[发明专利]用于确定字符串信息间相似度信息的方法、装置和设备

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及用于确定字符串信息间相似度信息的方法、装置和设备。

背景技术

确定字符串信息间的相似度一直是自然语言处理中重要的一部分。现有技术中，往往仅基于一个方面来确定字符串信息间的相似度，例如，仅基于编辑距离来确定两个字符串信息间的字形相似度，又例如，往往仅基于同义词词典来判断两个字符串信息间的语义相似度等，该等确定字符串信息间相似度的方法往往难以全面地反映两个字符串间的相似度。

发明内容

本发明的目的是提供一种用于确定字符串信息间相似度信息的方法、装置和设备。

根据本发明的一个方面，提供一种计算机实现的用于基于多种类型来确定字符串信息间相似度信息的方法，其中，该方法包括以下步骤：

a获取待处理的两个字符串信息；

b根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。

根据本发明的另一个方面，还提供了一种用于确定字符串信息间相似度信息的相似度确定装置，其中，该相似度确定装置包括：

第一获取装置、用于获取待处理的两个字符串信息；

第一确定装置、用于根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。

根据本发明的再一个方面，还提供了一种计算机设备，其中，该计算机设备包括前述相似度确定装置。

与现有技术相比，本发明具有以下优点：1)能够根据多种类型的相似度信息来综合确定两个字符串信息间的最终相似度信息，从而更为全面地反映两个字符串信息在字音、字形和/或字义等方面的相似度，所得的相似度判断结果更为准确；2)通过结合各个类型对应的权重信息，使得所获得的最终相似度信息更符合应用场合的需求；进一步地，能够根据应用环境信息自动调整各个类型对应的权重信息；更近一步地，能够根据应用环境来选择所需处理的类型，以使本实施例的方案能够自适应地适用于多种场合；3)能够通过划分子串信息来提高获取所述最终相似度信息的速度，减少系统资源消耗；进一步地，能够根据子串信息间的匹配组合方式，提高获取所述最终相似度信息的速度，减少系统资源消耗，或者，能够根据历史子串组合对的相似度信息，进一步提高获取所述最终相似度信息的速度，减少系统资源消耗；4)能够通过综合考虑整体相似度信息和分串相似度信息来获得最终相似度信息，提高了获取待处理的两个字符串信息间的最终相似度信息的准确度；5)能够适用于各种需要进行相似度判断的场合；例如，在搜索场合中用于来自用户的输入序列与文本候选项所包含的关键词间的相似度判断；又例如，在纠错场合中用于来自用户的输入序列与纠错词库中所包含的关键词间的相似度判断；再例如，在同义词挖掘过程中，用于两个待判断的字符串间的相似度判断等。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一个方面用于获取字符串信息间相似度信息的方法流程图；

图2为本发明一个优选实施例的用于获取字符串信息间相似度信息的方法流程图；

图3为本发明另一个优选实施例的用于获取字符串信息间相似度信息的方法流程图；

图4为本发明一个方面用于获取字符串信息间相似度信息的相似度确定装置的结构示意图；

图5为本发明一个优选实施例的用于获取字符串信息间相似度信息的相似度确定装置的结构示意图；

图6为本发明另一个优选实施例的用于获取字符串信息间相似度信息的相似度确定装置的结构示意图；

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。

图1为本发明一个方面用于获取字符串信息间相似度信息的方法流程图。其中，根据本发明的方法可通过计算机设备中的操作系统或处理控制器来完成，为简明起见，以下将所述操作系统或处理控制器统称为相似度确定装置。其中，该计算机设备包括但不限于：1)用户设备；2)网络设备。其中，所述用户设备包括但不限于：个人电脑、智能手机、PDA等；所述网络设备包括但不限于：单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。

在步骤S1中，相似度确定装置获取待处理的两个字符串信息。