(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 202210932604.4 (22)申请日 2022.08.04 (71)申请人 南京中孚信息技 术有限公司 地址 210000 江苏省南京市浦口区江浦街 道仁山路1号园区2号楼办公室东侧 ER202室 (72)发明人 唐孝军　赵鑫　高伟　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 曹瑞敏 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 文本匹配方法、 装置、 电子设备以及存储介 质 (57)摘要 本申请提供了一种文本匹配方法、 装置、 电 子设备及存储介质， 其中， 该方法包括： 获取待匹 配文本， 对待匹配文本进行分词处理， 得到多个 词语， 并将多个词语组成词语序列； 采用滑动窗 口在词语序列中依次选择出多个词语子序列； 确 定各词语子序列中各词语的词向量， 并根据各词 语子序列中各词语的词向量确定各词语子序列 的指纹信息； 根据各词语子序列的指纹信息以及 预设的文本指纹树， 确定待匹配文本的匹配结 果。 其中， 通过预设的文本指纹树， 可以提高文本 指纹匹配的效率， 向量化后的词向量可以表征词 语的语义信息， 因此可以提高对相似文本匹配的 准确度。 权利要求书2页 说明书12页 附图5页 CN 115270791 A 2022.11.01 CN 115270791 A 1.一种文本匹配方法， 其特 征在于， 包括： 获取待匹配文本， 对所述待 匹配文本进行分词处理， 得到多个词语， 并将所述多个词语 组成词语序列； 采用滑动窗口在所述词语序列中依次选择出多个词语子序列， 各词语子序列中包括预 设数量的词语； 确定各词语子序列中各词语的词向量， 并根据各词语子序列中各词语的词向量确定各 词语子序列的指纹信息， 其中， 所述词向量用于表征 所述词语的语义； 根据各词语子序列的指纹信 息以及预设的文本指纹树， 确定所述待匹配文本的匹配结 果。 2.如权利要求1所述的方法， 其特征在于， 所述确定各词语子序列中各词语的词向量， 包括： 在预设的同义词库中查找第 一词语子序列中的第 一词语， 所述第 一词语子序列为所述 多个词语子序列中的任一词语子序列， 所述第一词语为所述第一词语子序列中的任一词 语； 若所述同义词库中存在所述第 一词语， 则将所述同义词库中所述第 一词语对应的词向 量作为所述第一词语的词向量， 其中， 所述同义词 库中存在多个同义词集合， 每个同义词集 合中包括语义相同或语义的差异小于预设阈值的多个词语， 且每个同义词集合对应一个词 向量， 所述词向量用于表征 所述同义词集 合中所有词语的共有语义； 若所述同义词库中不存在所述第一词语， 为所述第一词语生成词向量。 3.如权利要求2所述的方法， 其特 征在于， 所述 为所述第一词语生成词向量， 包括： 对所述第一词语进行哈希计算， 将哈希计算的结果作为所述第一词语的词向量。 4.如权利要求1所述的方法， 其特征在于， 所述根据 各词语子序列中各词语的词向量确 定各词语子序列的指纹信息， 包括： 获取各词语子序列中各词语的权值， 所述权值用于表征所述词语在文本匹配时的重要 程度； 根据各词语子序列中各词语的权值和所述词向量， 确定各词语子序列的指纹信息 。 5.如权利要求4所述的方法， 其特征在于， 所述获取各词语子序列中各词语的权值， 包 括： 在预设的词语权值库中查找第 二词语子序列中的第 二词语， 所述第 二词语子序列为所 述多个词语子序列中的任一词语子序列， 所述第二词语为所述第二词语子序列中的任一词 语； 若所述词语权值库中存在所述第 二词语， 则将所述词语权值库中所述第 二词语对应的 权值作为所述第二词语的权值； 若所述词语权值库中不存在所述第 二词语， 则将所述词语权值库中多个词语对应的权 值的平均值作为所述第二词语的权值。 6.如权利要求4所述的方法， 其特征在于， 所述根据 各词语子序列中各词语的权值和所 述词向量， 确定各词语子序列的指纹信息， 包括： 将第三词语子序列中各词语的权值和词向量分别相乘， 得到第 三词语子序列中各词语 的词向量加权结果， 所述第三词语子序列为所述多个词语子序列中的任一词语子序列；权　利　要　求　书 1/2 页 2 CN 115270791 A 2将第三词语子序列中各词语的词向量加权结果按照词向量的维度分别相加， 得到多个 维度的词向量相加结果； 对所述多个维度的词向量相加结果进行归一化处理， 得到目标向量， 将所述目标向量 作为所述第三词语子序列的指纹信息 。 7.如权利要求1 ‑6任一项所述的方法， 其特征在于， 所述文本指纹树包括多个节点和多 个边， 每个节点分别表征一个或多个指纹信息， 每个边表征两端的节点之 间的编辑距离， 所 述编辑距离表征指纹信息的海明距离； 所述根据 各词语子序列的指纹信 息以及预设的文本指纹树， 确定所述待 匹配文本的匹 配结果， 包括： 根据各词语子序列的指纹信 息、 所述文本指纹树中各节点所表征的指纹信 息以及各边 所表征的编辑距离， 确定各词语子序列的匹配结果； 根据各词语子序列的匹配结果， 确定所述待匹配文本的匹配结果。 8.一种文本匹配装置， 其特 征在于， 包括： 获取模块， 用于获取待匹配文本， 对所述待匹配文本进行分词处理， 得到多个词语， 并 将所述多个词语组成词语序列； 选择模块， 用于采用滑动 窗口在所述词语序列中依次选择出多个词语子序列， 各词语 子序列中包括预设数量的词语； 确定模块， 用于确定各词语子序列中各词语的词向量， 并根据各词语子序列中各词语 的词向量确定各词语子序列的指纹信息， 其中， 所述词向量用于表征 所述词语的语义； 匹配模块， 用于根据各词语子序列的指纹信息以及预设的文本指纹树， 确定所述待匹 配文本的匹配结果。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储介质和总线， 所述存储介质存储有所 述处理器可执行 的程序指令， 当电子设备运行时， 所述处理器与所述存储介质之间通过总 线通信， 所述处理器执行所述程序指令， 以执行时执行如权利要求1至7任一所述的文本匹 配方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求 1至7任一所述的文本匹配方法的步 骤。权　利　要　求　书 2/2 页 3 CN 115270791 A 3