CN114417862A - 文本匹配方法、文本匹配模型的训练方法和装置 - Google Patents

Abstract

本公开提供了一种文本匹配方法、文本匹配模型的训练方法、装置、设备、介质和产品，涉及人工智能技术领域，具体为自然语言处理、深度学习技术领域。文本匹配方法包括：对目标文本进行分词处理，得到初始字词；处理初始字词，得到目标字词，其中，目标字词包含的文本语义信息量低于初始字词包含的文本语义信息量；提取目标字词的字词特征；基于目标字词的字词特征，得到针对目标文本的文本特征；将目标文本的文本特征和候选文本的文本特征进行匹配，得到目标文本和候选文本之间的相似度。

Description

文本匹配方法、文本匹配模型的训练方法和装置

技术领域

本公开涉及人工智能技术领域，具体为自然语言处理、深度学习技术领域，更具体地，涉及一种文本匹配方法、文本匹配模型的训练方法、装置、电子设备、介质和程序产品。

背景技术

相关技术中，通常需要对多个文本进行匹配以确定多个文本之间的相似度，但是，相关技术的文本匹配方式计算量较大、匹配效率较低、匹配结果较差。

发明内容

本公开提供了一种文本匹配方法、文本匹配模型的训练方法、装置、电子设备、存储介质和程序产品。

根据本公开的一方面，提供了一种文本匹配方法，包括：对目标文本进行分词处理，得到初始字词；处理所述初始字词，得到目标字词，其中，所述目标字词包含的文本语义信息量低于所述初始字词包含的文本语义信息量；提取所述目标字词的字词特征；基于所述目标字词的字词特征，得到针对所述目标文本的文本特征；将所述目标文本的文本特征和候选文本的文本特征进行匹配，得到所述目标文本和所述候选文本之间的相似度。

根据本公开的另一方面，提供了一种文本匹配模型的训练方法，包括：对第一文本样本进行分词处理，得到初始样本字词；处理所述初始样本字词，得到目标样本字词，其中，所述目标样本字词包含的文本语义信息量低于所述初始样本字词包含的文本语义信息量；利用待训练的文本匹配模型提取所述目标样本字词的字词特征；利用所述待训练的文本匹配模型基于所述目标样本字词的字词特征，得到针对所述第一文本样本的文本特征；将所述第一文本样本的文本特征和第二文本样本的文本特征进行匹配，得到所述第一文本样本和所述第二文本样本之间的样本相似度；基于所述样本相似度以及所述第一文本样本和所述第二文本样本之间的相似度标签，调整所述待训练的文本匹配模型的模型参数。

根据本公开的另一方面，提供了一种文本匹配装置，包括：第一处理模块、第二处理模块、第一提取模块、第一获得模块和第一匹配模块。第一处理模块，用于对目标文本进行分词处理，得到初始字词；第二处理模块，用于处理所述初始字词，得到目标字词，其中，所述目标字词包含的文本语义信息量低于所述初始字词包含的文本语义信息量；第一提取模块，用于提取所述目标字词的字词特征；第一获得模块，用于基于所述目标字词的字词特征，得到针对所述目标文本的文本特征；第一匹配模块，用于将所述目标文本的文本特征和候选文本的文本特征进行匹配，得到所述目标文本和所述候选文本之间的相似度。

根据本公开的另一方面，提供了一种文本匹配模型的训练装置，包括：第三处理模块、第四处理模块、第二提取模块、第二获得模块、第二匹配模块和调整模块。第三处理模块，用于对第一文本样本进行分词处理，得到初始样本字词；第四处理模块，用于处理所述初始样本字词，得到目标样本字词，其中，所述目标样本字词包含的文本语义信息量低于所述初始样本字词包含的文本语义信息量；第二提取模块，用于利用待训练的文本匹配模型提取所述目标样本字词的字词特征；第二获得模块，用于利用所述待训练的文本匹配模型基于所述目标样本字词的字词特征，得到针对所述第一文本样本的文本特征；第二匹配模块，用于将所述第一文本样本的文本特征和第二文本样本的文本特征进行匹配，得到所述第一文本样本和所述第二文本样本之间的样本相似度；调整模块，用于基于所述样本相似度以及所述第一文本样本和所述第二文本样本之间的相似度标签，调整所述待训练的文本匹配模型的模型参数。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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上述的文本匹配方法和/或文本匹配模型的训练方法。

