[发明专利]文本匹配方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种文本匹配方法，其特征在于，所述方法包括：

将待匹配的第一文本和第二文本输入文本匹配模型进行文本匹配处理，输出所述第一文本和所述第二文本的匹配结果；

其中，所述文本匹配模型包括第一交互层、分布层和第二交互层；

所述第一交互层，用于将输入的所述第一文本和所述第二文本进行交叉注意力学习，输出第一文本向量和第二文本向量；

所述分布层，用于分别对输入的所述第一文本向量和所述第二文本向量进行表示学习，输出第三文本向量和第四文本向量；

所述第二交互层，用于将输入的所述第三文本向量和所述第四文本向量进行拼接得到第五文本向量，以及对所述第五文本向量计算文本相似度，输出所述匹配结果。

2.根据权利要求1所述的方法，其特征在于，所述第一交互层包括：第一嵌入层、第二嵌入层、相似矩阵层和处理层；

所述第一嵌入层，用于对输入的所述第一文本进行词嵌入处理，输出第一处理文本；

所述第二嵌入层，用于对输入的所述第二文本进行词嵌入处理，输出第二处理文本；

所述相似矩阵层，用于将输入的所述第一处理文本和所述第二处理文本进行相似度处理，输出第一权重向量和第二权重向量；

所述处理层，用于将输入的所述第二权重向量与所述第一处理文本融合，输出第一文本向量，以及将所述第一权重向量与所述第二处理文本融合，输出第二文本向量。

3.根据权利要求2所述的方法，其特征在于，所述相似矩阵层具体用于：

确定所述第一处理文本和所述第二处理文本的相似度矩阵；

对所述相似度矩阵进行行归一化处理，得到所述第一权重向量，以及对所述相似度矩阵进行列归一化处理，得到所述第二权重向量。

4.根据权利要求1所述的方法，其特征在于，所述分布层包括：第一粒度网络、第二粒度网络、第一记忆网络、第二记忆网络、第一注意力层和第二注意力层；

所述第一粒度网络，用于对输入的所述第一文本向量进行多粒度提取，得到多个不同的第一粒度信息，并将所述第一粒度信息进行拼接，得到第一拼接向量；

所述第一记忆网络，用于对输入的所述第一拼接向量进行特征提取，输出提取的第一特征向量；

第一注意力层，用于对输入的所述第一特征向量进行表示学习，输出所述第三文本向量；

所述第二粒度网络，用于对输入的所述第二文本向量进行多粒度提取，得到多个不同的第二粒度信息，并将所述第二粒度信息进行拼接，得到第二拼接向量；

所述第二记忆网络，用于对输入的所述第二拼接向量进行特征提取，输出提取的第二特征向量；

第二注意力层，用于对输入的所述第二特征向量进行表示学习，输出所述第四文本向量。

5.根据权利要求4所述的方法，其特征在于，所述第一粒度网络具体用于：

利用多组尺寸不同的卷积窗口对输入的所述第一文本向量进行特征提取，得到多个不同的第一粒度信息，并将所述第一粒度信息进行拼接，得到第一拼接向量；

所述第二粒度网络具体用于：

利用多组尺寸不同的卷积窗口对输入的所述第二文本向量进行特征提取，得到多个不同的第二粒度信息，并将所述第二粒度信息进行拼接，得到第二拼接向量。

6.根据权利要求1所述的方法，其特征在于，所述第二交互层包括：拼接层和全连接层；

所述拼接层，用于将输入的所述第三文本向量和所述第四文本向量进行拼接得到第五文本向量；

所述全连接层，用于对输入的所述第五文本向量进行文本相似度计算，输出所述匹配结果。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取第一训练文本和第二训练文本；

将所述第一训练文本和所述第二训练文本输入所述文本匹配模型，输出所述第一训练文本和所述第二训练文本的相似度输出值，所述相似度输出值作为所述匹配结果；

基于所述相似度输出值和相似度真实值的偏差，确定损失函数；

利用所述损失函数对所述文本匹配模型进行修正。