[发明专利]一种短文本间相似度计算方法

摘要

本发明公开了一种短文本间相似度计算方法，获取语料数据，对语料数据进行预处理，得到训练语料；根据训练语料，得到关键词提取模型，利用分词工具对训练语料分词，并用word2vec训练获得词向量集；获得用户输入文本和候选问答对的问题，分别得到分词结果和关键词提取结果；根据分词结果和关键词提取结果，通过词向量集计算出候选问答对的问题和用户输入文本的词向量，通过词向量获得句向量，计算两个句向量间的相似度；通过用户输入的文本和候选问答对的问题中包含的信息进行相似度的修正，得到修正后的相似度。本发明通过对用户输入和候选问答对的问题句向量间的余弦相似度计算，并通过句子的句型、命名实体和代词修正相似度。

主权项

1.一种短文本间相似度计算方法，其特征在于，包括：步骤S1，获取语料数据，对所述语料数据进行预处理，得到训练语料；步骤S2，根据所述训练语料，得到关键词提取模型，利用分词工具对所述训练语料分词，并用word2vec训练获得词向量集；步骤S3，获得用户输入文本和候选问答对的问题，对所述候选问答对的问题和所述用户输入文本通过所述分词工具分别进行分词，对所述候选问答对的问题和所述用户输入文本分别通过所述关键词提取模型进行关键词提取，得到所述候选问答对的问题的分词结果和关键词提取结果，及所述用户输入文本的分词结果和关键词提取结果；步骤S4，根据所述候选问答对的问题的分词结果和关键词提取结果，通过所述词向量集获得所述候选问答对的问题的词向量，根据所述用户输入文本的分词结果和关键词提取结果，通过所述词向量集获得所述用户输入文本的词向量；步骤S5，根据所述候选问答对的问题的词向量，计算获得所述候选问答对的问题的句向量，根据所述用户输入文本的词向量，计算获得所述用户输入文本的句向量；步骤S6，根据所述候选问答对的问题的句向量和所述用户输入文本的句向量，计算两个句向量间的相似度；步骤S7，根据所述句向量间的相似度，通过所述用户输入文本和所述候选问答对的问题中包含的信息进行相似度的修正，得到修正后的相似度。