一种文本匹配方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种文本匹配方法、装置、计算机设备及存储介质，属于自然语言处理领域。方法包括：对用户输入文本进行处理，得到关键词组合和句式；对关键词组合和句式进行编码，得到关键词组合编码和句式编码，使用关键词组合编码和句式编码共同表征用户输入文本的语义；将语义在预先存储的语义集合中进行匹配，其中，语义集合中包含与多个预设文本分别对应的预设语义；若匹配成功，则将匹配成功的预设语义对应的预设文本确定为用户输入文本的匹配文本。本发明专利技术实施例在语义编码的基础上实现文本匹配，能够提高短文本相似性匹配的准确率和可解释性。

A Text Matching Method, Device, Computer Equipment and Storage Media

【技术实现步骤摘要】
一种文本匹配方法、装置、计算机设备及存储介质
本专利技术涉及自然语言处理领域，尤其涉及一种文本匹配方法、装置、计算机设备及存储介质。
技术介绍
随着互联网数据量的暴增，通过传统的检索技术满足用户精细化的信息需求变得越来越难。为了能够更好地理解用户输入的信息，计算机需要更多地理解复杂的自然语言。互联网中已有并且还在飞速增长的海量数据包含了丰富的知识，如何将这些知识加工好并且准确地匹配到相应的问题，是一个非常具有挑战性的任务。完成这个匹配过程，传统的信息检索会对用户输入的问题(通常为短文本)和所有候选集的相关性做排序。而问答系统是将用户输入的问题和一个现有的<问题，答案>候选集匹配，匹配的方式可以是先在问题库中查找与用户问题相似的问题，再确定出相似问题对应的答案。如何在问题库中查找与用户问题相似的问题，也就是短文本的语义相似度问题，现有问答系统中有多种实现方式，例如：传统文本相似度算法将句子表示成关键词集上的一个0-1向量，使用tf-idf等度量调节权重，代表性算法为BM25。近年来，随着深度学习的突破和快速推广，一类以词向量做单词表示，用LSTM、注意力机制等技术框架为主体的相似度算法开始流行。另外一种算法是基于检索和用户点击反馈的逻辑，将相似度和用户的行为建立关联，从而确定相关性，代表性算法是DSSM。然而，现有问答系统的上述多种实现方式均存在着诸多缺陷，具体如下：以BM25为代表的传统算法依赖于比较完美的数据集。该数据集可以代表全局的统计规律。当所解决的问题是存在特定领域问题时，搜集这样的数据集是比较困难的。这类算法依赖于一个相对较大的数据集，而且因为它是基于文档的算法，在短文本上的相似度上会大打折扣。基于深度学习的相似度算法在效果上有较大提高，但缺点也很明显，模型的迭代升级会导致结果的不一致性，同时可解释性大大降低，无法明确知道为什么匹配到这个结果而不是那个结果，当发现不合理情况时，可以调整的空间非常有限。因此，如何提高短文本相似性匹配的准确率和可解释性，成为本领域技术人员亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种文本匹配方法、装置、计算机设备及存储介质，通过在语义编码的基础上实现文本匹配，能够提高短文本相似性匹配的准确率和可解释性。本专利技术实施例提供的具体技术方案如下：第一方面，本专利技术提供一种文本匹配方法，所述方法包括：对用户输入文本进行处理，得到关键词组合和句式；对所述关键词组合和所述句式进行编码，得到关键词组合编码和句式编码，使用所述关键词组合编码和所述句式编码共同表征所述用户输入文本的语义；将所述语义在预先存储的语义集合中进行匹配，其中，所述语义集合中包含与多个预设文本分别对应的预设语义；若匹配成功，则将匹配成功的预设语义对应的预设文本确定为所述用户输入文本的匹配文本。结合第一方面，在第一种可能的实现方式中，所述关键词组合的数量为多个，所述对用户输入文本进行处理，得到关键词组合和句式，包括：对所述用户输入文本进行分词、过滤，获得多个词语；按照自定义词典，从所述多个词语中提取出至少一个候选词语，并对所述多个词语中除所述至少一个候选词语之外剩余的词语按顺序拼接成所述句式；确定所述至少一个候选词语各自所属的概念，并对所述至少一个候选词语以及所述至少一个候选词语各自所属的概念进行笛卡尔积运算，形成多个所述关键词组合。结合第一方面或第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述对所述关键词组合和所述句式进行编码，得到关键词组合编码和句式编码，包括：根据预设方式将所述关键词组合中的各字符串进行转换，在转换得到的各字符串之间增加连接符并按照第一预设编码方式进行编码，得到所述关键词组合编码；对所述句式的字符串按照第二预设编码方式进行编码，得到所述句式编码。结合第一方面，在第三种可能的实现方式中，所述将所述语义在预先存储的语义集合中进行匹配，包括：将所述语义在所述语义集合中进行精确匹配；如果精确匹配不成功，则将所述语义在所述语义集合中进行模糊匹配。结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，将所述语义在语义集合中进行精确匹配，包括：在所述语义集合中，查找是否存在关键词组合编码、句式编码与所述语义的关键词组合编码、句式编码分别相同的预设语义；若存在，则确定精确匹配成功，否则，则确定精确匹配不成功。结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，将所述语义在所述语义集合中进行模糊匹配，包括：在所述语义集合中，查找是否存在关键词组合编码与所述语义的关键词组合编码相匹配的预设语义，且所述预设语义的句式编码为空；若存在所述预设语义，则确定模糊匹配成功；若不存在所述预设语义，则在所述语义集合中，查找是否存在关键词组合编码、句式编码与所述语义的关键词组合编码、句式编码分别相匹配的预设语义；若存在，则确定模糊匹配成功，否则，则确定模糊匹配不成功。结合第一方面的第三种至第五种的任意一种可能的实现方式，在第六种可能的实现方式中，所述方法还包括：所述方法还包括：若模糊匹配不成功，则在所述语义集合中，查找是否存在句式编码与所述语义的句式编码相同的预设语义；若存在所述预设语义，则获取所述预设语义的关键词组合编码对应的关键词组合；判断获取到的关键词组合中的关键词与所述用户输入文本的关键词组合中的关键词是否存在蕴含关系；若存在，则确定匹配成功，否则，则确定匹配不成功。结合第一方面，在第七种可能的实现方式中，所述对用户输入文本进行处理，得到关键词组合和句式步骤之前，所述方法还包括：所述对用户输入文本进行处理，得到关键词组合和句式步骤之前，所述方法还包括：对所述预设文本进行处理，得到所述预设文本的关键词组合和句式；对所述预设文本的关键词组合和句式进行编码，得到所述预设文本的关键词组合编码和句式编码，使用所述预设文本的关键词组合编码和句式编码表示所述预设文本的预设语义；将所述预设语义保存至所述语义集合中，并保存所述预设文本与预设语义之间的对应关系。第二方面，提供了一种文本匹配装置，所述装置包括：处理模块，用于对用户输入文本进行处理，得到关键词组合和句式；编码模块，用于对所述关键词组合和所述句式进行编码，得到关键词组合编码和句式编码，使用所述关键词组合编码和所述句式编码共同表征所述用户输入文本的语义；匹配模块，用于将所述语义在预先存储的语义集合中进行匹配，其中，所述语义集合中包含与多个预设文本分别对应的预设语义；确定模块，用于若匹配成功，则将匹配成功的预设语义对应的预设文本确定为所述用户输入文本的匹配文本。第三方面，提供了一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面任意一种所述的方法。第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面任意一种所述的方法。本专利技术提供的文本匹配方法、装置、计算机设备及存储介质，通过对用户输入文本进行关键词组合和句式分离，并分别编码得到关键词组合编码和句式编码，使用关键词组合编码和句式编码共同表征用户输入文本的语义，以及将用户输入文本的语义在预先存储的语义集合中进行匹本文档来自技高网...

