CN113887417A

CN113887417A - 文本匹配方法、装置、设备和介质

Info

Publication number: CN113887417A
Application number: CN202111161332.4A
Authority: CN
Inventors: 朱晋
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2021-09-30
Filing date: 2021-09-30
Publication date: 2022-01-04

Abstract

本公开提供了一种文本匹配方法、装置、设备和介质，涉及人工智能领域，具体涉及自然语言处理技术、信号处理技术和搜索引擎技术。文本匹配方法包括：对目标文本的目标文本特征执行第一小波分解操作，以得到目标文本的目标尺度特征；获取至少一个历史文本和至少一个历史文本各自的历史尺度特征，其中，历史尺度特征是通过对相应的历史文本的历史文本特征执行第二小波分解操作而得到的；以及基于目标尺度特征和至少一个历史文本对应的历史尺度特征，将目标文本和至少一个历史文本进行匹配。

Description

文本匹配方法、装置、设备和介质

技术领域

本公开涉及人工智能领域，具体涉及自然语言处理技术、信号处理技术和搜索引擎技术，特别涉及一种文本匹配方法、文本匹配装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

在用户进行信息搜索场景下，搜索服务的后台系统将用户输入的查询文本进行处理，以得到对应的文本特征或关键词信息，进而根据相应的信息在后台系统中查找相关内容，并将这些内容返回给用户。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种文本匹配方法、文本匹配装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了文本匹配方法。该方法包括：对目标文本的目标文本特征执行第一小波分解操作，以得到目标文本的目标尺度特征；获取至少一个历史文本和至少一个历史文本各自的历史尺度特征，其中，历史尺度特征是通过对相应的历史文本的历史文本特征执行第二小波分解操作而得到的；以及基于目标尺度特征和至少一个历史文本对应的历史尺度特征，将目标文本和至少一个历史文本进行匹配。

根据本公开的另一方面，提供了一种文本匹配装置。其中，该装置包括：小波分解单元，被配置为对目标文本的目标文本特征执行第一小波分解操作，以得到目标文本的目标尺度特征；第一获取单元，被配置为获取至少一个历史文本和至少一个历史文本各自的历史尺度特征，其中，历史尺度特征是通过对相应的历史文本的历史文本特征执行第二小波分解操作而得到的；以及文本匹配单元，被配置为基于目标尺度特征和至少一个历史文本对应的历史尺度特征，将目标文本和至少一个历史文本进行匹配。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，这些指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述方法。

根据本公开的一个或多个实施例，通过使用小波分解，能够实现在小样本下学习到有效的分类特征，并且在大样本下也不会受到冗余特征的过多干扰。此外，小波分解方法的降维规则先于样本产生，因此不会受到样本质量问题的干扰，并且能够很好的处理冷启动场景。小波分解方法还具有时间复杂度低，处理速度快的优势。而通过仅使用小波分解后得到的尺度特征进行文本匹配，降低了匹配过程的计算量需求，进一步提升了文本匹配过程的处理速度，增强了用户在进行文本匹配时的用户体验。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开示例性实施例的文本匹配方法的流程图；

图3示出了根据本公开示例性实施例的文本匹配方法的流程图；

图4示出了根据本公开示例性实施例的文本匹配装置的结构框图；

图5示出了根据本公开示例性实施例的文本匹配装置的结构框图；以及

图6出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

相关技术中，现有的文本匹配方法在生成和处理文本特征时，或使用矩阵分解方法，或使用神经网络方法。然而，这两个方法均依赖于样本质量，在样本有偏的前提下，对外来样本进行匹配可能会产生明显偏差；而对百万级样本进行矩阵分解或训练神经网络，效率会严重受到制约。

为解决上述问题，本公开通过使用小波分解，能够实现在小样本下学习到有效的分类特征，并且在大样本下也不会受到冗余特征的过多干扰。此外，小波分解方法的降维规则先于样本产生，因此不会受到样本质量问题的干扰，并且能够很好的处理冷启动场景。小波分解方法还具有时间复杂度低，处理速度快的优势。而通过仅使用小波分解后得到的尺度特征进行文本匹配，降低了匹配过程的计算量需求，进一步提升了文本匹配过程的处理速度，增强了用户在进行文本匹配时的用户体验。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行文本匹配方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)网络下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来进行信息验证。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口，例如，客户端通过各种输入单元采集用户输入的目标文本，。客户端设备还可以经由该接口向用户输出信息，例如，客户端可以向用户输出数据处理的结果。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

