[发明专利]一种计算字符串间相似度的方法及装置

权利要求书

1.一种计算字符串间相似度的方法，其特征在于，所述方法包括：

获取至少两个字符串的核心词汇的权重；

获取所述至少两个字符串的最大公共序列，并根据所述最大公共序列的长度和词汇确定所述最大公共序列的权重；

根据预设常用词汇的权重表获取所述至少两个字符串中的常用词汇的权重；

根据所述核心词汇的权重、所述最大公共序列的权重和所述常用词汇的权重获取所述至少两个字符串的相似度；

其中，所述根据所述核心词汇的权重、所述最大公共序列的权重和所述常用词汇的权重获取所述至少两个字符串的相似度，包括：

所述至少两个字符串的相似度为

其中，所述w1为所述核心词汇权重，所述w2为所述最大公共序列的权重，所述w3为常用词汇的权重，所述L为所述至少两个字符串的最大长度。

2.根据权利要求1所述的方法，其特征在于，所述获取至少两个字符串的核心词汇的权重，包括：

根据分词结果的词性以及词汇间的语义关系，获取至少两个字符串的词汇序列中的核心词汇，所述核心词汇包括主语人名、机构名、名词宾语、动词和地名；

根据预设核心词汇权重表获取所述核心词汇的权重。

3.根据权利要求1所述的方法，其特征在于，所述获取所述至少两个字符串的最大公共序列，包括：

获取所述至少两个字符串的分词结果序列，去除所述分词结果序列中的标点符号，合并所述分词结果序列中相同的子序列，得到所述至少两个字符串的最大公共序列。

4.根据权利要求1所述的方法，其特征在于，所述根据预设常用词汇的权重表获取所述至少两个字符串中的常用词汇的权重，包括：

根据常用词汇TF-IDF权重表获取所述至少两个字符串中的常用词汇的权重。

5.一种计算字符串间相似度的装置，其特征在于，所述装置包括：

第一获取模块，用于获取至少两个字符串的核心词汇的权重；

第二获取模块，用于获取所述至少两个字符串的最大公共序列，并根据所述最大公共序列的长度和词汇确定所述最大公共序列的权重；

第三获取模块，用于根据预设常用词汇的权重表获取所述至少两个字符串中的常用词汇的权重；

第四获取模块，用于根据所述核心词汇的权重、所述最大公共序列的权重和所述常用词汇的权重获取所述至少两个字符串的相似度；

其中，所述第四获取模块，具体用于：

所述至少两个字符串的相似度为

其中，所述w1为所述核心词汇权重，所述w2为所述最大公共序列的权重，所述w3为常用词汇的权重，所述L为所述至少两个字符串的最大长度。

6.根据权利要求5所述的装置，其特征在于，所述第一获取模块，具体用于：

根据分词结果的词性以及词汇间的语义关系，获取至少两个字符串的词汇序列中的核心词汇，所述核心词汇包括主语人名、机构名、名词宾语、动词和地名；

根据预设核心词汇权重表获取所述核心词汇的权重。

7.根据权利要求5所述的装置，其特征在于，所述第二获取模块，具体用于：

获取所述至少两个字符串的分词结果序列，去除所述分词结果序列中的标点符号，合并所述分词结果序列中相同的子序列，得到所述至少两个字符串的最大公共序列。

8.根据权利要求5所述的装置，其特征在于，所述第三获取模块，具体用于：

根据常用词汇TF-IDF权重表获取所述至少两个字符串中的常用词汇的权重。