基于交互式神经网络的文本匹配方法及相关装置制造方法及图纸

本申请公开了基于交互式神经网络的文本匹配方法及相关装置，方法包括：采用预设Bert模型对两个待匹配文本进行预处理，得到第一文本向量和第二文本向量；通过预置双向LSTM网络分别对两个文本向量进行特征分析，得到对应的两个语义特征向量；基于交叉注意力机制分别计算两个语义特征向量中的子向量的交叉相关关系，得到两个权重分布向量；通过预设自注意力机制根据两个语义特征向量和两个权重分布向量进行全局特征分析，得到两个全局特征向量；将两个全局特征向量输入预设匹配器中进行匹配预测操作，得到匹配预测结果。本申请能解决现有技术对文本信息的关联性分析太少，还忽略全局信息的影响，导致匹配结果缺乏准确性和可靠性的技术问题。靠性的技术问题。靠性的技术问题。

【技术实现步骤摘要】
基于交互式神经网络的文本匹配方法及相关装置


[0001]本申请涉及自然语言处理
，尤其涉及基于交互式神经网络的文本匹配方法及相关装置。

技术介绍

[0002]自然语言处理是计算机科学领域与人工智领域中的一个重要方向。它研究能实现人与计算机之间用日常用语(自然语言)进行有效通信的各种理论和方法。而自然语言处理就是分析自然语言文本，并获得文本意图的过程。
[0003]目前，许多文本匹配方法在利用神经网络训练的过程中，总单一地获取一个文本语义内容的数字特征，并直接与其他文本语义内容的数字特征进行对比与匹配，忽略匹配文本间的语义信息相关性，使文本信息处理过程缺少匹配文本间的信息影响。而且匹配过程忽略全局信息，使得匹配的结果缺乏准确性和可靠性。

技术实现思路

[0004]本申请提供了基于交互式神经网络的文本匹配方法及相关装置，用于解决现有技术对文本信息的关联性分析太少，还容易忽略全局信息的影响，导致匹配结果缺乏准确性和可靠性的技术问题。
[0005]有鉴于此，本申请第一方面提供了基于交互式神经网络的文本匹配方法，包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于交互式神经网络的文本匹配方法，其特征在于，包括：采用预设Bert模型对两个待匹配文本进行预处理，得到第一文本向量和第二文本向量；通过预置双向LSTM网络分别对所述第一文本向量和所述第二文本向量进行特征分析，得到对应的第一语义特征向量和第二语义特征向量；基于交叉注意力机制分别计算所述第一语义特征向量和第二语义特征向量中的子向量的交叉相关关系，得到第一权重分布向量和第二权重分布向量；通过预设自注意力机制根据所述第一语义特征向量、所述第二语义特征向量、所述第一权重分布向量和所述第二权重分布向量进行全局特征分析，得到第一全局特征向量和第二全局特征向量；将所述第一全局特征向量和所述第二全局特征向量输入预设匹配器中进行匹配预测操作，得到匹配预测结果。2.根据权利要求1所述的基于交互式神经网络的文本匹配方法，其特征在于，所述基于交叉注意力机制分别计算所述第一语义特征向量和第二语义特征向量中的子向量的交叉相关关系，得到第一权重分布向量和第二权重分布向量，包括：基于交叉注意力机制计算所述第一语义特征向量中每个子向量与所述第二语义特征向量中每个子向量之间的余弦相似度，并计算得到第一权重分布向量；基于所述交叉注意力机制计算所述第二语义特征向量中每个子向量与所述第一语义特征向量中每个子向量之间的余弦相似度，并计算得到第二权重分布向量。3.根据权利要求1所述的基于交互式神经网络的文本匹配方法，其特征在于，所述通过预设自注意力机制根据所述第一语义特征向量、所述第二语义特征向量、所述第一权重分布向量和所述第二权重分布向量进行全局特征分析，得到第一全局特征向量和第二全局特征向量，包括：将所述第一语义特征向量与所述第一权重分布向量进行向量拼接，得到第一全局拼接向量，同时，将所述第二语义特征向量与所述第二权重分布向量进行向量拼接，得到第二全局拼接向量；通过预设自注意力机制分别对所述第一全局拼接向量和所述第二全局拼接向量进行全局特征分析，得到第一全局特征向量和第二全局特征向量。4.根据权利要求1所述的基于交互式神经网络的文本匹配方法，其特征在于，所述将所述第一全局特征向量和所述第二全局特征向量输入预设匹配器中进行匹配预测操作，得到匹配预测结果，包括：将所述第一全局特征向量和所述第二全局特征向量进行向量拼接操作，得到拼接特征向量；通过预设匹配器中的目标函数对所述拼接特征向量进行匹配概率预测，得到匹配预测结果。5.基于交互式神经网络的文本匹配装置，其特征在于，包括：向量表达模块，用于采用预设Bert模型对两个待匹配文本进行预处理...

【专利技术属性】
技术研发人员：程良伦，李睿濠，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：