根据本公开的一方面，提供了一种文本匹配方法。如图2所示，该方法包括：步骤S201、对目标文本的目标文本特征执行第一小波分解操作，以得到目标文本的目标尺度特征；步骤S202、获取至少一个历史文本和至少一个历史文本各自的历史尺度特征，其中，历史尺度特征是通过对相应的历史文本的历史文本特征执行第二小波分解操作而得到的；以及步骤S203、基于目标尺度特征和至少一个历史文本对应的历史尺度特征，将目标文本和至少一个历史文本进行匹配。

由此，通过使用小波分解，能够实现在小样本下学习到有效的分类特征，并且在大样本下也不会受到冗余特征的过多干扰。此外，小波分解方法的降维规则先于样本产生，因此不会受到样本质量问题的干扰，并且能够很好的处理冷启动场景。小波分解方法还具有时间复杂度低，处理速度快的优势。而通过仅使用小波分解后得到的尺度特征进行文本匹配，降低了匹配过程的计算量需求，进一步提升了文本匹配过程的处理速度，增强了用户在进行文本匹配时的用户体验。

根据一些实施例，目标文本和至少一个历史文本均可以为短文本。短文本可以为字数小于预设值的文本，也可以为特定场景下的文本，例如用户在搜索引擎中输入的查询文本、用户社交媒体上发送的帖子、购物网站上的商品名称和商品简介、医学文本如患者主诉和药品介绍等，在此不做限定。相比于长文本，短文本包含的信息量较低，文本主干占整个文本的比例较高，而不同类型、不同内容的短文本间的个体差异明显，因此仅使用作为文本特征的低频分量的表示的尺度特征即可准确表示短文本的特征。

根据一些实施例，目标文本和至少一个历史文本均可以为用于信息搜索的查询文本。用于信息搜索的查询文本(Query)通常也被称为长尾Query。不同的长尾Query在搜索场景下的出现频率较低，但相似的长尾Query整体的出现频率较高，可以理解为这些相似的长尾Query具有相同的主干。在一个示例性实施例中，两个长尾Query“A市糕点培训”和“B市糕点培训”，则这两个长尾Query均具有相同的两个主干“糕点”和“培训”，或均具有相同的主干“糕点培训”。可以看出，搜索场景下的长尾Query包括用户期望搜索的关键字，并且较少包括甚至不包括其他信息。此外，在将长尾Query与历史长尾Query进行匹配，以及基于匹配结果确定长尾Query主干的场景下，不需要对长尾Query进行精确表示即能够实现高准确率的匹配和主干提取，因此仅使用作为文本特征的低频分量的表示的尺度特征即可以实现对长尾Query的精准快速匹配和主干提取。

根据一些实施例，目标文本特征可以是使用嵌入(embedding)的方式而得到的，例如可以使用预训练的神经网络模型对目标文本进行处理，以得到目标文本特征。在一个示例性实施例中，可以使用word2vec得到目标文本的目标文本特征。可以理解的是，本领域技术人员可以根据需求自行选择合适的文本特征提取方法，以得到目标文本的目标文本特征，在此不做限定。

根据一些实施例，对目标文本特征执行第一小波分解操作，以得到目标尺度特征可以包括：确定目标小波分解次数；根据目标小波分解次数，对目标文本特征迭代执行至少一次第一小波分解操作，以得到目标尺度特征。目标尺度特征的尺寸可以与目标小波分解次数相关。由此，通过确定小波分解的次数，并对目标文本特征迭代执行至少一次小波分解操作，从而能够得到具有期望的尺寸的文本特征。与此同时，尺寸较小的目标尺度特征能够进一步降低后续的匹配过程的计算量需求，提升匹配速度。相比之下，现有的矩阵分解方法或神经网络方法无法做到灵活改变输出的目标尺度特征的尺寸。如果需要改变目标尺度特征的尺寸则需要重新进行相应的矩阵分解计算或重新训练神经网络。

根据一些实施例，特征的尺寸例如可以为特征在不同维度上的长度。在一个示例性实施例中，目标文本特征、目标尺度特征、历史文本特征和历史文本特征均为一维向量，则这些特征的尺寸可以为特征的长度。可以理解的是，本公开并不限定这些特征的尺寸和形状，对此的不同设置均在本公开的保护范围内。

在一些实施例中，由于目标尺度特征的尺寸与目标小波分解次数相关，因此可以根据当前可用的计算资源情况确定目标小波分解次数。通常情况下，使用更长的目标尺度特征能够得到更高的匹配准确率，因此可以根据期望的匹配准确率确定目标小波分解次数。由此，通过自由设置目标小波分解次数，提供了一种更灵活并且资源利用更充分的文本匹配方法。

