[发明专利]一种语料匹配的方法、装置、计算机设备及存储介质

权利要求书

1.一种语料匹配的方法，其特征在于，包括：

从预设的语料库中获取预先收集的所有专业语料；

将所述专业语料输入到预先训练好的语料转化模型，得到所述专业语料对应的常规语料；

对所述常规语料进行向量转化，得到第一句向量；

获取用户输入的待匹配语料，并对所述待匹配语料进行向量转化，得到第二句向量；

计算所述第一句向量和所述第二句向量的相似度，得到句向量相似度；

基于所述句向量相似度对所述待匹配语料和所述专业语料进行语料匹配，输出语料匹配结果。

2.如权利要求1所述的语料匹配的方法，其特征在于，在所述将所述专业语料输入到预先训练好的语料转化模型，得到所述专业语料对应的常规语料之前，还包括：

从所述语料库中获取相互匹配的历史专业语料和历史常规语料，以构建训练语料；

通过所述训练语料对预设的初始神经网络模型进行迭代训练，得到训练好的所述语料转化模型。

3.如权利要求2所述的语料匹配的方法，其特征在于，所述从所述语料库中获取相互匹配的历史专业语料和历史常规语料，以构建训练语料包括：

对所述历史专业语料进行分词处理，得到第一分词；

对所述历史常规语料进行分词处理，得到第二分词；

对所述第一分词和所述第一分词进行匹配，得到分词匹配结果；

根据所述分词匹配结果对所述历史专业语料和所述历史常规语料进行文本标志符插入处理，得到所述训练语料。

4.如权利要求3所述的语料匹配的方法，其特征在于，所述根据所述分词匹配结果对所述历史专业语料和所述历史常规语料进行文本标志符插入处理，得到所述训练语料包括：

根据所述分词匹配结果确定所述历史专业语料和所述历史常规语料的分词位置；

比对所述历史专业语料和所述历史常规语料的文本长度，并根据所述分词位置在文本长度较短的语料中插入所述文本标志符，形成所述训练语料。

5.如权利要求2所述的语料匹配的方法，其特征在于，所述初始神经网络模型包括输入层、卷积层和输出层，通过所述训练语料对预设的初始神经网络模型进行迭代训练，得到训练好的所述语料转化模型包括：

采用所述输入层对所述训练语料进行向量转换，得到训练语料向量；

采用所述卷积层对所述训练语料向量进行卷积运算，得到特征数据；

将所述特征数据导入到所述输出层中进行相似度计算，并输出相似度最大值对应的语料转化识别结果；

利用所述语料转化识别结果对所述初始神经网络模型进行迭代更新，得到训练好的所述语料转化模型。

6.如权利要求1所述的语料匹配的方法，其特征在于，所述利用所述语料转化识别结果对所述初始神经网络模型进行迭代更新，得到训练好的所述语料转化模型包括：

基于所述语料转化识别结果与预设标准结果，使用反向传播算法进行拟合，获取预测误差；

将所述预测误差与预设误差阈值进行比较，若所述预测误差大于预设误差阈值，则对所述初始神经网络模型进行迭代更新，直到所述预测误差小于等于预设误差阈值为止，得到训练好的所述语料转化模型。

7.如权利要求1至6任意一项所述的语料匹配的方法，其特征在于，基于所述句向量相似度对所述待匹配语料和所述专业语料进行语料匹配，输出语料匹配结果包括：

对计算得到的所述句向量相似度进行降序排列，得到相似度排序结果；

将所述相似度排序结果中的最大值对应的专业语料作为所述待匹配语料的语料匹配结果，并输出所述语料匹配结果。