[发明专利]文本语义匹配方法、装置、计算机设备及存储介质

权利要求书

1.一种文本语义匹配方法，其特征在于，包括：

判断是否接收到用户端发送的待回答文本数据；

若接收到所述待回答文本数据，获取与所述待回答文本数据对应的当前语义向量；

获取已存储知识库中的各提问文本数据分别对应的语义向量，以组成语义向量集合，获取所述当前语义向量与所述语义向量集合中各语义向量的相似度；

判断所述语义向量集合中各语义向量与所述当前语义向量的相似度中是否有超出预先设置的相似度阈值对应的目标语义向量；

若所述语义向量集合中各语义向量与所述当前语义向量的相似度中无超出所述相似度阈值对应的目标语义向量，获取所述待回答文本数据对应的待编码向量，以输入至基于多头注意力机制的编码器得到编码向量；以及

获取所述编码向量与所述语义向量集合中各语义向量的相似度，以获取所述语义向量集合中各语义向量与所述编码向量之间的相似度为最大值对应的第一最佳候选语义向量，获取与所述第一最佳候选语义向量对应的第一答复文本数据并发送至用户端。

2.根据权利要求1所述的文本语义匹配方法，其特征在于，所述获取所述待回答文本数据对应的待编码向量，以输入至基于多头注意力机制的编码器得到编码向量，包括：

获取所述待回答文本数据进行关键词抽取对应得到的当前关键词集合；

获取所述关键词集合中各关键词对应的位置编码和词向量，以由各关键词对应的位置编码和词向量组成与各关键词对应的待编码向量；

将所述关键词集合中各关键词对应的待编码向量输入至所述编码器，得到与所述待回答文本数据对应的编码向量。

3.根据权利要求1所述的文本语义匹配方法，其特征在于，所述判断所述语义向量集合中各语义向量与所述当前语义向量的相似度中是否有超出预先设置的相似度阈值对应的目标语义向量之后，还包括：

若所述语义向量集合中各语义向量与所述当前语义向量的相似度中有超出所述相似度阈值对应的目标语义向量，获取对应的目标语义向量以组成目标语义向量集合；

获取所述目标语义向量集合中各语义向量与所述当前语义向量的相似度为最大值对应的语义向量，以作为第二最佳候选语义向量，获取与所述第二最佳候选语义向量对应的第二答复文本数据并发送至用户端。

4.根据权利要求1所述的文本语义匹配方法，其特征在于，所述获取与所述待回答文本数据对应的当前语义向量，包括：

将所述待回答文本数据通过基于概率统计分词模型进行分词，得到与所述待回答文本数据对应的分词结果；

通过词频-逆文本频率指数模型，抽取所述分词结果按词频-逆文本频率指数降序排序后未超出预设的排名阈值的关键词，以组成分词关键词集合；

通过Word2Vec模型获取所述分词关键词集合中各关键词对应的词向量，以由所述分词关键词集合中各关键词对应的词向量及各词向量对应的权重，获取与所述待回答文本数据对应的当前语义向量。

5.根据权利要求2所述的文本语义匹配方法，其特征在于，所述获取所述关键词集合中各关键词对应的位置编码和词向量，包括：

通过正余弦位置编码来获取所述关键词集合中各关键词对应的位置编码。

6.根据权利要求2所述的文本语义匹配方法，其特征在于，所述将所述关键词集合中各关键词对应的待编码向量输入至所述编码器，得到与所述待回答文本数据对应的编码向量，包括：

获取所述关键词集合中各关键词对应的待编码向量分别对应的自注意力向量；

将所述关键词集合中各关键词对应的待编码向量对应的自注意力向量进行求和后进行归一化，得到与各待编码向量对应的归一化编码向量；

将与各待编码向量对应的归一化编码向量均输入至前馈神经网络，得到与各归一化编码向量对应的编码数据向量；

将各归一化编码向量对应的编码数据向量进行求和后进行归一化，得到对应的编码向量。