[发明专利]一种词语相似度计算方法、装置以及存储介质

权利要求书

1.一种词语相似度计算方法，其特征在于，包括：

获取第一词语和第二词语的交并比、所述第一词语的长度、所述第二词语的文字在所述第一词语的聚合度、所述第二词语的文字在所述第一词语的前置匹配度；所述获取第一词语和第二词语的交并比包括：

其中，count(W_m∩W_a)表示所述第一词语与所述第二词语之间相同的字符的个数，count(W_m∪W_a)表示所述第一词语与所述第二词语之间并集的字符的个数；

所述第二词语的文字在所述第一词语的聚合度包括：

其中，f(i)的取值为：若c_m,i属于W_a且c_m,i-1不属于W_a时，f(i)等于i；若c_m,i属于W_a且c_m,i-1属于W_a时，f(i)等于-1；若c_m,i不属于W_a时，f(i)等于0；所述第一词语包含的字符按顺序标记，第i个字符记为c_m,i,b为纠偏项，所述第一词语和所述第二词语所包含字符的集合分别记为W_m、W_a，所述字符包括汉字、数字、英文字母；

所述第二词语的文字在所述第一词语的前置匹配度包括：

S_f＝min{i|c_m,i∈W_a}

其中，所述S_f表示字符在所述第一词语和所述第二词语中均存在，并且在所述第一词语中的位置最靠前所对应的位置的值即i最小；

利用预设词语相似度算法计算所述第一词语与所述第二词语之间的相似度；

所述第一词语的数量为若干个，将所述若干个第一词语与所述第二词语之间的相似度进行排序。

2.如权利要求1所述词语相似度计算方法，其特征在于，所述预设词语相似度算法包括：

其中，S_iou表示所述第一词语和所述第二词语的交并比，S_l表示所述第一词语的长度，S_c表示所述第二词语的文字在所述第一词语的聚合度，S_f表示所述第二词语的文字在所述第一词语的前置匹配度，所述W_iou，W_l，W_c，W_f分别是所述交并比、长度、聚合度和前置匹配度的权重系数。

3.如权利要求1所述词语相似度计算方法，其特征在于，所述第一词语的长度包括：

S_l＝count(W_m)

其中，count(W_m)为所述第一词语中字符的总数，用来表征长度。

4.如权利要求1所述词语相似度计算方法，其特征在于，所述纠偏项b包括：

b＝count(W_m)-N

所述count(W_m)为所述第一词语的长度，所述N包括使所述S_c为非负数的任何数。