用于确定字符串信息间相似度信息的方法、装置和设备制造方法及图纸

本发明专利技术提供一种用于基于多种类型来确定字符串信息间相似度信息的方法、装置和设备。根据本发明专利技术的方案通过获取待处理的两个字符串信息，并根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。与现有技术相比，本发明专利技术具有以下优点：能够根据多种类型的相似度信息来综合确定两个字符串信息间的最终相似度信息，从而更为全面地反映两个字符串信息在字音、字形和/或字义等方面的相似度，所得的相似度判断结果更为准确。

【技术实现步骤摘要】

本专利技术涉及计算机
，尤其涉及用于确定字符串信息间相似度信息的方法、装置和设备。
技术介绍
确定字符串信息间的相似度一直是自然语言处理中重要的一部分。现有技术中， 往往仅基于一个方面来确定字符串信息间的相似度，例如，仅基于编辑距离来确定两个字符串信息间的字形相似度，又例如，往往仅基于同义词词典来判断两个字符串信息间的语义相似度等，该等确定字符串信息间相似度的方法往往难以全面地反映两个字符串间的相似度。
技术实现思路
本专利技术的目的是提供一种用于确定字符串信息间相似度信息的方法、装置和设备。根据本专利技术的一个方面，提供一种计算机实现的用于基于多种类型来确定字符串信息间相似度信息的方法，其中，该方法包括以下步骤a获取待处理的两个字符串信息；b根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。根据本专利技术的另一个方面，还提供了一种用于确定字符串信息间相似度信息的相似度确定装置，其中，该相似度确定装置包括第一获取装置、用于获取待处理的两个字符串信息；第一确定装置、用于根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。根据本专利技术的再一个方面，还提供了一种计算机设备，其中，该计算机设备包括前述相似度确定装置。与现有技术相比，本专利技术具有以下优点1)能够根据多种类型的相似度信息来综合确定两个字符串信息间的最终相似度信息，从而更为全面地反映两个字符串信息在字音、字形和/或字义等方面的相似度，所得的相似度判断结果更为准确；2)通过结合各个类型对应的权重信息，使得所获得的最终相似度信息更符合应用场合的需求；进一步地，能够根据应用环境信息自动调整各个类型对应的权重信息；更近一步地，能够根据应用环境来选择所需处理的类型，以使本实施例的方案能够自适应地适用于多种场合；3)能够通过划分子串信息来提高获取所述最终相似度信息的速度，减少系统资源消耗；进一步地，能够根据子串信息间的匹配组合方式，提高获取所述最终相似度信息的速度，减少系统资源消耗， 或者，能够根据历史子串组合对的相似度信息，进一步提高获取所述最终相似度信息的速度，减少系统资源消耗；4)能够通过综合考虑整体相似度信息和分串相似度信息来获得最终相似度信息，提高了获取待处理的两个字符串信息间的最终相似度信息的准确度；5)能够适用于各种需要进行相似度判断的场合；例如，在搜索场合中用于来自用户的输入序列与文本候选项所包含的关键词间的相似度判断；又例如，在纠错场合中用于来自用户的输入序列与纠错词库中所包含的关键词间的相似度判断；再例如，在同义词挖掘过程中，用于两个待判断的字符串间的相似度判断等。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显图1为本专利技术一个方面用于获取字符串信息间相似度信息的方法流程图；图2为本专利技术一个优选实施例的用于获取字符串信息间相似度信息的方法流程图；图3为本专利技术另一个优选实施例的用于获取字符串信息间相似度信息的方法流程图；图4为本专利技术一个方面用于获取字符串信息间相似度信息的相似度确定装置的结构示意图；图5为本专利技术一个优选实施例的用于获取字符串信息间相似度信息的相似度确定装置的结构示意图；图6为本专利技术另一个优选实施例的用于获取字符串信息间相似度信息的相似度确定装置的结构示意图；附图中相同或相似的附图标记代表相同或相似的部件。 