(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 20221078976 5.2 (22)申请日 2022.07.06 (71)申请人 成都潜在人工智能科技有限公司 地址 610000 四川省成 都市高新区益州大 道中段72 2号1栋1单 元12层1210号 (72)发明人 尹学渊　肖钦引　柴金亭　陈洪宇　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 专利代理师 许立 (51)Int.Cl. G06F 40/194(2020.01) G06F 40/279(2020.01) G06F 40/30(2020.01) G06F 16/36(2019.01) (54)发明名称 一种短文本相似度计算方法、 系统及 存储介 质 (57)摘要 本发明提供了一种短文本相似度计算方法、 系统及存储介质， 包括， 获取第一文本和第二文 本； 确定所述第一文本和所述第二文本中字词的 语义相似度； 确定所述第一文本和所述第二文本 中字词的拼音相似度； 其中， 所述拼音相似度至 少包括原始拼音相似度和联想拼音相似度； 确定 所述第一文本和所述第二文本中字词的字形相 似度； 基于所述语义相似度、 所述拼音相似度和 所述字形相似度， 确定所述第一文本和所述第二 文本的相似度， 使得相似度计算更加符合中国人 认字常识， 以更好 地拦截不良信息 。 权利要求书2页 说明书6页 附图2页 CN 115099214 A 2022.09.23 CN 115099214 A 1.一种短文本相似度计算方法， 其特 征在于， 包括， 获取第一文本和第二文本； 确定所述第一文本和所述第二文本中字词的语义相似度； 确定所述第一文本和所述第二文本中字词的拼音相似度； 其中， 所述拼音相似度至少 包括原始拼音相似度和联想拼音相似度； 确定所述第一文本和所述第二文本中字词的字形相似度； 基于所述语义相似度、 所述拼音相似度和所述字形相似度， 确定所述第一文本和所述 第二文本的相似度。 2.根据权利要求1所述的短文本相似度计算方法， 其特征在于， 所述确定所述第 一文本 和所述第二文本中字词的语义相似度， 包括， 基于字词拆解所述第一文本和所述第二文本， 得到第一拆解文本和第二拆解文本； 分别获取 所述第一拆解文本和所述第二拆解文本中每 个字词的语义信息； 基于所述语义信息， 确定所述第一文本和所述第二文本中字词的语义是否相似。 3.根据权利要求1所述的短文本相似度计算方法， 其特征在于， 所述确定所述第 一文本 和所述第二文本中字词的拼音相似度， 包括， 获取所述第一文本和所述第二文本的拼音； 分别将所述第 一文本和所述第 二文本中字词的拼音进行比对， 基于比对结果确定所述 第一文本和所述第二文本中字词的原 始拼音是否相似。 4.根据权利要求1所述的短文本相似度计算方法， 其特征在于， 所述确定所述第 一文本 和所述第二文本中字词的拼音相似度， 包括， 获取所述第一文本和所述第二文本中每 个字的拼音； 分别获取每 个拼音中每种发音的近音信息； 基于所述近音信息， 确定所述第一文本和所述第二文本中字词的联想拼音是否相似。 5.根据权利要求1所述的短文本相似度计算方法， 其特征在于， 所述确定所述第 一文本 和所述第二文本中字词的拼音相似度， 包括， 将所述第一文本和所述第二文本进行拆解， 得到每 个字的部首和子 字； 分别获取 所述子字的拼音， 得到第一文本拆解 拼音和第二文本拆解 拼音； 分别将所述第 一文本拆解拼音和所述第 二文本拆解拼音中的拼音进行比对， 基于比对 结果确定所述第一文本和所述第二文本中字词的联想拼音是否相似。 6.根据权利要求1所述的短文本相似度计算方法， 其特征在于， 所述确定所述第 一文本 和所述第二文本中字词的字形相似度， 包括， 将所述第一文本和所述第 二文本进行拆解， 得到至少包括每个字的子字的第 三拆解文 本和第四拆解文本； 分别将所述第 三拆解文本和所述第四拆解文本 中的字符进行比对， 基于比对结果确定 所述第一文本和所述第二文本中字的字形 是否相似。 7.根据权利要求1所述的短文本相似度计算方法， 其特征在于， 所述第 一文本和所述第 二文本中字符的形式至少包括中文、 拼音、 外文和/或表情中的多种。 8.根据权利要求1所述的短文本相似度计算方法， 其特征在于， 所述确定所述第 一文本 和所述第二文本的相似度， 包括，权　利　要　求　书 1/2 页 2 CN 115099214 A 2基于所述语义相似度、 所述拼音相似度和所述字形相似度， 确定所述第一文本和所述 第二文本中的字词是否为相同字符； 基于所述第 一文本和所述第 二文本中相同字符的个数、 所述第 一文本中字符的总数和 所述第二文本中字符的总数， 确定所述第一文本和所述第二文本的相似度。 9.一种短文本相似度计算系统， 其特 征在于， 包括， 获取模块， 用于获取第一文本和第二文本； 语义相似度确定模块， 用于确定所述第一文本和所述第二文本中字词的语义相似度； 拼音相似度确定模块， 用于确定所述第一文本和所述第二文本中字词的拼音相似度； 其中， 所述 拼音相似度至少包括原 始拼音相似度和联想拼音相似度； 字形相似度确定模块， 用于确定所述第一文本和所述第二文本中字词的字形相似度； 文本相似度确定模块， 用于基于所述语义相似度、 所述拼音相似度和所述字形相似度， 确定所述第一文本和所述第二文本的相似度。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质存储计算机指令， 所述计算 机指令被处理器执行时， 实现如权利要求 1至8中任一项所述的短文本相似度计算方法对应 的操作。权　利　要　求　书 2/2 页 3 CN 115099214 A 3