(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221086490 6.2 (22)申请日 2022.07.21 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区鱼嘴镇长安汽 车全球研发中心 (72)发明人 杨稷　龙美元　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 张伟 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/332(2019.01) G06F 40/268(2020.01) G06F 40/30(2020.01) G06F 16/35(2019.01)G06N 3/08(2006.01) (54)发明名称 文本相似度 的计算方法、 装置、 电子设备及 存储介质 (57)摘要 本申请涉及人工智能技术领域， 特别涉及一 种文本相似度的计算方法、 装置、 电子设备及存 储介质， 其中， 方法包括： 获取用户输入的第一文 本和第二文本； 将第一文本和第二文本输入训练 完成的词性 分析模型中， 输出第一文本的第一词 性信息和第二文本的第二词性信息， 其中， 词性 分析模型基于携带有词性标签的第一训练样本 训练得到； 将第一词性信息和第二词性信息输入 训练完成的相似度预测模型中， 输出第一文本和 第二文本之间的文本相似度结果， 其中， 相似度 预测模型基于携带文本相似度标签的第二训练 样本训练得到。 由此， 解决了相关技术中对于文 本间的交互操作模糊， 导致语义焦点丢失， 降低 文本相似度识别的准确性， 用户体验较差等问 题。 权利要求书2页 说明书10页 附图3页 CN 115221284 A 2022.10.21 CN 115221284 A 1.一种文本相似度的计算方法， 其特 征在于， 包括以下步骤： 获取用户输入的第一文本和第二文本； 将所述第一文本和所述第 二文本输入训练完成的词性分析模型中， 输出所述第 一文本 的第一词性信息和所述第二文本的第二词性信息， 其中， 所述词性分析模型基于携带有词 性标签的第一训练样本训练得到； 将所述第一词性信 息和所述第 二词性信 息输入训练完成的相似度 预测模型中， 输出所 述第一文本和所述第二文本之间的文本相似度结果， 其中， 所述相似度预测模型基于携带 文本相似度标签的第二训练样本训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述第 一文本和所述第 二文本输入 训练完成的词性分析模型中， 输出所述第一文本的第一词性信息和所述第二文本的第二词 性信息， 包括： 从垂直域中提取 所述第一文本和所述第二文本的至少一个目标关键词； 识别每个目标关键词的实 际词性， 并对所述每个目标关键词进行词性标注， 得到所述 第一词性信息和所述第二词性信息 。 3.根据权利要求1或2所述的方法， 其特征在于， 所述词性分析模型基于携带有词性标 签的第一训练样本训练得到， 包括： 获取携带有词性标签的第一训练样本； 从垂直域中提取 所述第一训练样本的至少一个目标关键词； 识别每个目标关键词的实 际词性， 并对所述每个目标关键词进行词性标注， 直到标注 的关键词数量满足预设数量时， 得到所述词性分析模型。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述第 一词性信 息和所述第 二词性 信息输入训练完成的相似度预测模型中， 输出所述第一文本和所述第二文本之 间的文本相 似度结果， 包括： 将所述第一词性信 息和所述第 二词性信 息输入句子编码网络， 输出所述第 一词性信 息 的第一句子编码结果和所述第二词性信息的第二句子编码结果； 将所述第一句子编码结果和所述第 二句子编码结果输入词性注意力网络， 输出所述第 一句子编码结果的第一特 征向量和所述第二句子编码结果的第二特 征向量； 拼接所述第一特征向量和所述第二特征向量， 得到拼接结果， 并将所述拼接结果输入 全连接层进行分类， 并根据分类结果匹配得到所述文本相似度结果。 5.根据权利要求1或4所述的方法， 其特征在于， 所述相似度预测模型基于携带文本相 似度标签的第二训练样本训练得到， 包括： 获取携带文本相似度标签的第二训练样本， 其中， 所述第二训练样本包括第一训练文 本的词性信息和第二训练文本的词性信息； 将所述第一训练文本的词性信 息和所述第 二训练文本的词性信 息输入句子编码网络， 输出所述第一训练文本的词性信息的第一句子编码结果和所述第二训练文本的词性信息 的第二句子编码结果； 将所述第一句子编码结果和所述第 二句子编码结果输入词性注意力网络， 输出所述第 一句子编码结果的第一特 征向量和所述第二句子编码结果的第二特 征向量； 拼接所述第一特征向量和所述第二特征向量， 得到拼接结果， 并将所述拼接结果输入权　利　要　求　书 1/2 页 2 CN 115221284 A 2全连接层进行分类， 并根据分类结果匹配得到所述文本相似度结果， 直到满足训练迭代终 止条件， 得到所述相似度预测模型。 6.一种文本相似度的计算装置， 其特 征在于， 包括： 获取模块， 用于获取用户输入的第一文本和第二文本； 分析模块， 用于将所述第一文本和所述第二文本输入训练完成的词性分析模型中， 输 出所述第一文本的第一词性信息和所述第二文本的第二词性信息， 其中， 所述词性分析模 型基于携带有词性标签的第一训练样本训练得到； 计算模块， 用于将所述第 一词性信 息和所述第 二词性信 息输入训练完成的相似度 预测 模型中， 输出所述第一文本和所述第二文本 之间的文本相似度结果， 其中， 所述相似度预测 模型基于携带文本相似度标签的第二训练样本训练得到 。 7.根据权利要求6所述的装置， 其特 征在于， 所述分析模块包括： 提取单元， 用于从垂直域中提取所述第一文本和所述第二文本的至少一个目标关键 词； 识别单元， 用于识别每个目标关键词的实 际词性， 并对所述每个目标关键词进行词性 标注， 得到所述第一词性信息和所述第二词性信息 。 8.根据权利要求6所述的装置， 其特 征在于， 所述计算模块包括： 第一生成单元， 用于将所述第一词性信息和所述第二词性信息输入句子编码网络， 输 出所述第一词性信息的第一句子编码结果和所述第二词性信息的第二句子编码结果； 第二生成单元， 用于将所述第 一句子编码结果和所述第 二句子编码结果输入词性注意 力网络， 输出所述第一句子编 码结果的第一特征向量和所述第二句子编码结果的第二特征 向量； 拼接单元， 用于拼接所述第 一特征向量和所述第 二特征向量， 得到拼接结果， 并将所述 拼接结果输入 全连接层进行分类， 并根据分类结果匹配得到所述文本相似度结果。 9.一种电子设备， 其特征在于， 包括： 存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述处理器执行所述程序， 以实现如权利要求 1‑5任一项所 述的文本相似度的计算方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行， 以用于实现如权利要求1 ‑5任一项所述的文本相似度的计算方法。权　利　要　求　书 2/2 页 3 CN 115221284 A 3