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，所述计算机指令用于使所述计算机执行上述的文本匹配方法和/或文本匹配模型的训练方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序序/指令，所述计算机程序序/指令被处理器执行时实现上述文本匹配方法的步骤和/或文本匹配模型的训练方法的步骤。

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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了一种示例的文本匹配的应用场景；

图2示意性示出了根据本公开一实施例的文本匹配方法的流程图；

图3示意性示出了根据本公开一实施例的文本匹配方法的原理图；

图4示意性示出了根据本公开一实施例的构建丈本搜索树结构的示意图；

图5示意性示出了根据本公开一实施例的文本匹配模型的训练方法的流程图；

图6示意性示出了根据本公开一实施例的文本匹配装置的框图；

图7示意性示出了根据本公开一实施例的文本匹配模型的训练装置的框图；以及

图8是用来实现本公开实施例的用于执行文本匹配和/或文本匹配模型的训练的电子设备的框图。

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和精神。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。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

图1示意性示出了一种示例的文本匹配的应用场景。

如图1所示，本公开实施例的应用场景100例如包括丈本数据101和丈本匹配模型102。

示例性地，文本数据101例如包括原始文本或者对原始文本进行处理得到的数据。原始文本例如包括文章、论文、文档等等。

将文本数据101输入文本匹配模型102中进行匹配，得到多个文本之间的相似度103。

本公开的实施例提出了一种优化的文本匹配方法和文本匹配模型的训练方法。下面参考图2～图5来描述根据本公开示例性实施方式的文本匹配方法和文本匹配模型的训练方法。

图2示意性示出了根据本公开一实施例的文本匹配方法的流程图。

如图2所示，本公开实施例的文本匹配方法200例如可以包括操作S210～操作S250。

在操作S210，对目标文本进行分词处理，得到初始字词。

在操作S220，处理初始字词，得到目标字词，目标字词包含的文本语义信息量低于初始字词包含的文本语义信息量。

在操作S230，提取目标字词的字词特征。

在操作S240，基于目标字词的字词特征，得到针对目标文本的文本特征。

在操作S250，将目标文本的文本特征和候选文本的文本特征进行匹配，得到目标文本和候选文本之间的相似度。

示例性地，对目标文本进行分词处理得到多个初始字词，多个初始字词包含了文本语义信息。基于降低文本语义信息量的规则从多个初始字词中选择至少一个初始字词作为目标字词，目标字词包含的文本语义信息量较低。得到目标字词之后，可以提取目标字词的字词特征，然后基于目标字词的字词特征进行逻辑推理得到目标文本的文本特征。

针对多个候选文本中的每个候选文本，基于与目标文本相同或类似的方式处理该候选文本，得到候选文本的文本特征。将目标文本的文本特征和候选文本的文本特征进行匹配，得到目标文本与每个候选文本之间的相似度。

根据本公开的实施例，在得到目标文本的多个初始字词之后，基于降低文本语义信息量的规则从多个初始字词中选择至少一个初始字词作为目标字词，通过适当降低初始字词的文本语义信息量，降低了特征提取、特征处理和特征匹配的计算量。可以理解，通过本公开的实施例，在满足文本匹配准确性的前提下提高了文本匹配的效率以及降低了丈本匹配的计算量。

图3示意性示出了根据本公开一实施例的文本匹配方法的原理图。

如图3所示，对目标文本310进行分词，得到多个初始字词320，多个初始字词320例如包括初始字词A、B、C、D。利用掩膜Mask结构从多个初始字词320中选择至少一个初始字词A、C，将至少一个初始字词A、C作为目标字词330，目标字词330包括目标字词A、C。掩膜Mask结构实际上是一种过滤结构，例如用于从多个初始字词中过滤75％的初始字词，剩余25％的初始字词作为目标字词。过滤方式例如包括随机过滤、对排序的多个初始字词进行等步长过滤等等。

得到目标字词330之后，可以利用文本匹配模型对目标字词330进行处理得到文本特征380。文本匹配模型例如包括自然语言处理模型、深度学习模型等。

示例性地，文本匹配模型例如包括字词特征搜索网络340和文本特征搜索网络370。

字词特征搜索网络340用于对每个目标字词进行特征提取，得到针对每个目标字词的多类型的字词特征，多类型的字词特征例如包括目标字词的基础特征351、目标字词在目标文本中的位置特征352、目标字词所属句子在目标文本中的句子特征353、目标字词在所属句子中的属性特征354。