在一个示例性实施例中，选取545条历史长尾Query进行匹配，结果如表1所示。可以看出，更小的文本尺度特征长度会显著降低匹配时间，而更大的文本尺度特征长度会提升匹配准确率。

表1匹配结果

文本特征长度	256维	128维	64维	32维	16维
						匹配时间(s)	17	20	10	5	3
匹配准确率(％)	93.5	93	92.8	91.0	87.3

根据一些实施例，对目标文本特征的第一小波分解操作例如可以包括：将目标文本特征输入预先设计的低通滤波器，以得到目标文本特征的低频分量；以及将低频分量进行下采样，以得到目标尺度特征。可以理解的是，本领域技术人员可以自行设计低通滤波器和下采样倍率，在此不做限定。

根据一些实施例，迭代执行至少一次第一小波分解操作例如可以为：至少一次小波分解操作中的每一次小波分解操作是对上一次小波分解操作后的尺度特征执行的。在一个示例性实施例中，对一个文本特征(例如，目标文本特征、历史文本特征)执行三次小波分解操作例如可以包括：对文本特征执行第一次小波分解操作，以得到一阶尺度特征；对一阶尺度特征执行第二次小波分解操作，以得到二阶尺度特征；以及对二阶尺度特征执行第三次小波分解操作，以得到三阶尺度特征，并将三阶尺度特征作为最终输出的尺度特征。当小波分解操作中的下采样为两倍下采样时，一阶尺度特征的尺寸为文本特征尺寸的1/2，二阶尺度特征的尺寸为文本特征尺寸的1/4，三阶尺度特征的尺寸为文本特征尺寸的1/8。

在另一些实施例中，对目标文本特征的小波分解操作例如可以包括：将目标文本特征分别输入预先设计的低通滤波器和高通滤波器，以得到低通滤波器输出的低频分量和高通滤波器生成的高频分量；以及分别将低频分量和高频分量进行下采样，以得到对应于低频分量的一阶目标尺度特征和对应于高频分量的一阶目标细节特征。可以对一阶目标细节特征进行进一步小波分解，以得到二阶目标细节特征和二阶目标尺度特征；也可以基于一阶目标细节特征和一阶目标尺度特征确定一阶目标综合特征，并对一阶目标综合特征进行进一步小波分解以得到二阶目标细节特征和二阶目标尺度特征。可以理解的是，也可以将通过上述方式确定的二阶目标尺度特征作为目标文本的目标尺度特征。

根据一些实施例，在需要迭代执行多次小波分解操作的情况下，可以为每一次小波分解操作设计滤波器，或者为每一个输入特征尺寸设计滤波器，也可以使用同样的滤波器处理每一次小波分解，在此不做限定。

根据一些实施例，可以根据用户的搜索历史创建历史匹配库。在一些实施例中，例如可以将用户搜索的高频长尾Query加入历史匹配库，也可以将具有代表性的长尾Query加入历史匹配库，还可以根据其他方式生成历史匹配库，在此不做限定。历史匹配库中可以包括至少一个历史文本，并且可以包括这些历史文本各自的历史尺度特征，以进一步提升匹配速度。可以理解的是，历史文本并不一定为用户搜索过的“历史”文本，例如也可以为人工生成的文本。可以理解的是，历史文本特征的确定方式可以与上述目标文本特征的确定方式类似，在此不做赘述。

根据一些实施例，获取至少一个历史文本和至少一个历史文本各自对应的历史尺度特征例如可以包括从历史匹配库中获取至少一个历史文本，并获取相应的历史尺度特征。历史尺度特征是通过对相应的历史文本的历史文本特征执行小波分解操作而得到的。可以理解的是，对历史文本特征进行小波分解操作与上述对目标文本特征进行小波分解操作的步骤类似，在此不再赘述。

根据一些实施例，历史尺度特征可以包括每一个历史文本的与预设的至少一个历史小波分解次数一一对应的至少一个历史尺度子特征，至少一个历史尺度子特征中的每一个历史尺度子特征可以是根据对应的历史小波分解次数对相应的历史文本迭代执行至少一次第二小波分解操作而得到的。其中，每一个历史尺度子特征的尺寸的可以与对应的历史小波分解次数相关。

