第二字符串是否匹配。

技术领域

本公开涉及自然语言处理的技术领域，尤其涉及字符串匹配方法和装置、计算设备以及计算机存储介质。

背景技术

随着计算机技术的发展，字符串匹配技术被广泛使用，例如广泛使用在诸如姓名检索、企业商标查重和错别字识别等场景中。目前，通常采用的字符串匹配方法包括发音相近匹配和结构相近匹配。发音相近匹配通过比较字符串发音的相近程度，判断字符串是否匹配。结构相近匹配通过比较字符串的结构相近程度判断字符串是否匹配。

然而，这些字符串匹配方法通常具有详细明确的计算规则且多数已开源，这导致其无法识别一些字符串的变形、尤其是新出现的字符串变形，而且一些恶意用户也可以根据计算规则开发新的字符串变形以规避这些匹配方法，从而造成对于匹配的误判。

发明内容

有鉴于此，本公开提供了字符串匹配方法和装置、计算设备以及计算机存储介质，期望克服上面提到的部分或全部缺陷以及其它可能的缺陷。

根据本公开的第一方面，提供了一种字符串匹配方法，包括：获取第一字符串；将所述第一字符串中的各字符进行向量化，以得到所述各字符的字符向量；基于所述第一字符串中的各字符的字符向量、各字符在第一字符串中的上下文关系信息，以预定方式确定表征第一字符串的第一字符串向量；确定所述第一字符串向量和表征第二字符串的第二字符串向量间的相似度，其中所述第二字符串向量是以与确定第一字符串向量相同的方式基于第二字符串中的各字符的字符向量、各字符在第二字符串中的上下文关系信息得到的；基于所述相似度确定所述第一字符串和第二字符串是否匹配。

在一些实施例中，确定所述第一字符串向量和表征第二字符串的第二字符串向量间的相似度，包括：基于第一字符串向量和第二字符串向量构建相似度矩阵，其中相似度矩阵中的第i行第j列的元素表示第一字符串向量中的第i个元素和第二字符串向量中的第j个元素的乘积，其中i、j均为正整数；对所述相似度矩阵进行特征提取，以得到包括相似度矩阵的元素间的相关性的特征矩阵；基于所述特征矩阵，确定所述第一字符串向量和第二字符串向量间的相似度。

在一些实施例中，对所述相似度矩阵进行特征提取，以得到包括相似度矩阵的元素间的相关性的特征矩阵，包括：对所述相似度矩阵进行特征提取，使得所述特征矩阵中的每个向量元素是基于所述相似度矩阵中的多个元素被确定的。

在一些实施例中，基于所述特征矩阵，确定所述第一字符串向量和第二字符串向量间的相似度，包括：对所述特征矩阵进行降维；基于降维后的特征矩阵，确定所述第一字符串向量和第二字符串向量属于同一类的概率；将所述第一字符串向量和第二字符串向量属于同一类的概率确定为所述第一字符串向量和第二字符串向量间的相似度。

在一些实施例中，基于所述第一字符串中的各字符的字符向量、各字符在第一字符串中的上下文关系信息，以预定方式确定表征第一字符串的第一字符串向量，包括：基于所述第一字符串中各字符的字符向量，确定第一字符串中的每个字符的注意力权重，其中所述每个字符的注意力权重表征所述每个字符在所述第一字符串中的重要度；基于所述第一字符串中的各字符的字符向量、每个字符的注意力权重、各字符在第一字符串中的上下文关系信息，确定表征第一字符串的第一字符串向量。