示例性地，字词特征搜索网络340例如包括多个嵌入层，多个嵌入层例如包括TaskEmbedding层、Position Embedding层、Sentence Embedding层、Token Embedding层。

将目标字词A输入Task Embedding层，得到基础特征[a11 a12 a13]。

将目标字词A输入Position Embedding层，得到目标字词A在目标文本310中的位置特征[a21 a22 a23]。

将目标字词A输入Sentence Embedding层，得到目标字词A所属句子在目标文本310中的句子特征[a31 a32 a33]。

将目标字词A输入Token Embedding层，得到目标字词A在所属句子中的属性特征[a41 a42 a43]。属性特征例如表征了目标字词A在所属句子中的头部、尾部等。

与目标字词A类似，利用文本匹配模型处理目标字词C得到基础特征[c11 c12c13]、位置特征[c21 c22 c23]、句子特征[c31 c32 c33]、属性特征[c41 c42 c43]。

例如，字词特征包括特征向量，在得到每个目标字词的多类型字词特征(特征向量)之后，将多类型的字词特征(特征向量)相加，得到针对每个目标字词的融合特征360。

将多个目标字词的融合特征360输入文本特征搜索网络370中，文本特征搜索网络370基于多个目标字词的字词特征(融合特征)进行推理，得到针对目标文本310的文本特征380。文本特征搜索网络370例如包括多个Transformer Block网络层。

基于与目标文本类似的方式获得候选文本的文本特征，然后将目标文本的文本特征和候选文本的文本特征进行匹配，得到目标文本和候选文本之间的相似度。

根据本公开的实施例，利用掩膜Mask结构处理初始字词得到目标字词，以便降低文本匹配模型的计算量以及提高文本匹配模型的计算效率。利用字词特征搜索网络提取多类型的字词特征，以提高字词特征的丰富程度来提高文本匹配效果。

图4示意性示出了根据本公开一实施例的构建文本搜索树结构的示意图。

如图4所示，候选文本例如包括多个候选文本，基于多个候选文本的文本特征，利用分桶方式构建文本搜索树结构，文本搜索树结构例如包括多个节点。多个节点被划分为至少一个层级，本公开实施例以至少一个层级包括第一层级、第二层级、第三层级为例。

以一个候选文本为例，该候选文本的文本标识例如为IDS_1，该候选文本的文本特征410例如为二进制数据[001101111101]。

将候选文本的文本特征410划分为至少一个子特征，至少一个子特征与至少一个层级一一对应。至少一个子特征例如包括三个子特征，三个子特征例如分别为0011、0111、1101。

每个层级包括多个节点，每个节点对应一个数据区间。例如第一层级包括多个第一节点，第二层级包括多个第二节点、第三层级包括多个第三节点。第一层级的一个第一节点对应的数据区间例如为0000～0110，第一层级的另一个第一节点对应的数据区间例如为0111～1111。将第一个子特征0011与第一层级的每个第一节点对应的数据区间进行比较，如果该第一个子特征0011落入某个第一节点对应的数据区间，将该候选文本与该第一节点进行关联。

在将该候选文本关联至第一层级的某个第一节点之后，针对该第一节点对应的多个第二节点，将第二个子特征0111与该多个第二节点中的每个第二节点对应的数据区间进行比较，如果该第二个子特征0111落入某个第二节点对应的数据区间，将该候选文本与该第二节点进行关联。以此类推将该候选文本与第三层级的某个第三节点关联。

将候选文本关联至节点例如包括将候选文本的文本标识IDS 1存储至节点中。在将多个候选文本关联至节点后，得到文本搜索树结构。

可以理解，本公开实施例以文本特征410为12位二进制进行举例，每个节点对应的数据区间也较大。在一些情况下，文本特征410可以包括64位二进制，每个节点对应的数据区间可以比较小，例如数据区间可以是一个数值，例如某个数据区间可以是1110。

在基于候选文本构建文本搜索树结构之后，当接收到目标文本的文本特征之后，可以基于目标文本的文本特征，从多个节点中确定针对目标文本的目标节点。例如将目标文本的文本特征切分为多个子特征，将多个子特征分别与多层级中的节点进行比较，从而确定出目标文本落入每一层级的目标节点。

