[发明专利]一种文本匹配方法和装置、存储介质

说明书

本发明实施例公开了一种文本匹配方法和装置、存储介质，其中，所述方法包括：获取待检测文本，所述待检测文本为包含有至少两个第一分词的第一分词组；将所述第一分词组与语料库中的文本进行分词匹配，并从语料库中选取出与所述第一分词组的匹配程度满足预设规则的至少一个疑似目标文本；控制滑动窗口按照确定出的滑动步长并通过在所述疑似目标文本中滑动的方式，从所述疑似目标文本中截取出至少两个第二分词以形成第二分词组；将所述第一分词组与所述第二分词组进行匹配，至少基于匹配结果确定所述疑似目标文本是否为与所述待检测文本相匹配的目标文本。如此，为准确、高效地判断出待检测文本是否为抄袭文本奠定了基础。

技术领域

本发明涉及自然语言处理领域，更具体地，涉及一种文本匹配方法和装置、存储介质。

背景技术

文本匹配是自然语言处理中的一个核心问题，很多自然语言处理的任务都可以抽象成文本匹配问题，如此，来解决实际应用中所遇到的问题，比如文章抄袭等。

但是，如何高效准确地基于文本匹配方法来判断待检测文本是否为抄袭文本仍是亟待解决的问题。

发明内容

鉴于上述问题，本发明提出了一种用于检索的方法和装置、存储介质，以为准确、高效地判断出待检测文本是否为抄袭文本奠定了基础。

本发明实施例的技术方案是这样实现的：

第一方面，本发明实施例提供了一种文本匹配方法，包括：

获取待检测文本，所述待检测文本为包含有至少两个第一分词的第一分词组；

将所述第一分词组与语料库中的文本进行分词匹配，并从语料库中选取出与所述第一分词组的匹配程度满足预设规则的至少一个疑似目标文本；

控制滑动窗口按照确定出的滑动步长并通过在所述疑似目标文本中滑动的方式，从所述疑似目标文本中截取出至少两个第二分词以形成第二分词组；

将所述第一分词组与所述第二分词组进行匹配，至少基于匹配结果确定所述疑似目标文本是否为与所述待检测文本相匹配的目标文本。

上述方案中，所述将所述第一分词组与所述第二分词组进行匹配，包括：

确定所述第一分词组中各第一分词的特征向量，并形成表征所述待检测文本的第一特征矩阵；

确定所述第二分词组中各第二分词的特征向量，并形成表征所述第二分词组的第二特征矩阵；

将所述第一特征矩阵与所述第二特征矩阵进行相似度匹配。

上述方案中，落入所述滑动窗口的第二分词的分词数量大于等于所述第一分词组的分词数量。

上述方案中，当落入所述滑动窗口的第二分词的分词数量大于所述第一分词组的分词数量时，所述方法还包括：

从落入所述滑动窗口中的所有第二分词中选出部分第二分词，形成第二分词组，以使所述第二分词组中的分词数量与所述第一分词组中的分词数量相同。

上述方案中，所述控制滑动窗口按照确定出的滑动步长并通过在所述疑似目标文本中滑动的方式，从所述疑似目标文本中截取出至少两个第二分词以形成第二分词组，包括：

定位所述滑动窗口在所述疑似目标文本所处位置，作为初始位置；

控制所述滑动窗口从所述初始位置开始移动N个字符数到第一位置，使在所述初始位置中落入所述滑动窗口中的至少部分第二字符移出所述滑动窗口，未落入所述滑动窗口中的至少部分第二分词落入所述滑动窗口，以更新所述滑动窗口中的第二分词；

所述N是基于所述滑动步长确定出的，所述N为自然数，且大于等于1，小于等于所述滑动步长所对应的最大字符数。

上述方案中，所述方法还包括：