[发明专利]文本信息匹配度量的方法、装置、服务器及存储介质

权利要求书

1.一种文本信息匹配度量的方法，其特征在于，所述文本信息匹配度量的方法包括：

在接收到目标文本和相似文本时，读取所述目标文本和所述相似文本中的字词粒度，其中所述相似文本至少为一个；

根据读取到的所述目标文本的字词粒度和所述相似文本的字词粒度，获取所述目标文本的向量表征信息和所述相似文本的向量表征信息；

当将所述目标文本的向量表征信息和所述相似文本的向量表征信息作为预置孪生网络模型的输入值时，获取预置孪生网络模型计算的所述目标文本与所述相似文本之间的相似度；

在获取到所述目标文本与所述相似文本之间的相似度时，匹配与所述目标文本相似度最高的相似文本；

所述当将所述目标文本的向量表征信息和所述相似文本的向量表征信息作为预置孪生网络模型的输入值时，获取预置孪生网络模型计算的所述目标文本与所述相似文本之间的相似度，包括：

在获取到所述目标文本的向量表征信息以及所述相似文本的向量表征信息时，向所述预置孪生网络模型中输入所述目标文本的向量表征信息和所述相似文本的向量表征信息；

当输入所述目标文本的向量表征信息和所述相似文本的向量表征信息时，检测到所述预置孪生网络模型的注意力机制以及前向网络编码将所述目标文本的向量表征信息和所述相似文本的向量表征信息作为隐藏层的初始值；

根据所述预置孪生网络模型的函数公式其中，w、u为孪生网络模型预训练后优化的参数，q、k为文本向量表征的初始值，获取所述目标文本和所述相似文本之间的相似度。

2.如权利要求1所述的文本信息匹配度量的方法，其特征在于，所述在接收到目标文本和相似文本时，读取所述目标文本和所述相似文本中的字词粒度，包括：

在接收到目标文本和相似文本时，获取预置知识库；

当获取到所述预置知识库时，分解所述目标文本和所述相似文本；

在分解所述目标文本和所述相似文本时，读取所述目标文本和所述相似文本中的字词粒度。

3.如权利要求1所述的文本信息匹配度量的方法，其特征在于，所述根据读取到的所述目标文本的字词粒度和所述相似文本的字词粒度，获取所述目标文本的向量表征信息和所述相似文本的向量表征信息，包括：

在读取到所述目标文本的字词粒度和所述相似文本的字词粒度时，调用预置第一神经网络模型和预置第二神经网络模型；

根据所述预置第一神经网络模型，获取所述目标文本的字词向量表征信息和所述相似文本的字词向量表征信息；

根据所述预置第二神经网络模型，获取所述目标文本的向量表征信息和所述相似文本的向量表征信息。

4.如权利要求3所述的文本信息匹配度量的方法，其特征在于，所述根据所述预置第一神经网络模型，获取所述目标文本的字词向量表征信息和所述相似文本的字词向量表征信息，包括：

当调用所述预置第一神经网络模型时，将读取到的所述目标文本的字词粒度和所述相似文本的字词粒度分别作为所述预置第一神经网络模型的输入值；

在运行所述预置第一神经网络模型时，检测所述预置第一神经网络的权重矩阵以及隐藏层；

在检测到所述预置第一神经网络的权重矩阵以及隐藏层时，分别获取所述预置第一神经网络模型输出的所述目标文本的字词向量表征信息和所述相似文本的字词向量表征信息。

5.如权利要求3所述的文本信息匹配度量的方法，其特征在于，所述根据所述预置第一神经网络模型，获取所述目标文本的字词向量表征信息和所述相似文本的字词向量表征信息之后，所述根据所述预置第二神经网络模型，获取所述目标文本的向量表征信息和所述相似文本的向量表征信息之前，还包括：

当获取到所述目标文本的字词向量表征信息的数量和所述相似文本的字词向量表征信息的数量时，判断所述目标文本与所述相似文本的字词向量表征信息的数量是否一致；

当所述目标文本的字词向量表征信息的数量与所述相似文本的字词向量表征信息的数量不一致时，根据预置阈值修改所述目标文本或所述相似文本的字词向量表征信息的数量。