然后，基于目标节点，从多个候选文本中确定至少一个候选文本，至少一个候选文本与目标文本之间的相似度满足相似度条件。例如，目标节点中预先关联了多个候选文本，可以将某一层级的目标节点所关联的候选文本，作为至少一个候选文本。根据实际需求，当需要选择与目标文本相似度较高的候选文本时，可以选择与第三层级的目标节点相关联的候选文本；当需要选择与目标文本相似度较低的候选文本时，可以选择与第二层级或第一层级的目标节点相关联的候选文本。

在得到至少一个候选文本之后，可以将目标文本的文本特征与至少一个候选文本中每个候选文本的文本特征进行比较，得到目标文本和每个候选文本之间的相似度。例如，文本特征包括多位二进制数据，将文本特征进行比较包括进行位运算，当文本特征包括12位二进制时，如果目标文本的文本特征与候选文本的文本特征具有对应的9位二进制数据相似，则目标文本和候选文本之间的相似度为9/12＝0.75。

根据本公开的实施例，通过提前基于多个候选文本构建文本搜索树结构，在接收到目标文本之后，基于文本搜索树结构快速找到与目标文本相似的候选文本，提高了文本匹配效率。匹配得到相似的候选文本之后，再进一步计算目标文本和候选文本的相似度，相比于将目标文本与数据库中存储的每个候选文本进行相似度计算，通过本公开的实施例，降低了文本相似度的计算量，提高了相似度计算效率。

图5示意性示出了根据本公开一实施例的文本匹配模型的训练方法的流程图。

如图5所示，本公开实施例的文本匹配模型的训练方法500例如可以包括操作S510～操作S560。

在操作S510，对第一文本样本进行分词处理，得到初始样本字词。

在操作S520，处理初始样本字词，得到目标样本字词，目标样本字词包含的文本语义信息量低于初始样本字词包含的文本语义信息量。

在操作S530，利用待训练的文本匹配模型提取目标样本字词的字词特征。

在操作S540，利用待训练的文本匹配模型基于目标样本字词的字词特征，得到针对第一文本样本的文本特征。

在操作S550，将第一文本样本的文本特征和第二文本样本的文本特征进行匹配，得到第一文本样本和第二文本样本之间的样本相似度。

在操作S560，基于样本相似度以及第一文本样本和第二文本样本之间的相似度标签，调整待训练的文本匹配模型的模型参数。

示例性地，可以使用多个文本样本来训练文本匹配模型。多个文本样本例如包括第一文本样本和第二文本样本，第一文本样本和第二文本样本之间具有相似度标签，该相似度标签表征了第一丈本样本和第二文本样本是否相似。

对第一文本样本进行分词处理得到初始样本字词后，基于降低文本语义信息量的规则处理初始样本字词得到目标样本字词，然后利用待训练的文本匹配模型提取目标样本字词的字词特征，并基于字词特征得到第一文本样本的文本特征。基于类似的方式得到第二文本样本的文本特征。

然后，将第一文本样本的文本特征和第二文本样本的文本特征进行匹配，得到第一文本样本和第二文本样本之间的样本相似度，基于样本相似度和相似度标签得到针对文本匹配模型的损失值，然后基于损失值反向调整文本匹配模型的模型参数，从而训练得到文本匹配模型。

根据本公开的实施例，在得到第一文本样本的多个初始样本字词之后，基于降低文本语义信息量的规则从多个初始样本字词中选择至少一个初始样本字词作为目标样本字词，通过适当降低初始样本字词的文本语义信息量，从降低了特征提取、特征处理和特征匹配的计算量，在保证模型匹配精度的前提下提高了模型训练效率。

在一示例中，初始样本字词包括多个初始样本字词，可以利用掩膜Mask结构从多个初始样本字词中确定至少一个初始样本字词，作为目标样本字词。

示例性地，目标样本字词的字词特征包括以下至少一项：目标样本字词的基础特征、目标样本字词在第一文本样本中的位置特征、目标样本字词所属句子在第一文本样本中的句子特征、目标样本字词在所属句子中的属性特征。

在一示例中，待训练的文本匹配模型包括字词特征搜索网络和文本特征搜索网络。可以利用字词特征搜索网络提取目标样本字词的字词特征，并利用文本特征搜索网络基于目标样本字词的字词特征，得到针对第一文本样本的文本特征。

在一示例中，第一文本样本和第二文本样本之间的相似度标签是基于以下方式得到的。

例如，对第一文本样本进行分词处理，得到多个第一样本字词，对第二文本样本进行分词处理，得到多个第二样本字词。然后确定多个第一样本字词和多个第二样本字词的交集，确定多个第一样本字词和多个第二样本字词的并集。最后，基于交集和并集之间的比值，确定第一文本样本和第二文本样本之间的相似度标签。例如，当交集和并集之间的比值大于等于预设阈值时，相似度标签为相似，当交集和并集之间的比值小于预设阈值时，相似度标签为不相似。预设阈值例如为0.8或0.7等等。