具体实施例方式下面结合附图对本专利技术作进一步详细描述。图1为本专利技术一个方面用于获取字符串信息间相似度信息的方法流程图。其中， 根据本专利技术的方法可通过计算机设备中的操作系统或处理控制器来完成，为简明起见，以下将所述操作系统或处理控制器统称为相似度确定装置。其中，该计算机设备包括但不限于1)用户设备；2)网络设备。其中，所述用户设备包括但不限于个人电脑、智能手机、 PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。在步骤Sl中，相似度确定装置获取待处理的两个字符串信息。其中，相似度确定装置获取所述待处理的两个字符串信息的方式包括但不限于1)获取预存储的需要进行相似度判断的两个字符串信息；2)获取相似度确定装置所属计算机设备或其他计算机设备当前需要进行相似度判断处理的两个字符串信息。例如，两个字符串信息中的一个字符串信息来自用户当前输入的输入序列，另一个字符串信息来自计算机设备根据前述一个字符串信息来进行检索的文本信息，相似度确定装置所属计算机设备或其他计算机设备当前需要判断该两个字符串信息间的相似度以确定是否将该文本信息所属资源提供给用户，则相似度确定装置获取其所属计算机设备或其他计算机设备提供的两个字符串信息。又例如，两个字符串信息中的一个字符串信息来自用户在应用程序中输入的输入序列，另一个字符串信息来自该应用程序所属计算机设备的纠错词库，该应用程序所属计算机设备当前需要判断该两个字符串信息间的相似度以确定是否将前述另一个字符串信息作为纠错提示信息提供给用户，则相似度确定装置获取该应用程序所属计算机设备提供的两个字符串信息。需要说明的是，上述举例仅为更好地说明本专利技术的技术方案，而非对本专利技术的限制，本领域技术人员应该理解，任何获取待处理的两个字符串信息的实现方式，均应包含在本专利技术的范围内。接着，在步骤S2中，相似度确定装置根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。其中，所述相似度信息包括以下两项中的至少一项1)所述两个字符串信息间的相似度信息；2)所述两个字符串信息所包含的部分字符间的相似度信息。所述相似度信息包括但不限于1)相似度等级；2)相似度值。其中，所述至少两种类型的相似度信息包括基于至少两种字符串相似度处理方式来获得的至少两种相似度信息。具体地，相似度确定装置分别根据各种类型的相似度处理方式来获得所述至少两种类型的相似度信息，并直接根据所获得的各个类型的相似度信息来获得所述最终相似度信息；例如，将各个相似度信息的平均值、乘积、平方和、倒数和、对数和等作为所述最终相似度信息；或者，相似度确定装置先对各个相似度信息进行归一化处理，再根据归一化所得的各项值来来获得所述最终相似度信息；或者，相似度确定装置由所获得的各个相似度信息中选择部分相似度信息，并根据所选择的该部分相似度信息来获得所述最终相似度信息寸。例如，相似度确定装置通过对字符串信息A和字符串信息B进行Metaphone注音， 来获得两者的注音信息分别为“KRM”和“KRL”，则相似度确定装置通过获取两个注音信息中同一字符位置的两个字符相同的次数与两个注音信息包含的总字符数之比，来确定字符串信息A和B间的读音相似度信息=2/(3+4) = 2/7，并且，相似度确定装置通过查询预定的同义词词典获得两者为同义词；则相似度确定装置根据预定的当待处理的两个字符串信息为同义词时，将两者的读音相似度信息乘以2所得的值作为所述最终相似度信息的规则，将2*2/7 = 4/7作为字符本文档来自技高网...

