[发明专利]中文文本匹配方法及系统

说明书

本发明实施例提供一种中文文本匹配方法。该方法包括：使用多个分词工具对中文句子对进行字级别的编码，得到中文句子对的初始字向量；将中文句子对的初始字向量输入至输入层，基于知网外部知识库确定词向量的语义表示；通过多维图注意力网络分别对语义表示、词向量的词格进行迭代更新，输出带有语义表示的语义词向量；将语义词向量输入至句子匹配层，确定中文句子对的最终特征表示语义字向量；基于中文句子对的最终特征表示语义字向量和多个分词工具对中文句子对的特征表示确定匹配概率。本发明实施例还提供一种中文文本匹配系统。本发明实施例将在模型中融入了HowNet外部知识库中的语义信息，更好地利用句子中的语义信息，匹配效果有显著性能提升。

技术领域

本发明涉及文本匹配领域，尤其涉及一种中文文本匹配方法及系统。

背景技术

文本匹配是自然语言处理中一个重要的基础问题，可以应用于大量的 NLP(Natural Language Processing，自然语言处理)任务中，如信息检索、问答系统、复述问题、对话系统、机器翻译等，这些NLP任务在很大程度上可以抽象为文本匹配问题。对于文本匹配通常会使用词格卷积神经网络、自然语言句子中双向多角度匹配。

词格卷积神经网络：使用词格作为输入，在不同的n-gram文本上使用多种CNN(Convolutional Neural Networks，卷积神经网络)卷积核提取特征，再通过池化机制对特征进行融合，以用于文本匹配。

自然语言句子中的双向多角度匹配。使用词作为输入，对每个句子用 BiLSTM(Bi-directional Long Short-Term Memory，双向长短期记忆网络) 进行编码，采用多种方法对两个句子的特征进行交互，将多种交互信息结合进行分类。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

使用词格卷积神经网络时，特征来源于局部信息，无法对全局信息进行融合，可能会造成模型在提取句子中某一位置的特征时，丢失了远距离的信息。另外，该技术只使用了词的表示，没有将语义信息利用起来。

使用自然语言句子中的双向多角度匹配时，虽然可以获得句子之间的交互信息，但是由于输入是简单的分词，可能会引入分词不准确带来的影响。另外，该技术同样没有利用词的语义信息。

发明内容

为了至少解决现有技术中词格卷积神经网络的n-gram文本卷积只能获得局部信息，另外使用的是词向量表示，没有包含显式的语义信息。双向多角度匹配时，输入单元使用了分词工具进行分词，分词工具无法保证分词完全准确的问题。

第一方面，本发明实施例提供一种中文文本匹配方法，包括：

使用多个分词工具，对中文句子对进行字级别的编码，得到所述中文句子对的初始字向量；

将所述中文句子对的初始字向量输入至输入层，确定所述中文句子对的词向量，基于知网外部知识库，得到对应于所述词向量的义原，确定所述词向量的语义表示；

将所述中文句子对的词向量以及语义表示输入至可感知语义的图变换层，通过多维图注意力网络分别对所述语义表示、所述词向量的词格进行迭代更新，输出带有语义表示的语义词向量；

将所述语义词向量输入至句子匹配层，将得到所述中文句子对的语义字向量和交互语义字向量进行连接，确定所述中文句子对的最终特征表示语义字向量；

基于所述中文句子对的最终特征表示语义字向量以及所述多个分词工具对所述中文句子对的特征表示确定匹配概率。

第二方面，本发明实施例提供一种中文文本匹配系统，包括：

编码程序模块，用于使用多个分词工具，对中文句子对进行字级别的编码，得到所述中文句子对的初始字向量；