通过以上方式，可以得到训练集，训练集中包括多个文本样本对，每个文本样本对包括两个文本样本和对应的相似度标签。

根据本公开的实施例，通过分词的方式来确定文本样本的相似度标签，提高了相似度标签的准确性，降低了人工标记的成本，准确的相似度标签提高了文本匹配模型的训练精度。

图6示意性示出了根据本公开一实施例的文本匹配装置的框图。

如图6所示，本公开实施例的文本匹配装置600例如包括第一处理模块610、第二处理模块620、第一提取模块630、第一获得模块640和第一匹配模块650。

第一处理模块610可以用于对目标文本进行分词处理，得到初始字词。根据本公开实施例，第一处理模块610例如可以执行上文参考图2描述的操作S210，在此不再赘述。

第二处理模块620可以用于处理初始字词，得到目标字词，目标字词包含的文本语义信息量低于初始字词包含的文本语义信息量。根据本公开实施例，第二处理模块620例如可以执行上文参考图2描述的操作S220，在此不再赘述。

第一提取模块630可以用于提取目标字词的字词特征。根据本公开实施例，第一提取模块630例如可以执行上文参考图2描述的操作S230，在此不再赘述。

第一获得模块640可以用于基于目标字词的字词特征，得到针对目标文本的文本特征。根据本公开实施例，第一获得模块640例如可以执行上文参考图2描述的操作S240，在此不再赘述。

第一匹配模块650可以用于将目标文本的文本特征和候选文本的文本特征进行匹配，得到目标文本和候选文本之间的相似度。根据本公开实施例，第一匹配模块650例如可以执行上文参考图2描述的操作S250，在此不再赘述。

根据本公开实施例，初始字词包括多个初始字词；第二处理模块620还用于：利用掩膜Mask结构从多个初始字词中确定至少一个初始字词，作为目标字词。

根据本公开实施例，目标字词的字词特征包括以下至少一项：目标字词的基础特征、目标字词在目标文本中的位置特征、目标字词所属句子在目标文本中的句子特征、目标字词在所属句子中的属性特征。

根据本公开实施例，候选文本包括多个候选文本；第一匹配模块650包括：构建子模块、第一确定子模块、第二确定子模块和比较子模块。构建子模块，用于基于多个候选文本的文本特征，构建文本搜索树结构，其中，文本搜索树结构包括多个节点；第一确定子模块，用于基于目标文本的文本特征，从多个节点中确定针对目标文本的目标节点；第二确定子模块，用于基于目标节点，从多个候选文本中确定至少一个候选文本，其中，至少一个候选文本与目标文本之间的相似度满足相似度条件；比较子模块，用于将目标文本的文本特征与至少一个候选文本的文本特征进行比较，得到目标文本和至少一个候选文本之间的相似度。

根据本公开实施例，多个节点被划分为至少一个层级；构建子模块包括：划分单元和关联单元。划分单元，用于针对多个候选文本中的每个候选文本，将候选文本的文本特征划分为至少一个子特征，至少一个子特征与至少一个层级一一对应；关联单元，用于将至少一个子特征分别关联至至少一个层级，得到文本搜索树结构。

根据本公开实施例，第一提取模块630还用于：利用文本匹配模型中的字词特征搜索网络提取目标字词的字词特征；第一获得模块640还用于：利用文本匹配模型中的文本特征搜索网络基于目标字词的字词特征，得到针对目标文本的文本特征。

图7示意性示出了根据本公开一实施例的文本匹配模型的训练装置的框图。

如图7所示，本公开实施例的文本匹配模型的训练装置700例如包括第三处理模块710、第四处理模块720、第二提取模块730、第二获得模块740、第二匹配模块750和调整模块760。

第三处理模块710可以用于对第一文本样本进行分词处理，得到初始样本字词。根据本公开实施例，第三处理模块710例如可以执行上文参考图5描述的操作S510，在此不再赘述。

第四处理模块720可以用于处理初始样本字词，得到目标样本字词，目标样本字词包含的文本语义信息量低于初始样本字词包含的文本语义信息量。根据本公开实施例，第四处理模块720例如可以执行上文参考图5描述的操作S520，在此不再赘述。

