[发明专利]文本相似度计算方法及装置

权利要求书

1.一种文本相似度计算方法，其特征在于，所述方法包括如下步骤：

利用第一词向量训练模型，对第一文本及第二文本中的所有词汇处理得到所有词汇的词向量,其中所述词向量中包含对应词汇的上下文关系；

根据词汇对应的词向量，计算所述第一文本中各词汇与所述第二文本中各词汇的余弦相似度，根据所述第一文本中各词汇对应的最大余弦相似度，计算该词汇与所述第二文本的相似度；根据所述第一文本中各词汇与所述第二文本的相似度，计算得到所述第一文本与所述第二文本的相似度。

2.根据权利要求1所述的方法，其特征在于，所述第一文本中一词汇与所述第二文本的相似度利用如下公式计算：

R(qi,d)=si×(k1+1)si+K×qf×(k2+1)qf+k2]]>

其中，

K=k1×(1-b+b×dlavgdl)]]>

上面公式中，q_i表示所述第一文本中的一个词汇，d表示所述第二文本，R(q_i,d)表示所述第一文本中的词汇q_i与第二文本d的相似度；s_i表示所述词汇q_i对应的最大余弦相似度；k₁、k₂、b表示调节因子，dl表示所述第一文本的长度，avgdl表示所述第一文本的平均长度；qf表示所述词汇q_i在所述第一文本中出现的次数。

3.根据权利要求1或2所述的方法，其特征在于，所述第一文本为当前提出的业务问题，第二文本为问答系统的问答库中存储的标准问题。

4.根据权利要求1所述的方法，其特征在于，所述第一词向量训练模型利用如下步骤得到：

获取若干个第三文本以及若干个第四文本；其中，所述第三文本是与所述第一文本或第二文本业务相关的文本，第四文本为所述第一文本出现的特定的应用场景下，实际产生的文本；

计算每个所述第三文本与每个所述第四文本的相似度；确定每个所述第三文本对应的最大相似度，并选取所述最大相似度超过预定阀值的所述第三文本；

利用选取得到的所述第三文件训练得到所述第一词向量训练模型。