[发明专利]文本相似度确定方法、装置、设备和存储介质

权利要求书

1.一种文本相似度确定方法，其特征在于，包括：

获取待确定相似度的目标文本和备选文本；

确定所述目标文本与所述备选文本的词语义相似度和词频逆词频相似度，其中，所述词频逆词频相似度包含无词性词频逆词频相似度和/或含词性词频逆词频相似度；

依据预设词语义权重、预设词频逆词频权重、以及所述词语义相似度和所述词频逆词频相似度，确定所述目标文本与所述备选文本的文本相似度，其中，所述预设词频逆词频权重包含预设无词性词频逆词频权重和/或预设含词性词频逆词频权重。

2.根据权利要求1所述的方法，其特征在于，确定所述目标文本与所述备选文本的词语义相似度和词频逆词频相似度包括：

对所述目标文本进行分词，获得所述目标文本对应的各目标无词性词；

依据每个所述目标无词性词和所述备选文本，基于预先训练的词语义相似度模型，确定所述目标文本与所述备选文本的词语义相似度；

依据每个所述目标无词性词、所述目标文本和所述备选文本，基于词频逆词频相似度模型，确定所述目标文本与所述备选文本的无词性词频逆词频相似度；

相应地，依据预设词语义权重、预设词频逆词频权重、以及所述词语义相似度和所述词频逆词频相似度，确定所述目标文本与所述备选文本的文本相似度包括：

依据所述预设词语义权重、所述预设无词性词频逆词频权重、以及所述词语义相似度和所述无词性词频逆词频相似度，确定所述目标文本与所述备选文本的文本相似度。

3.根据权利要求1所述的方法，其特征在于，确定所述目标文本与所述备选文本的词语义相似度和词频逆词频相似度包括：

对所述目标文本进行分词及词性标注，获得所述目标文本对应的各目标无词性词和各目标词性标注词；

依据每个所述目标无词性词和所述备选文本，基于预先训练的词语义相似度模型，确定所述目标文本与所述备选文本的词语义相似度；

依据每个所述目标词性标注词、所述目标文本和所述备选文本，基于词频逆词频相似度模型，确定所述目标文本与所述备选文本的含词性词频逆词频相似度；

相应地，依据预设词语义权重、预设词频逆词频权重、以及所述词语义相似度和所述词频逆词频相似度，确定所述目标文本与所述备选文本的文本相似度包括：

依据所述预设词语义权重、所述预设含词性词频逆词频权重、以及所述词语义相似度和所述含词性词频逆词频相似度，确定所述目标文本与所述备选文本的文本相似度。

4.根据权利要求1所述的方法，其特征在于，确定所述目标文本与所述备选文本的词语义相似度和词频逆词频相似度包括：

对所述目标文本进行分词及词性标注，获得所述目标文本对应的各目标无词性词和各目标词性标注词；

依据每个所述目标无词性词和所述备选文本，基于预先训练的词语义相似度模型，确定所述目标文本与所述备选文本的词语义相似度；

依据每个所述目标无词性词、所述目标文本和所述备选文本，基于词频逆词频相似度模型，确定所述目标文本与所述备选文本的无词性词频逆词频相似度；

依据每个所述目标词性标注词、所述目标文本和所述备选文本，基于词频逆词频相似度模型，确定所述目标文本与所述备选文本的含词性词频逆词频相似度；

相应地，依据预设词语义权重、预设词频逆词频权重、以及所述词语义相似度和所述词频逆词频相似度，确定所述目标文本与所述备选文本的文本相似度包括：

依据所述预设词语义权重、所述预设无词性词频逆词频权重、所述预设含词性词频逆词频权重、以及所述词语义相似度、所述无词性词频逆词频相似度和所述含词性词频逆词频相似度，确定所述目标文本与所述备选文本的文本相似度。

5.根据权利要求2-4任一项所述的方法，其特征在于，所述词频逆词频相似度模型为词频逆词频模型，所述词语义相似度模型为Word2vec模型；

所述Word2vec模型基于短文本数据库和长文本数据库预先训练，其中，所述长文本数据库基于业务场景对应的业务数据而预先构建，所述短文本数据库基于所述业务场景下业务需求对应的业务数据而预先构建。