第二提取模块730可以用于利用待训练的文本匹配模型提取目标样本字词的字词特征。根据本公开实施例，第二提取模块730例如可以执行上文参考图5描述的操作S530，在此不再赘述。

第二获得模块740可以用于利用待训练的文本匹配模型基于目标样本字词的字词特征，得到针对第一文本样本的文本特征。根据本公开实施例，第二获得模块740例如可以执行上文参考图5描述的操作S540，在此不再赘述。

第二匹配模块750可以用于将第一文本样本的文本特征和第二文本样本的文本特征进行匹配，得到第一文本样本和第二文本样本之间的样本相似度。根据本公开实施例，第二匹配模块750例如可以执行上文参考图5描述的操作S550，在此不再赘述。

调整模块760可以用于基于样本相似度以及第一文本样本和第二文本样本之间的相似度标签，调整待训练的文本匹配模型的模型参数。根据本公开实施例，调整模块760例如可以执行上文参考图5描述的操作S560，在此不再赘述。

根据本公开实施例，初始样本字词包括多个初始样本字词；第四处理模块720还用于：利用掩膜Mask结构从多个初始样本字词中确定至少一个初始样本字词，作为目标样本字词。

根据本公开实施例，目标样本字词的字词特征包括以下至少一项：目标样本字词的基础特征、目标样本字词在第一文本样本中的位置特征、目标样本字词所属句子在第一文本样本中的句子特征、目标样本字词在所属句子中的属性特征。

根据本公开实施例，待训练的文本匹配模型包括字词特征搜索网络和丈本特征搜索网络；其中，第二提取模块730还用于：利用字词特征搜索网络提取目标样本字词的字词特征；其中，第二获得模块740还用于：利用文本特征搜索网络基于目标样本字词的字词特征，得到针对第一文本样本的文本特征。

根据本公开实施例，第一文本样本和第二文本样本之间的相似度标签是基于以下方式得到的：对第一文本样本进行分词处理，得到第一样本字词；对第二文本样本进行分词处理，得到第二样本字词；确定第一样本字词和第二样本字词的交集；确定第一样本字词和第二样本字词的并集；基于交集和并集之间的比值，确定第一文本样本和第二文本样本之间的相似度标签。

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，本公开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。

图8是用来实现本公开实施例的用于执行文本匹配和/或文本匹配模型的训练的电子设备的框图。

图8示出了可以用来实施本公开实施例的示例电子设备800的示意性框图。电子设备800旨在表示各种形式的数字计算机，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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。

计算单元801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801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、各种运行机器学习模型算法的计算单元、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801执行上文所描述的各个方法和处理，例如文本匹配方法和/或文本匹配模型的训练方法。例如，在一些实施例中，文本匹配方法和/或文本匹配模型的训练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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的文本匹配方法和/或文本匹配模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801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和/或文本匹配模型的训练方法。

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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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文本匹配装置和/或文本匹配模型的训练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文本匹配装置和/或文本匹配模型的训练装置(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，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执行也可以不同的次序执行，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。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (25)

1.一种文本匹配方法，包括：

对目标文本进行分词处理，得到初始字词；

处理所述初始字词，得到目标字词，其中，所述目标字词包含的文本语义信息量低于所述初始字词包含的文本语义信息量；

提取所述目标字词的字词特征；

基于所述目标字词的字词特征，得到针对所述目标文本的文本特征；以及

将所述目标文本的文本特征和候选文本的文本特征进行匹配，得到所述目标文本和所述候选文本之间的相似度。

2.根据权利要求1所述的方法，其中，所述初始字词包括多个初始字词；所述处理所述初始字词，得到目标字词包括：

利用掩膜Mask结构从所述多个初始字词中确定至少一个初始字词，作为所述目标字词。

3.根据权利要求1所述的方法，其中，所述目标字词的字词特征包括以下至少一项：

所述目标字词的基础特征、所述目标字词在所述目标文本中的位置特征、所述目标字词所属句子在所述目标文本中的句子特征、所述目标字词在所属句子中的属性特征。

4.根据权利要求1所述的方法，其中，所述候选文本包括多个候选文本；所述将所述目标文本的文本特征和候选文本的文本特征进行匹配，得到所述目标文本和所述候选文本之间的相似度包括：

