[发明专利]一种基于CTW和KM算法的语义相似度计算方法及装置

权利要求书

1.一种基于CTW和KM算法的语义相似度计算方法，其特征在于，包括：

步骤S1：选择预设语料库，并通过预设词向量结合神经网络学习的方法训练，获得词向量空间，其中，词向量空间中的每个词向量用以表征该分词的语义信息；

步骤S2：将待比较文本与源文本进行分词，再根据所述词向量空间，分别建立与待比较文本、源文本对应的词分量数组；

步骤S3：依次计算待比较文本中的每个分词与源文本中的每个分词的CTW距离；

步骤S4：根据计算出的CTW距离构建CTW矩阵；

步骤S5：将分词对应的词分量，按照待比较文本、源文本分为第一集合和第二集合，其中，第一集合和第二集合中的每个词分量对应一个顶点，并根据顶点和CTW矩阵建立与待比较文本、源文本对应的第一超平面和第二超平面，再计算第一超平面与第二超平面之间的层间距离，同时求得第二超平面对应的映射法向量；

步骤S6：计算第二超平面对应的映射法向量与待比较文本中向量点的距离，将其作为平面内距离；

步骤S7：根据层间距离和平面内距离，计算待比较文本与源文本之间的相似度。

2.如权利要求1所述的方法，其特征在于，步骤S3具体包括：

步骤S3.1：采用动态规划方法DTW中的预设公式计算W_x,W_y，该预设公式具体为：

其中，为求出的对齐X和Y的二元选择矩阵，矩阵W_x和W_y为对齐路径的编码；

步骤S3.2：在DTW的最小平方公式的基础上增加线性变换最小平方公式具体为：

其中，b≤min(d_x,d_y)，通过将序列投影到相同的坐标系中来参数化空间扭曲；

步骤S3.3：利用单位矩阵初始化V_x和V_y；

步骤S3.4：采用典型相关分析方法CCA计算V_x和V_y；

步骤S3.5：重复执行步骤S3.1，采用预设规则改变W_x、W_y、V_x和V_y的值，根据预设公式计算CTW距离值J_ctw，当连续两次计算出的CTW距离值J_ctw满足预设条件时，则取当前的J_ctw作为CTW距离。

3.如权利要求1所述的方法，其特征在于，步骤S4具体包括：

将步骤S3计算出的CTW距离对应的矩阵进行维度扩展，转换为n*n维的矩阵，其中，n＝min{d_x,d_y}，d_x×d_y为CTW距离对应的矩阵的大小。

4.如权利要求1所述的方法，其特征在于，步骤S5具体包括：

步骤S5.1：初始化可行顶标的值，对两边的每一个顶点都赋予一个额外的值Lx(x)＝max{w(x,y_i)}i＝1,2,....,d_y，Ly(y)＝0，使得对于二分图G内的所有边e＝x_iyj均有Lx(x)+Ly(y)≥w(xy)，对于一个赋值二分图G(X,Y,E,W)，X,Y代表二分图的两边顶点标号，E代表边的权值；

步骤S5.2：在已经赋值可行顶标的二分图中，保留所有Lx(x)+Ly(y)＝w(xy)的边，删去其他的边，获得生成子图，再采用匈牙利算法KM寻找生成子图的完备匹配，其中完备匹配用以表示所有的顶点都是匹配点的图；

步骤S5.3：判断是否找到完备匹配，如果未找到，则通过修改可行顶标的值进行调整，继续执行步骤S5.2；

步骤S5.4：根据找出的完备匹配，求出二分图的最小路径覆盖的路径的最小值和最大值，将最小值和最大值作为层间距离的最小值和层间距离的最大值。