【技术保护点】
1.一种文本匹配方法，其特征在于，所述方法包括：对用户输入文本进行处理，得到关键词组合和句式；对所述关键词组合和所述句式进行编码，得到关键词组合编码和句式编码，使用所述关键词组合编码和所述句式编码共同表征所述用户输入文本的语义；将所述语义在预先存储的语义集合中进行匹配，其中，所述语义集合中包含与多个预设文本分别对应的预设语义；若匹配成功，则将匹配成功的预设语义对应的预设文本确定为所述用户输入文本的匹配文本。

【技术特征摘要】
1.一种文本匹配方法，其特征在于，所述方法包括：对用户输入文本进行处理，得到关键词组合和句式；对所述关键词组合和所述句式进行编码，得到关键词组合编码和句式编码，使用所述关键词组合编码和所述句式编码共同表征所述用户输入文本的语义；将所述语义在预先存储的语义集合中进行匹配，其中，所述语义集合中包含与多个预设文本分别对应的预设语义；若匹配成功，则将匹配成功的预设语义对应的预设文本确定为所述用户输入文本的匹配文本。2.根据权利要求1所述的方法，其特征在于，所述关键词组合的数量为多个，所述对用户输入文本进行处理，得到关键词组合和句式，包括：对所述用户输入文本进行分词、过滤，获得多个词语；按照自定义词典，从所述多个词语中提取出至少一个候选词语，并对所述多个词语中除所述至少一个候选词语之外剩余的词语按顺序拼接成所述句式；确定所述至少一个候选词语各自所属的概念，并对所述至少一个候选词语以及所述至少一个候选词语各自所属的概念进行笛卡尔积运算，形成多个所述关键词组合。3.根据权利要求1或2所述的方法，其特征在于，所述对所述关键词组合和所述句式进行编码，得到关键词组合编码和句式编码，包括：根据预设方式将所述关键词组合中的各字符串进行转换，在转换得到的各字符串之间增加连接符并按照第一预设编码方式进行编码，得到所述关键词组合编码；对所述句式的字符串按照第二预设编码方式进行编码，得到所述句式编码。4.根据权利要求1所述的方法，其特征在于，所述将所述语义在预先存储的语义集合中进行匹配，包括：将所述语义在所述语义集合中进行精确匹配；如果精确匹配不成功，则将所述语义在所述语义集合中进行模糊匹配。5.根据权利要求4所述的方法，其特征在于，将所述语义在语义集合中进行精确匹配，包括：在所述语义集合中，查找是否存在关键词组合编码、句式编码与所述语义的关键词组合编码、句式编码分别相同的预设语义；若存在，则确定精确匹配成功，否则，则确定精确匹配不成功。6.根据权利要求5所述的方法，其特征在于，将所述语义在所述语义集合中进行模糊匹配，包括：在所述语义集合中，查找是否存在关键词组合编码与所述语义的关键词组合编码相匹配的预设语义，且所述预设语义的...

【专利技术属性】
技术研发人员：刘琦，郑刚，
申请(专利权)人：众安在线财产保险股份有限公司，
类型：发明
国别省市：上海,31