基于所述多个候选文本的文本特征，构建文本搜索树结构，其中，所述文本搜索树结构包括多个节点；

基于所述目标文本的文本特征，从所述多个节点中确定针对所述目标文本的目标节点；

基于所述目标节点，从所述多个候选文本中确定至少一个候选文本，其中，所述至少一个候选文本与所述目标文本之间的相似度满足相似度条件；以及

将所述目标文本的文本特征与所述至少一个候选文本的文本特征进行比较，得到所述目标文本和所述至少一个候选文本之间的相似度。

5.根据权利要求4所述的方法，其中，所述多个节点被划分为至少一个层级；所述基于所述多个候选文本的文本特征，构建文本搜索树结构包括：

针对所述多个候选文本中的每个候选文本，将所述候选文本的文本特征划分为至少一个子特征，所述至少一个子特征与所述至少一个层级一一对应；以及

将所述至少一个子特征分别关联至所述至少一个层级，得到所述文本搜索树结构。

6.根据权利要求1-5中任意一项所述的方法，其中：

所述提取所述目标字词的字词特征包括：利用文本匹配模型中的字词特征搜索网络提取所述目标字词的字词特征；

所述基于所述目标字词的字词特征，得到针对所述目标文本的文本特征包括：利用文本匹配模型中的丈本特征搜索网络基于所述目标字词的字词特征，得到针对所述目标文本的文本特征。

7.一种文本匹配模型的训练方法，包括：

对第一文本样本进行分词处理，得到初始样本字词；

处理所述初始样本字词，得到目标样本字词，其中，所述目标样本字词包含的文本语义信息量低于所述初始样本字词包含的文本语义信息量；

利用待训练的文本匹配模型提取所述目标样本字词的字词特征；

利用所述待训练的文本匹配模型基于所述目标样本字词的字词特征，得到针对所述第一文本样本的文本特征；

将所述第一文本样本的文本特征和第二文本样本的文本特征进行匹配，得到所述第一文本样本和所述第二文本样本之间的样本相似度；以及

基于所述样本相似度以及所述第一文本样本和所述第二文本样本之间的相似度标签，调整所述待训练的文本匹配模型的模型参数。

8.根据权利要求7所述的方法，其中，所述初始样本字词包括多个初始样本字词；所述处理所述初始样本字词，得到目标样本字词包括：

利用掩膜Mask结构从所述多个初始样本字词中确定至少一个初始样本字词，作为所述目标样本字词。

9.根据权利要求7所述的方法，其中，所述目标样本字词的字词特征包括以下至少一项：

所述目标样本字词的基础特征、所述目标样本字词在所述第一文本样本中的位置特征、所述目标样本字词所属句子在所述第一文本样本中的句子特征、所述目标样本字词在所属句子中的属性特征。

10.根据权利要求7-9中任意一项所述的方法，其中，所述待训练的文本匹配模型包括字词特征搜索网络和文本特征搜索网络；

其中，所述利用所述待训练的文本匹配模型提取所述目标样本字词的字词特征包括：利用所述字词特征搜索网络提取所述目标样本字词的字词特征；

其中，所述基于所述目标样本字词的字词特征，得到针对所述第一文本样本的文本特征包括：利用所述文本特征搜索网络基于所述目标样本字词的字词特征，得到针对所述第一文本样本的文本特征。