可以理解的是，对历史尺度特征的第二小波分解操作的步骤与对目标尺度特征的第一小波分解操作的步骤类似，在此不做赘述。在一些实施例中，第二小波分解操作使用的一个或多个滤波器与第一小波分解操作使用的一个或多个滤波器可以相同。在一个示例性实施例中，在对历史尺度特征迭代执行多次第二小波分解操作的情况下，每一次第二小波分解操作所使用的滤波器的参数与对应的第一小波分解操作所使用的参数相同，即针对相同输入特征尺寸的目标文本特征和历史文本特征，可以使用参数相同的滤波器分别对目标文本特征和历史文本特征执行第一小波分解操作和第二小波分解操作。由此，使得相似的目标文本的目标尺度特征和历史文本的历史尺度特征之间的距离更近，匹配的结果更加准确。

根据一些实施例，步骤S203、将目标文本和至少一个历史文本进行匹配可以包括：响应于确定至少一个历史小波分解次数包括目标小波分解次数，针对至少一个历史文本中的每一个历史文本，确定该历史尺度子特征与目标尺度特征的匹配度。由此，通过为每一个历史文本生成具有不同尺寸的至少一个历史尺度子特征，使得在将目标文本与历史文本进行匹配时，能够将目标尺度特征和与目标尺度特征的尺寸相同的历史尺度子特征进行匹配以确定目标文本与历史文本是否匹配，从而能够支持更丰富的特征匹配方式，并避免了没有与目标尺度特征具有相同尺寸的历史尺度子特征而导致的匹配无法进行或额外需要时间以计算对应的历史尺度子特征的问题。可以理解的是，本领域技术人员可以自行设置至少一个历史小波分解次数的取值，在此不做限定。

根据一些实施例，响应于确定至少一个历史小波分解次数不包括目标小波分解次数，可以重新确定目标小波分解次数，也可以根据目标小波分解次数对相应的历史文本迭代执行至少一次小波分解操作，在此不做限定。

根据一些实施例，将目标尺度特征和历史尺度特征进行匹配例如可以为计算两个特征之间的相似度，也可以为其他的匹配方式，在此不做限定。在一些实施例中，与目标文本匹配的历史文本例如可以是匹配度最高的一个或多个历史文本，也可以是匹配度超过预设阈值的一个或多讴歌历史文本，还可以是根据其他方式确定的一个或多个历史文本，在此不做限定。

根据一些实施例，如图3所示，文本匹配方法还可以包括：步骤S303、获取至少一个历史文本各自的文本主干；以及步骤S305、响应于确定至少一个历史文本中包括与目标文本匹配的历史文本，基于该历史文本的文本主干确定目标文本的文本主干。图3中的步骤S301-步骤S302、步骤S304的操作分别与图2中的步骤S201-步骤S203的操作类似，在此不做赘述。由此，通过仅使用与文本主干相关性较高的文本的尺度特征，而不适用与文本主干相关性较低的细节特征，使得能够快速且准确地匹配到具有与目标文本的文本主干相似甚至相同的历史文本，并基于该历史文本的文本主干来确定目标文本的文本主干，从而提供了一种快速且准确地确定目标文本的文本主干的方式，进而能够为用户提供更精准的搜索结果信息，提升用户体验。

根据一些实施例，至少一个历史文本各自的文本主干例如可以是人工确定的，也可以是通过如正则表达式匹配等方式确定的，在此不做限定。

根据一些实施例，基于该历史文本的文本主干确定目标文本的文本主干例如可以为将与目标文本匹配的一个历史文本的文本主干确定为目标文本的文本主干，也可以为将与目标匹配的多个历史文本各自的文本主干的交集或并集确定为目标文本的文本主干，还可以为其他方式，在此不做限定。

根据本公开的另一方面，公开了一种文本匹配装置。如图4所示，文本匹配装置400包括：小波分解单元401，被配置为对目标文本的目标文本特征执行第一小波分解操作，以得到目标文本的目标尺度特征；第一获取单元402，被配置为获取至少一个历史文本和至少一个历史文本各自的历史尺度特征，其中，历史尺度特征是通过对相应的历史文本的历史文本特征执行第二小波分解操作而得到的；以及文本匹配单元403，被配置为基于目标尺度特征和至少一个历史文本对应的历史尺度特征，将目标文本和至少一个历史文本进行匹配。可以理解的是，文本匹配装置400中的单元401-单元403的操作与图2中的步骤S201-步骤S203的操作类似，在此不做赘述。