【技术保护点】
１．一种计算机实现的用于基于多种类型来确定字符串信息间相似度信息的方法，其中，该方法包括以下步骤：ａ获取待处理的两个字符串信息；ｂ根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。

【技术特征摘要】
1.一种计算机实现的用于基于多种类型来确定字符串信息间相似度信息的方法，其中，该方法包括以下步骤a获取待处理的两个字符串信息；b根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。2.根据权利要求1所述的方法，其中，该方法还包括以下步骤 i获取所述至少两种类型中每种类型所对应的权重信息；其中，所述步骤b还包括-根据所述基于所述两个字符串信息来获得的至少两种类型的相似度信息，并结合所述每种类型所对应的权重信息，确定所述两个字符串信息间的最终相似度信息。3.根据权利要求2所述的方法，其中，所述步骤i还包括以下步骤 il获取所述最终相似度信息的应用环境信息； 2根据所述应用环境信息，确定所述每种类型所对应的权重信息。4.根据权利要求3所述的方法，其中，所述步骤i2还包括以下步骤 -根据所述应用环境信息，由所有类型中选择所述至少两种类型；-根据所述应用环境信息，获取所选择的所述至少两种类型中每种类型所对应的权重 fn息ο5.根据权利要求1至4中任一项所述的方法，其中，所述步骤b还包括以下步骤bl对所述两个字符串信息中的至少一个字符串信息进行划分，以获得该至少一个字符串信息包含的多个子串信息；b2根据包含于其中一个字符串信息中的一个或多个子串信息与包含于另一个字符串信息中的一个或多个子串信息间至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。6.根据权利要求5所述的方法，其中，所述步骤b2还包括以下步骤_获取所述包含于一个字符串信息中的所有子串信息与包含于另一个字符串信息中的所有子串信息间所有的匹配组合方式；_根据所述所有匹配组合方式，获取所述两个字符串信息间的至少两种类型的相似度 fn息；-根据所述两个字符串信息间的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。7.根据权利要求5所述的方法，其中，所述步骤b2还包括以下步骤 b21由所述两个字符串信息中获取当前子串组合对信息；b22获取包含于所述当前子串组合对信息中的各个待处理子串信息对的至少两种类型的相似度信息；b23根据所述待处理子串信息对的至少两种类型的相似度信息及历史相似度信息，确定所述当前子串组合对信息间的相似度信息；b24将所述当前子串组合对信息间的相似度信息作为历史相似度信息之一，重复步骤 b21至步骤b23以及前述将所述当前子串组合对信息间的相似度信息作为历史相似度信息之一的步骤直至所述当前子串组合对信息包含所述两个字符串信息，并将所述当前子串组合对信息间的相似度信息作为所述两个字符串信息间的最终相似度信息。8.根据权利要求5至7中任一项所述的方法，其中，该方法还包括以下步骤 -获取所述两个字符串信息间至少一种类型的整体相似度信息；其中，所述步骤b2还包括以下步骤_根据包含于其中一个字符串信息中的一个或多个子串信息与包含于另一个字符串信息中的一个或多个子串信息间至少两种类型的相似度信息，并结合所述至少一种类型的整体相似度信息，确定所述两个字符串信息间的最终相似度信息。9.根据权利要求1至8中任一项所述的方法，其中，所述至少两种类型包括以下各项中的任意至少两种-编辑距离类型； -读音类型； -同义词匹配类型； -短文本扩展类型； -字符串特征向量类型； -主题分布类型。10.根据权利要求9所述的方法，其中，所述至少两种类型包括编辑距离类型，其中，该方法还包括以下步骤_根据将所述两个字符串信息中的一个字符串信息转换至另一个字符串信息的转换处理中所执行编辑操作相关的字符变化信息，来确定所述两个字符串信息间编辑距离类型的相似度信息。11.根据权利要求9或10所述的方法，其中，所述至少两种类型包括字符串特征向量类型，其中，该方法还包括以下步骤_根据分别基于所述两个字符串信息的检索结果来获得的两个字符串特征向量，确定所述两个字符串信息间的字符串特征向量类型的相似度信息。12.根据权利要求9至11中任一项所述的方法，其中，所述至少两种类型包括主题分布类型，该方法还包括以下步骤_根据分别与所述两个字符串信息相关的多个资源信息的主题，确定所述两个字符串信息间的主题分布类型的相似度信息。13.一种用于确定字符串信息间相似度信息的相似度确定装置，其中，该相似度确定装置包括第一获取装置、用于获取待处理的两个字符串信息；第一确定装置、用于根据基于所述两个字符串信息来获得的至少两种类型的相似度信息，确定所述两个字符串信息间的最终相似度信息。14.根据权利要求13所述的...

【专利技术属性】
技术研发人员：何径舟，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：11