11.根据权利要求7所述的方法，其中，所述第一文本样本和所述第二文本样本之间的相似度标签是基于以下方式得到的：

对所述第一文本样本进行分词处理，得到第一样本字词；

对所述第二文本样本进行分词处理，得到第二样本字词；

确定所述第一样本字词和所述第二样本字词的交集；

确定所述第一样本字词和所述第二样本字词的并集；以及

基于所述交集和所述并集之间的比值，确定所述第一文本样本和所述第二文本样本之间的相似度标签。

12.一种文本匹配装置，包括：

第一处理模块，用于对目标文本进行分词处理，得到初始字词；

第二处理模块，用于处理所述初始字词，得到目标字词，其中，所述目标字词包含的文本语义信息量低于所述初始字词包含的文本语义信息量；

第一提取模块，用于提取所述目标字词的字词特征；

第一获得模块，用于基于所述目标字词的字词特征，得到针对所述目标文本的文本特征；以及

第一匹配模块，用于将所述目标文本的文本特征和候选文本的文本特征进行匹配，得到所述目标文本和所述候选文本之间的相似度。

13.根据权利要求12所述的装置，其中，所述初始字词包括多个初始字词；所述第二处理模块还用于：

利用掩膜Mask结构从所述多个初始字词中确定至少一个初始字词，作为所述目标字词。

14.根据权利要求12所述的装置，其中，所述目标字词的字词特征包括以下至少一项：

所述目标字词的基础特征、所述目标字词在所述目标文本中的位置特征、所述目标字词所属句子在所述目标文本中的句子特征、所述目标字词在所属句子中的属性特征。

15.根据权利要求12所述的装置，其中，所述候选文本包括多个候选文本；所述第一匹配模块包括：

构建子模块，用于基于所述多个候选文本的文本特征，构建文本搜索树结构，其中，所述文本搜索树结构包括多个节点；

第一确定子模块，用于基于所述目标文本的文本特征，从所述多个节点中确定针对所述目标文本的目标节点；

第二确定子模块，用于基于所述目标节点，从所述多个候选文本中确定至少一个候选文本，其中，所述至少一个候选文本与所述目标文本之间的相似度满足相似度条件；以及

比较子模块，用于将所述目标文本的文本特征与所述至少一个候选文本的文本特征进行比较，得到所述目标文本和所述至少一个候选文本之间的相似度。

16.根据权利要求15所述的装置，其中，所述多个节点被划分为至少一个层级；所述构建子模块包括：

划分单元，用于针对所述多个候选文本中的每个候选文本，将所述候选文本的文本特征划分为至少一个子特征，所述至少一个子特征与所述至少一个层级一一对应；以及

关联单元，用于将所述至少一个子特征分别关联至所述至少一个层级，得到所述文本搜索树结构。

17.根据权利要求12-16中任意一项所述的装置，其中：

所述第一提取模块还用于：利用文本匹配模型中的字词特征搜索网络提取所述目标字词的字词特征；

所述第一获得模块还用于：利用文本匹配模型中的文本特征搜索网络基于所述目标字词的字词特征，得到针对所述目标文本的文本特征。

18.一种文本匹配模型的训练装置，包括：

第三处理模块，用于对第一文本样本进行分词处理，得到初始样本字词；

第四处理模块，用于处理所述初始样本字词，得到目标样本字词，其中，所述目标样本字词包含的文本语义信息量低于所述初始样本字词包含的文本语义信息量；

第二提取模块，用于利用待训练的文本匹配模型提取所述目标样本字词的字词特征；

第二获得模块，用于利用所述待训练的文本匹配模型基于所述目标样本字词的字词特征，得到针对所述第一文本样本的文本特征；

第二匹配模块，用于将所述第一文本样本的文本特征和第二文本样本的文本特征进行匹配，得到所述第一文本样本和所述第二文本样本之间的样本相似度；以及

调整模块，用于基于所述样本相似度以及所述第一文本样本和所述第二文本样本之间的相似度标签，调整所述待训练的文本匹配模型的模型参数。

19.根据权利要求18所述的装置，其中，所述初始样本字词包括多个初始样本字词；所述第四处理模块还用于：

利用掩膜Mask结构从所述多个初始样本字词中确定至少一个初始样本字词，作为所述目标样本字词。

20.根据权利要求18所述的装置，其中，所述目标样本字词的字词特征包括以下至少一项：

所述目标样本字词的基础特征、所述目标样本字词在所述第一文本样本中的位置特征、所述目标样本字词所属句子在所述第一文本样本中的句子特征、所述目标样本字词在所属句子中的属性特征。

21.根据权利要求18-20中任意一项所述的装置，其中，所述待训练的文本匹配模型包括字词特征搜索网络和文本特征搜索网络；

其中，所述第二提取模块还用于：利用所述字词特征搜索网络提取所述目标样本字词的字词特征；

其中，所述第二获得模块还用于：利用所述文本特征搜索网络基于所述目标样本字词的字词特征，得到针对所述第一文本样本的文本特征。

22.根据权利要求18所述的装置，其中，所述第一文本样本和所述第二文本样本之间的相似度标签是基于以下方式得到的：

对所述第一文本样本进行分词处理，得到第一样本字词；

对所述第二文本样本进行分词处理，得到第二样本字词；

确定所述第一样本字词和所述第二样本字词的交集；

确定所述第一样本字词和所述第二样本字词的并集；以及

基于所述交集和所述并集之间的比值，确定所述第一文本样本和所述第二文本样本之间的相似度标签。

23.一种电子设备，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1-11中任一项所述的方法。

24.一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权利要求1-11中任一项所述的方法。

25.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1-11中任一项所述方法的步骤。

Images