[发明专利]一种句子相似度判断方法

权利要求书

1.一种句子相似度判断方法，其特征在于，通过预先训练形成一句子相似度判断模型，所述句子相似度判断模型中包括一用于处理得到句子向量的第一神经网络模型以及一用于处理得到表示句子相似度的相似性度量的第二神经网络模型；

所述句子相似度判断方法还包括：

步骤S1，根据两个外部输入的句子样本，分别获取每个所述句子样本中的字词向量矩阵；

步骤S2,分别提取每个所述句子样本中的重叠特征以形成重叠特征矩阵，并针对每个所述句子样本将对应的所述字词向量矩阵与所述重叠特征矩阵结合作为所述第一神经网络模型的输入数据；

步骤S3，根据所述第一神经网络模型分别处理得到针对每个所述句子样本的句子向量并进行操作形成一句子合并向量，并与根据所述重叠特征形成的重叠特征向量结合作为所述第二神经网络模型的输入数据；

步骤S4，根据所述第二神经网络模型处理得到关联于两个所述句子样本的相似性度量并输出，以作为判断两个所述句子样本的相似度的依据；

所述步骤S3中，采用所述句子向量直接相减的操作方式形成所述句子合并向量，或者采用拼接所述句子向量的操作方式形成所述句子合并向量。

2.如权利要求1所述的句子相似度判断方法，其特征在于，所述步骤S1中，每个所述句子样本的字词向量矩阵包括：

每个所述句子样本的字向量矩阵；或者

每个所述句子样本的词向量矩阵；

则所述步骤S1中：

将所述句子样本切分成字序列，并将所述字序列映射成所述字向量矩阵；或者

将所述句子样本切分成词序列，并将所述词序列映射成所述词向量矩阵。

3.如权利要求1所述的句子相似度判断方法，其特征在于，所述步骤S2中，采用下述方式处理形成所述重叠特征矩阵：

步骤S21，将所述两个所述句子样本中相互重叠的字或词分别替换成一第一字符；

步骤S22，将所述两个句子样本中不相重叠的字或词分别替换成一第二字符；

步骤S23，根据所述第一字符和所述第二字符分别形成关联于每个所述句子样本的重叠特征序列；

步骤S24，将每个所述重叠特征序列映射成所述重叠特征矩阵；

步骤S25，每个所述字词向量矩阵和对应的所述重叠特征矩阵分别结合作为所述第一神经网络模型的所述输入数据。

4.如权利要求1所述的句子相似度判断方法，其特征在于，所述步骤S3中，处理得到两个所述句子向量的相似度乘积，随后对两个所述句子向量做相减操作，并与所述相似度乘积以及所述重叠特征向量结合作为所述第二神经网络的所述输入数据。

5.如权利要求4所述的句子相似度判断方法，其特征在于，通过计算两个所述句子向量之间的点积得到所述相似度乘积；或者

根据一参数矩阵处理得到所述相似度乘积；

在预先对所述句子相似度判断模型进行训练的过程中，同时训练得到所述参数矩阵。

6.如权利要求1所述的句子相似度判断方法，其特征在于，所述第一神经网络模型为深度神经网络模型。

7.如权利要求1所述的句子相似度判断方法，其特征在于，所述第一神经网络模型为卷积神经网络模型或者循环神经网络模型。

8.如权利要求1所述的句子相似度判断方法，其特征在于，所述第二神经网络模型为分类神经网络模型。