文本相似度的识别方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种文本相似度的识别方法、装置、电子设备及存储介质。其中，方法包括：获取第一数据提供方提供的第一文本、第二数据提供方提供的第二文本以及第一参数；基于第一参数分别对第一文本和第二文本进行安全处理，得到第一文本对应的至少两个第一子文本以及第二文本对应的至少两个第二子文本；利用至少两个数据处理方中的每个数据处理方分别对每个第一子文本与每个第二子文本进行数据处理，得到每个第一子文本与每个第二子文本对应的处理结果；利用第一文本、第二文本和第一参数验证处理结果是否有效，得到处理结果对应的验证结果；在验证结果表征处理结果有效的情况下，利用处理结果识别第一文本与第二文本的相似度。度。度。

【技术实现步骤摘要】
文本相似度的识别方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种文本相似度的识别方法、装置、电子设备及存储介质。

技术介绍

[0002]近些年来，随着海量数据的增加，人们对数据的使用率也越来越高。为了计算的方便与快速，人们往往会选择将数据外包至第三方服务器进行计算。然而，将数据外包至第三方服务器往往会存在一些安全隐患(例如，恶意服务器)，如何在恶意服务器进行外包计算的状态下，保证文本的隐私性。

技术实现思路

[0003]为解决相关技术问题，本申请实施例提供一种文本相似度的识别方法、装置、电子设备及存储介质。
[0004]本申请实施例的技术方案是这样实现的：
[0005]本申请实施例提供了一种文本相似度的识别方法，包括：
[0006]获取第一数据提供方提供的第一文本、第二数据提供方提供的第二文本以及第一参数；所述第一参数用于对所述第一文本和所述第二文本进行数据隐私保护；
[0007]基于所述第一参数分别对所述第一文本和所述第二文本进行安全处理，得到所述第一文本对应的至少两个第一子文本以及所述第二文本对应的至少两个第二子文本；
[0008]利用至少两个数据处理方中的每个数据处理方分别对每个所述第一子文本与每个所述第二子文本进行数据处理，得到每个所述第一子文本与每个所述第二子文本对应的处理结果；
[0009]利用所述第一文本、所述第二文本和所述第一参数验证所述处理结果是否有效，得到所述处理结果对应的验证结果；
[0010]在所述验证结果表征所述处理结果有效的情况下，利用所述处理结果识别所述第一文本与所述第二文本的相似度。
[0011]上述方案中，所述基于所述第一参数分别对所述第一文本和所述第二文本进行安全处理，得到所述第一文本对应的至少两个第一子文本以及所述第二文本对应的至少两个第二子文本，包括：
[0012]基于所述第一参数分别对第一文本和第二文本进行扩充处理，得到所述第一文本对应的第一扩充文本以及所述第二文本对应的第二扩充文本；
[0013]对所述第一扩充文本和所述第二扩充文本分别进行分片处理，得到所述第一扩充文本对应的至少两个第一分片文本以及所述第二扩充文本对应的至少两个第二分片文本；
[0014]将所述第一分片文本作为所述第一子文本以及所述第二分片文本作为所述第二子文本。
[0015]上述方案中，所述第一参数包括第一数值、第二数值和第三数值；所述第一扩充文
本包括第一扩充子文本和第二扩充子文本；所述第二扩充文本包括第三扩充子文本和第四扩充子文本；所述基于所述第一参数分别对第一文本和第二文本进行扩充处理，得到所述第一文本对应的第一扩充文本以及所述第二文本对应的第二扩充文本，包括：
[0016]利用所述第一数值和所述第二数值分别对所述第一文本和所述第二文本进行向量维度扩充，得到所述第一文本对应的所述第一扩充子文本以及所述第二文本对应的所述第三扩充子文本；
[0017]利用所述第三数值分别对所述第一扩充子文本和所述第三扩充子文本进行倍数扩充，得到所述第一扩充子文本对应的所述第二扩充子文本和所述第三扩充子文本对应的所述第四扩充子文本。
[0018]上述方案中，所述第一分片文本包括第一分片子文本和第二分片子文本；所述第二分片文本包括第三分片子文本和第四分片子文本；所述对所述第一扩充文本和所述第二扩充文本分别进行分片处理，得到所述第一扩充文本对应的至少两个第一分片文本以及所述第二扩充文本对应的至少两个第二分片文本，包括：
[0019]对所述第一扩充子文本、所述第二扩充子文本、所述第三扩充子文本、所述第四扩充子文本分别进行分片处理，得到所述第一扩充子文本对应的至少两个所述第一分片子文本、所述第二扩充子文本对应的至少两个所述第二分片子文本、所述第三扩充子文本对应的至少两个所述第三分片子文本、所述第四扩充子文本对应的至少两个所述第四分片子文本。
[0020]上述方案中，所述利用至少两个数据处理方中的每个数据处理方分别对每个所述第一子文本与每个所述第二子文本进行数据处理，得到每个所述第一子文本与每个所述第二子文本对应的处理结果，包括：
[0021]利用所述每个数据处理方分别对每个所述第一子文本与每个所述第二子文本进行数据乘法处理，得到每个所述第一子文本与每个所述第二子文本对应的处理结果。
[0022]上述方案中，所述利用所述第一文本、所述第二文本和所述第一参数验证所述处理结果是否有效，得到所述处理结果对应的验证结果，包括：
[0023]确定所述第一文本与所述第二文本的第一向量内积；
[0024]基于所述第一向量内积和所述第一参数确定每个所述第一子文本与每个所述第二子文本的第二向量内积；
[0025]利用所述第二向量内积验证所述处理结果是否有效，得到所述处理结果对应的验证结果。