根据一些实施例，目标文本和至少一个历史文本均可以为短文本。短文本例如可以为字数小于预设值的文本，也可以为特定场景下的文本，例如用户在搜索引擎中输入的查询文本、用户社交媒体上发送的帖子、购物网站上的商品名称或商品简短介绍、医学文本如患者主诉和药品介绍等，在此不做限定。相比于长文本，短文本包含的信息量较低，文本主干占整个文本的比例较高，而不同类型、不同内容的短文本间的个体差异明显，因此仅使用作为文本特征的低频分量的表示的尺度特征即可准确表示短文本的特征。

根据一些实施例中，目标文本和至少一个历史文本均可以为用于信息搜索的查询文本。用于信息搜索的查询文本(Query)通常也被称为长尾Query。不同的长尾Query在搜索场景下的出现频率较低，但相似的长尾Query整体的出现频率较高，可以理解为这些相似的长尾Query具有相同的主干。在一个示例性实施例中，两个长尾Query“A市英语培训”和“A市英语教学”，则这两个长尾Query均具有相同的主干“A市”和“英语”。可以看出，搜索场景下的长尾Query包括用户期望搜索的关键字，并且较少包括甚至不包括其他信息。此外，在将长尾Query与历史长尾Query进行匹配，以及基于匹配结果确定长尾Query主干的场景下，不需要对长尾Query进行精确表示即能够实现高准确率的匹配和主干提取，因此仅使用作为文本特征的低频分量的表示的尺度特征即可以实现对长尾Query的精准快速匹配和主干提取。

根据一些实施例，小波分解单元401可以包括：确定子单元，被配置为确定目标小波分解次数；小波分解子单元，被配置为根据目标小波分解次数，对目标文本特征迭代执行至少一次第一小波分解操作，以得到目标尺度特征。目标尺度特征的尺寸可以与目标小波分解次数相关。由此，通过确定小波分解的次数，并对目标文本特征迭代执行小波分解操作，从而能够得到具有期望的尺寸的文本特征。而尺寸较小的目标尺度特征能够进一步降低后续的匹配过程的计算量需求，提升匹配速度。相比之下，现有的矩阵分解方法或神经网络方法无法做到灵活改变输出的目标尺度特征的尺寸。如果需要改变目标尺度特征的尺寸则需要重新进行相应的矩阵分解计算或重新训练神经网络。

根据一些实施例，文本匹配单元403可以包括：匹配子单元，被配置为响应于确定至少一个历史小波分解次数包括目标小波分解次数，针对至少一个历史文本中的每一个历史文本，确定该历史尺度子特征与目标尺度特征的匹配度。由此，通过为每一个历史文本生成具有不同尺寸的至少一个历史尺度子特征，使得在将目标文本与历史文本进行匹配时，能够将目标尺度特征和与目标尺度特征的尺寸相同的历史尺度子特征进行匹配以确定目标文本与历史文本是否匹配，从而能够支持更丰富的特征匹配方式，并避免了没有与目标尺度特征具有相同尺寸的历史尺度子特征而导致的匹配无法进行或额外需要时间以计算对应的历史尺度子特征的问题。可以理解的是，本领域技术人员可以自行设置至少一个历史小波分解次数的取值，在此不做限定。

根据一些实施例，如图5所示，文本匹配装置500还可以包括：第二获取单元503，被配置为获取至少一个历史文本各自的文本主干；以及主干确定单元505，被配置为响应于确定至少一个历史文本中包括与目标文本匹配的历史文本，基于该历史文本的文本主干确定目标文本的文本主干。图5中的单元501-502、单元504的操作分别与图4中的单元401-单元403的操作类似，在此不做赘述。由此，通过仅使用与文本主干相关性较高的文本的尺度特征，而不适用与文本主干相关性较低的细节特征，使得能够快速且准确地匹配到具有与目标文本的文本主干相似甚至相同的历史文本，并基于该历史文本的文本主干来确定目标文本的文本主干，从而提供了一种快速且准确地确定目标文本的文本主干的方式，进而能够为用户提供更精准的搜索结果信息，提升用户体验。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习网络算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如文本匹配方法。例如，在一些实施例中，文本匹配方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的文本匹配方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文本匹配方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims

1.一种文本匹配方法，包括：

对目标文本的目标文本特征执行第一小波分解操作，以得到所述目标文本的目标尺度特征；

获取至少一个历史文本和所述至少一个历史文本各自的历史尺度特征，其中，所述历史尺度特征是通过对相应的历史文本的历史文本特征执行第二小波分解操作而得到的；以及

基于所述目标尺度特征和所述至少一个历史文本对应的所述历史尺度特征，将所述目标文本和所述至少一个历史文本进行匹配。

2.如权利要求1所述的方法，其中，对所述目标文本特征执行第一小波分解操作，以得到所述目标尺度特征包括：

确定目标小波分解次数；以及

根据所述目标小波分解次数，对所述目标文本特征迭代执行至少一次所述第一小波分解操作，以得到所述目标尺度特征，其中，所述目标尺度特征的尺寸与所述目标小波分解次数相关。

3.如权利要求2所述的方法，其中，所述历史尺度特征包括所述至少一个历史文本中的每一个历史文本的与预设的至少一个历史小波分解次数一一对应的至少一个历史尺度子特征，所述至少一个历史尺度子特征中的每一个历史尺度子特征是根据对应的历史小波分解次数对相应的历史文本迭代执行至少一次所述第二小波分解操作而得到的，其中，所述每一个历史尺度子特征的尺寸的与对应的历史小波分解次数相关，

其中，将所述目标文本和所述至少一个历史文本进行匹配包括：

响应于确定所述至少一个历史小波分解次数包括所述目标小波分解次数，针对所述至少一个历史文本中的每一个历史文本，确定该历史尺度子特征与所述目标尺度特征的匹配度。

4.如权利要求1所述的方法，其中，所述第一小波分解操作包括：

将所述目标文本特征输入预先设计的低通滤波器，以得到所述目标文本特征的低频分量；以及

将所述低频分量进行下采样，以得到所述目标尺度特征。

5.如权利要求1所述的方法，还包括：

获取所述至少一个历史文本各自的文本主干；以及

响应于确定所述至少一个历史文本中包括与所述目标文本匹配的历史文本，基于该历史文本的文本主干确定所述目标文本的文本主干。

6.如权利要求1-5中任一项所述的方法，其中，所述目标文本和所述至少一个历史文本均为短文本。

7.如权利要求1-5中任一项所述的方法，其中，所述目标文本和所述至少一个历史文本均为用于信息搜索的查询文本。

8.一种文本匹配装置，包括：

小波分解单元，被配置为对目标文本的目标文本特征执行第一小波分解操作，以得到所述目标文本的目标尺度特征；

第一获取单元，被配置为获取至少一个历史文本和所述至少一个历史文本各自的历史尺度特征，其中，所述历史尺度特征是通过对相应的历史文本的历史文本特征执行第二小波分解操作而得到的；以及

文本匹配单元，被配置为基于所述目标尺度特征和所述至少一个历史文本对应的所述历史尺度特征，将所述目标文本和所述至少一个历史文本进行匹配。

9.如权利要求8所述的装置，其中，所述小波分解单元包括：

确定子单元，被配置为确定目标小波分解次数；以及

小波分解子单元，被配置为根据所述目标小波分解次数，对所述目标文本特征迭代执行至少一次所述第一小波分解操作，以得到所述目标尺度特征，其中，所述目标尺度特征的尺寸与所述目标小波分解次数相关。

10.如权利要求9所述的装置，其中，所述历史尺度特征包括所述至少一个历史文本中的每一个历史文本的与预设的至少一个历史小波分解次数一一对应的至少一个历史尺度子特征，所述至少一个历史尺度子特征中的每一个历史尺度子特征是根据对应的历史小波分解次数对相应的历史文本迭代执行至少一次所述第二小波分解操作而得到的，其中，所述每一个历史尺度子特征的尺寸的与对应的历史小波分解次数相关，

其中，所述文本匹配单元包括：

匹配子单元，被配置为响应于确定所述至少一个历史小波分解次数包括所述目标小波分解次数，针对所述至少一个历史文本中的每一个历史文本，确定该历史尺度子特征与所述目标尺度特征的匹配度。

11.如权利要求8所述的装置，其中，所述第一小波分解操作包括：

将所述低频分量进行下采样，以得到所述目标尺度特征。

12.如权利要求8所述的装置，还包括：

第二获取单元，被配置为获取所述至少一个历史文本各自的文本主干；以及

主干确定单元，被配置为响应于确定所述至少一个历史文本中包括与所述目标文本匹配的历史文本，基于该历史文本的文本主干确定所述目标文本的文本主干。

13.如权利要求8-12中任一项所述的装置，其中，所述目标文本和所述至少一个历史文本均为短文本。

14.如权利要求8-12中任一项所述的装置，其中，所述目标文本和所述至少一个历史文本均为用于信息搜索的查询文本。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。