[发明专利]不同文档中相关句子的匹配方法、系统和计算机可读存储介质

权利要求书

1.一种不同文档中相关句子的匹配方法，用于将基准文档中的基准句子和比对文档中的候选句子进行匹配，其特征在于，所述匹配方法包括：在浅层语义、统计信息、深层语义三个层面上，计算候选句子相对于基准句子的表示匹配程度的浅层分数、统计分数、深层分数；

基于线性回归模型拟合所述浅层分数、统计分数和深层分数，获得用来表示所述候选句子相对于基准句子的匹配度的最终分数。

2.根据权利要求1所述的不同文档中相关句子的匹配方法，其特征在于，所述浅层语义的获取包括三个平行指标的获取，所述平行指标分别为：字符、分词、主干成分。

3.根据权利要求2所述的不同文档中相关句子的匹配方法，其特征在于，所述主干成分的获取包括：

找出句子中的名词以及与其为定中结构的形容词；

从距离名词最近的形容词开始，依次向远离名词的方向进行多个形容词的叠加，配合名词组合得到多个主干成分。

4.根据权利要求3所述的不同文档中相关句子的匹配方法，其特征在于，所述浅层分数的计算方法包括：

分别获取基准句子中的字符、分词、主干成分在候选句子中的召回率；以召回率构成第一向量作为浅层分数。

5.根据权利要求4所述的不同文档中相关句子的匹配方法，其特征在于，所述统计分数的计算方法包括：

基于包含基准文档、比对文档所在的特定领域的多个文档计算出所述主干成分的TF-IDF分数；

取TF-IDF分数较大的若干主干成分；

以主干成分是否同时出现在基准句子和候选句子为第一变量，基准句子和候选句子是否真实匹配为第二变量，对第一变量和第二变量进行卡方检验，将通过卡方检验的主干成分作为重点成分；

以所述重点成分是否同时出现在基准句子和候选句子内构建第二向量，作为统计分数。

6.根据权利要求5所述的不同文档中相关句子的匹配方法，其特征在于，所述深层分数的计算方法包括：

利用广泛语料的Bert预训练的模型，得到Bert分类网络；

基于分类网络计算出候选句子在深层语义相对于基准句子的相似度构成第三向量，作为深层分数。

7.根据权利要求6所述的不同文档中相关句子的匹配方法，其特征在于，所述线性回归模型包括权重和预设的偏置值，针对不同的所述特定领域的多个文档训练得出不同的与领域相对的所述权重。

8.根据权利要求1所述的不同文档中相关句子的匹配方法，其特征在于，所述匹配方法包括：

若候选句子与基准句子在段落的同一位置，则最终分数上调预定分数。

9.一种不同文档中相关句子的匹配系统，用于将基准文档中的基准句子和比对文档中的候选句子进行匹配，其特征在于，所述匹配系统包括：计算模块，所述计算模块在浅层语义、统计信息、深层语义三个层面上，计算候选句子相对于基准句子的表示匹配程度的浅层分数、统计分数、深层分数；

拟合模块，所述拟合模块基于线性回归模型拟合所述浅层分数、统计分数和深层分数，获得用来表示所述候选句子相对于基准句子的匹配度的最终分数。

10.一种计算机可读存储介质，其特征在于，所述可读存储介质存储有计算机指令，所述指令被处理器运行时实现权利要求1-8中任一所述匹配方法。