[0026]上述方案中，所述利用所述第二向量内积验证所述处理结果是否有效，得到所述处理结果对应的验证结果，包括：
[0027]判断所述第二向量内积的值是否与所述处理结果的值是否相同；
[0028]在所述第二向量内积的值与所述处理结果的值相同的情况下，确定所述验证结果表征所述处理结果有效；
[0029]在所述第二向量内积的值与所述处理结果的值不相同的情况下，确定所述验证结果表征所述处理结果无效。
[0030]上述方案中，所述利用所述处理结果识别所述第一文本与所述第二文本的相似度，包括：
[0031]判断所述处理结果的值是否小于预设阈值；
[0032]在所述处理结果的值小于所述预设阈值的情况下，确定所述第一文本与所述第二文本存在低程度的相似度；
[0033]在所述处理结果的值大于或等于所述预设阈值的情况下，确定所述第一文本与所述第二文本存在高程度的相似度。
[0034]上述方案中，在所述确定所述第一文本与所述第二文本存在高程度的相似度之后，所述方法还包括：
[0035]对所述第一文本和/或所述第二文本的内容进行调整，得到调整后的第一文本和/或第二文本；所述调整后的第一文本和/或第二文本用于降低所述第一文本与所述第二文本的相似程度。
[0036]本申请实施例还提供了一种文本相似度的识别装置，包括：
[0037]获取单元，用于获取第一数据提供方提供的第一文本、第二数据提供方提供的第二文本以及第一参数；所述第一参数用于对所述第一文本和所述第二文本进行数据隐私保护；
[0038]第一处理单元，用于基于所述第一参数分别对所述第一文本和所述第二文本进行安全处理，得到所述第一文本对应的至少两个第一子文本以及所述第二文本对应的至少两个第二子文本；
[0039]第二处理单元，用于利用至少两个数据处理方中的每个数据处理方分别对每个所述第一子文本与每个所述第二子文本进行数据处理，得到每个所述第一子文本与每个所述第二子文本对应的处理结果；
[0040]验证单元，用于利用所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本相似度的识别方法，其特征在于，所述方法包括：获取第一数据提供方提供的第一文本、第二数据提供方提供的第二文本以及第一参数；所述第一参数用于对所述第一文本和所述第二文本进行数据隐私保护；基于所述第一参数分别对所述第一文本和所述第二文本进行安全处理，得到所述第一文本对应的至少两个第一子文本以及所述第二文本对应的至少两个第二子文本；利用至少两个数据处理方中的每个数据处理方分别对每个所述第一子文本与每个所述第二子文本进行数据处理，得到每个所述第一子文本与每个所述第二子文本对应的处理结果；利用所述第一文本、所述第二文本和所述第一参数验证所述处理结果是否有效，得到所述处理结果对应的验证结果；在所述验证结果表征所述处理结果有效的情况下，利用所述处理结果识别所述第一文本与所述第二文本的相似度。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一参数分别对所述第一文本和所述第二文本进行安全处理，得到所述第一文本对应的至少两个第一子文本以及所述第二文本对应的至少两个第二子文本，包括：基于所述第一参数分别对第一文本和第二文本进行扩充处理，得到所述第一文本对应的第一扩充文本以及所述第二文本对应的第二扩充文本；对所述第一扩充文本和所述第二扩充文本分别进行分片处理，得到所述第一扩充文本对应的至少两个第一分片文本以及所述第二扩充文本对应的至少两个第二分片文本；将所述第一分片文本作为所述第一子文本以及所述第二分片文本作为所述第二子文本。3.根据权利要求2所述的方法，其特征在于，所述第一参数包括第一数值、第二数值和第三数值；所述第一扩充文本包括第一扩充子文本和第二扩充子文本；所述第二扩充文本包括第三扩充子文本和第四扩充子文本；所述基于所述第一参数分别对第一文本和第二文本进行扩充处理，得到所述第一文本对应的第一扩充文本以及所述第二文本对应的第二扩充文本，包括：利用所述第一数值和所述第二数值分别对所述第一文本和所述第二文本进行向量维度扩充，得到所述第一文本对应的所述第一扩充子文本以及所述第二文本对应的所述第三扩充子文本；利用所述第三数值分别对所述第一扩充子文本和所述第三扩充子文本进行倍数扩充，得到所述第一扩充子文本对应的所述第二扩充子文本和所述第三扩充子文本对应的所述第四扩充子文本。4.根据权利要求3所述的方法，其特征在于，所述第一分片文本包括第一分片子文本和第二分片子文本；所述第二分片文本包括第三分片子文本和第四分片子文本；所述对所述第一扩充文本和所述第二扩充文本分别进行分片处理，得到所述第一扩充文本对应的至少两个第一分片文本以及所述第二扩充文本对应的至少两个第二分片文本，包括：对所述第一扩充子文本、所述第二扩充子文本、所述第三扩充子文本、所述第四扩充子文本分别进行分片处理，得到所述第一扩充子文本对应的至少两个所述第一分片子文本、所述第二扩充子文本对应的至少两个所述第二分片子文本、所述第三扩充子文本对应的至
少两个所述第三分片子文本、所述第四扩充子文本对应的至少两个所述第四分片子文本。5.根据权利要求1所述的方法，其特征在于，所述利用至少两个数据处理方中的每个数据处理方分别对每个所述第一子文本与每个所述第二子文本进行数据处理，得到每个所述第一子...

【专利技术属性】
技术研发人员：郭斯栩，耿慧拯，粟栗，张恒，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：