[发明专利]文本相似度的判断方法、装置以及计算机设备

权利要求书

1.一种文本相似度的判断方法，其特征在于，包括：

获取需要判断相似度的第一文本和第二文本；

根据所述第一文本和第二文本获取对应的关键词库，其中，所述关键词库中存储有多个关键词，以及与各所述关键词一一对应的权重值；

基于所述关键词库提取所述第一文本的各第一关键词，并根据各所述第一关键词对应各第一权重值生成第一文本权重向量，以及，基于所述关键词库提取所述第二文本的各第二关键词，并根据各所述第二关键词对应各第二权重值生成第二文本权重向量；

根据相似度计算公式计算所述第一文本权重向量和所述第二文本权重向量的相似度值；

根据所述相似度值判断所述第一文本与所述第二文本是否相似。

2.如权利要求1所述的文本相似度的判断方法，其特征在于，所述根据相似度计算公式计算所述第一文本权重向量和所述第二文本权重向量的相似度值的步骤，包括：

分别获取所述第一文本权重向量和所述第二文本权重向量中各关键词的个数；

根据各关键词对应的所述权重以及个数，通过所述相似度计算公式计算所述第一文本权重向量和所述第二文本权重向量的相似度值；其中，所述相似度计算公式为I表示所述第一文本权重向量，R表示第二文本权重向量，cos(I,R)表示所述相似度值，x_i表示所述第一文本权重向量的第i个关键词对应的个数，y_i表示所述第二文本权重向量的第i个关键词对应的个数，n表示所述关键词库中关键词的个数，w_i表示第个关键词对应的权重。

3.如权利要求1所述的文本相似度的判断方法，其特征在于，所述根据所述第一文本和第二文本获取对应的关键词库的步骤之前，还包括：

按照预设的规则将所述关键词划分为多个类别；

将多个类别中的第一类关键词取出，并为其他关键词按照预设的权重规则划分权重；

将多组相似文本依次输入至权重训练模型中进行训练，得到所述第一类关键词的权重参数。

4.如权利要求1所述的文本相似度的判断方法，其特征在于，所述基于所述关键词库提取所述第一文本的各第一关键词，并根据各所述第一关键词对应各第一权重值生成第一文本权重向量，以及，基于所述关键词库提取所述第二文本的各第二关键词，并根据各所述第二关键词对应各第二权重值生成第二文本权重向量的步骤，包括：

通过文本分类器分别对所述第一文本和所述第二文本进行分词，分别对应得到第一词语和第二词语；

根据所述关键词库将所述第一词语中对应的所述第一关键词，以及所述第二词语中对应的所述第二关键词提取出来；

根据所述第一关键词对应各第一权重值生成第一文本权重向量，以及根据所述第二关键词对应各第二权重值生成第二文本权重向量。

5.如权利要求1所述的文本相似度的判断方法，其特征在于，所述根据所述第一文本和第二文本获取对应的关键词库的步骤，包括：

将所述第一文本和所述第二文本依次输入至自然语言处理后的机器学习模型中，并计算得到所述第一文本与所述第二文本与各个类别分别对应的第一类别相似度和第二类别相似度；

提取所述第一类别相似度中大于类别预设相似度的第一期望类别，以及提取所述第二类别相似度中大于类别预设相似度的第二期望类别；

提取所述第一期望类别中与所述第二期望类别中相同的目标类别，并获取所述目标类别对应的关键词库。

6.如权利要求1所述的文本相似度的判断方法，其特征在于，所述根据所述第一文本和第二文本获取对应的关键词库的步骤之前，还包括：

按照预设的规则将所述关键词划分为多个等级；

设置最低等级的关键词的最低权重，以及根据公式设定其余等级的所述关键词的权重，其中，w_c表示所述最低权重，w_t表示第t等级的权重，R_t表示第t等级的预设参数，n_t表示第t等级所有关键词的总数量。