[发明专利]文本对比方法、计算机设备及计算机存储介质

说明书

本申请实施例公开了一种文本对比方法、计算机设备及计算机存储介质，用于实现多篇文档之间的语义及事件一致性核验，提高文档匹配的效率以及可靠性。本申请实施例提出了一种实现语义及事件一致性核验的文档对比方法，从段落粒度的语义对比层面出发，创新性结合NLP来处理两阶段式的文本匹配语义一致性对比和事件要素联合一致性判断，通过此文本对比方法解决文档之间内容匹配的过程，实现无监督学习以及有监督学习相互结合，共同提高匹配的效率以及可靠性。同时，本实施例从句子/短语粒度的事实对比层面出发，创新性提出一类基于事件要素抽取结合内容一致性判别方法框架，解决事件一致性核验的任务。

技术领域

本申请实施例涉及文本处理领域，具体涉及一种文本对比方法、计算机设备及计算机存储介质。

背景技术

现有的文档对比方法，大都采取无监督的方式来计算两篇文档特定文本段落的内容字面的重合度/相似性，直接确定得分最高的候选段落，实现内容对比和信息匹配的过程，从而实现对多个文本之间的差异化的提示功能。

过去的方法更多解决的是文档段落对应的关系，却无法基于事件的角度上实现更进一步的核验。金融行业普遍存在需要关注文档之间的事件一致性的场景，例如文档之间数值的一致性核验、报告文件与素材文件之间引用事件的一致性比对等等。不同的人面对同一份资料文件进行提炼、修饰到最后形成总结报告，虽然在文字组织及语言表达方法技巧上有所差异，但其所蕴含的事件依据却是不变的、客观存在的。进一步来说，当两篇文档的内容篇幅较长时，科学有效地实现语义及事件一致性核验的过程，其本身存在较大的挑战。现有论文、专利和商业软件针对这一问题并没有现成的解决方案。

发明内容

本申请实施例提供了一种文本对比方法、计算机设备及计算机存储介质，用于实现多篇文档之间的语义及事件一致性核验，提高文档匹配的效率以及可靠性。

本申请实施例第一方面提供了一种文本对比方法，所述方法包括：

获取目标文档和对比文档，获取预训练语言模型，根据所述目标文档和所述对比文档训练所述预训练语言模型，直至满足收敛条件时停止训练，得到文本表示向量模型；

根据所述文本表示向量模型提取所述目标文档的单位化向量以及所述对比文档的单位化向量，根据所述目标文档的单位化向量以及所述对比文档的单位化向量从所述对比文档中确定所述对比文档的候选段落；

根据人工标注的目标文档与对比文档之间的匹配关系，构建文本对匹配关系数据集，根据所述文本对匹配关系数据集训练所述预训练语言模型，得到文本对语义匹配模型；

根据所述文本对语义匹配模型计算所述目标文档的每一段落各自与所述候选段落中每一段落的匹配关系概率，分别从所述目标文档的每一段落对应的多个匹配关系概率中确定最大匹配关系概率；

提示所述目标文档中最大匹配关系概率小于预设概率的段落与所述对比文档的任一段落不匹配。

本申请实施例第二方面提供了一种计算机设备，包括：

训练单元，用于获取目标文档和对比文档，获取预训练语言模型，根据所述目标文档和所述对比文档训练所述预训练语言模型，直至满足收敛条件时停止训练，得到文本表示向量模型；

确定单元，用于根据所述文本表示向量模型提取所述目标文档的单位化向量以及所述对比文档的单位化向量，根据所述目标文档的单位化向量以及所述对比文档的单位化向量从所述对比文档中确定所述对比文档的候选段落；

训练单元还用于根据人工标注的目标文档与对比文档之间的匹配关系，构建文本对匹配关系数据集，根据所述文本对匹配关系数据集训练所述预训练语言模型，得到文本对语义匹配模型；

计算单元，用于根据所述文本对语义匹配模型计算所述目标文档的每一段落各自与所述候选段落中每一段落的匹配关系概率，分别从所述目标文档的每一段落对应的多个匹配关系概率中确定最大匹配关系概率；