[发明专利]弹幕文本相似度计算方法、存储介质、设备及系统在审
| 申请号： | 201811459848.5 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109858012A | 公开（公告）日： | 2019-06-07 |
| 发明（设计）人： | 徐乐乐 | 申请（专利权）人： | 武汉斗鱼网络科技有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/78;H04N21/488 |
| 代理公司： | 武汉智权专利代理事务所(特殊普通合伙) 42225 | 代理人： | 张凯 |
| 地址： | 430000 湖北省武汉市东湖开*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 文本相似度 文本 词频 设备及系统 存储介质 数据处理领域 余弦相似度 最终相似度 空间向量 模型映射 权重计算 算法计算 相似度 分词 保证 | ||
1.一种弹幕文本相似度计算方法，其特征在于，包括以下步骤：
对弹幕A和弹幕B的文本进行分词，得出弹幕A和弹幕B的相同词项，以及相同词项的最小词频；
计算相同词项在弹幕A和弹幕B文本中的所占比例；
计算基于相同词项词频的弹幕A和弹幕B的文本相似度；
将弹幕A和弹幕B的文本通过word2vec模型映射为空间向量，然后基于余弦相似度算法计算弹幕A和弹幕B在文本空间的文本相似度；
对弹幕A和弹幕B基于相同词项词频的文本相似度，以及在文本空间的文本相似度进行权重计算，得到弹幕A和弹幕B的最终相似度。
2.如权利要求1所述的一种弹幕文本相似度计算方法，其特征在于：所述计算相同词项在弹幕A和弹幕B文本中的所占比例，计算公式为：
其中，P(A,B)表示相同词项在弹幕A和弹幕B文本中的所占比例，wordi表示相同词项，ni表示相同词项的最小词频，m表示相同词项的个数，LA表示弹幕A的文本长度，LB表示弹幕B的文本长度。
3.如权利要求2所述的一种弹幕文本相似度计算方法，其特征在于：所述计算基于相同词项词频的弹幕A和弹幕B的文本相似度，计算公式为：
其中，Simtf(A,B)表示基于相同词项词频的弹幕A和弹幕B的文本相似度。
4.如权利要求3所述的一种弹幕文本相似度计算方法，其特征在于：所述基于余弦相似度算法计算弹幕A和弹幕B在文本空间的文本相似度，计算公式为：
其中，simword2vec(A,B)表示弹幕A和弹幕B在文本空间的相似度，表示弹幕A通过word2vec模型映射后的空间向量，表示弹幕B通过word2vec模型映射后的空间向量，p表示的维数。
5.如权利要求4所述的一种弹幕文本相似度计算方法，其特征在于：所述对弹幕A和弹幕B基于相同词项词频的文本相似度，以及在文本空间的文本相似度进行权重计算，得到弹幕A和弹幕B的最终相似度，计算公式为：
Sim(A,B)＝λ*Simtf(A,B)+(1-λ)Simword2vec(A,B)
其中，Sim(A,B)表示弹幕A和弹幕B最终相似度，λ为调整系数，取值范围为[0.6,0.8]。
6.如权利要求1所述的一种弹幕文本相似度计算方法，其特征在于：当弹幕A和弹幕B的最终相似度大于设定阈值时，选取弹幕A或弹幕B中的任一条弹幕在直播画面上展示，另一条未被选取的弹幕在直播画面上不作展示。
7.一种存储介质，该存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现以下步骤：
对弹幕A和弹幕B的文本进行分词，得出弹幕A和弹幕B的相同词项，以及相同词项的最小词频；
计算相同词项在弹幕A和弹幕B文本中的所占比例；
计算基于相同词项词频的弹幕A和弹幕B的文本相似度；
将弹幕A和弹幕B的文本通过word2vec模型映射为空间向量，然后基于余弦相似度算法计算弹幕A和弹幕B在文本空间的文本相似度；
对弹幕A和弹幕B基于相同词项词频的文本相似度，以及在文本空间的文本相似度进行权重计算，得到弹幕A和弹幕B的最终相似度。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉斗鱼网络科技有限公司，未经武汉斗鱼网络科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811459848.5/1.html，转载请声明来源钻瓜专利网。
