(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 202210909061.4 (22)申请日 2022.07.29 (71)申请人 北京明略昭辉科技有限公司 地址 100000 北京市海淀区北三环西路25 号27号楼二层2020室 (72)发明人 付金伟　接钧靖　 (74)专利代理 机构 北京康盛知识产权代理有限 公司 11331 专利代理师 张宇峰 (51)Int.Cl. G06F 40/194(2020.01) G06F 40/279(2020.01) G06F 40/30(2020.01) (54)发明名称 用于计算文本相似度 的方法、 装置、 电子设 备和存储介质 (57)摘要 本申请涉及数据能力技术领域， 公开一种用 于计算文本相似度的方法， 包括： 提取第一文本 中的第一特征词和第二文本中的第二特征词； 为 各第一特征词和各第二特征词分别赋予对应的 权重； 其中， 各第一特征词和各第二特征词所对 应的权重根据词性和词频确定； 根据特征词和权 重生成第一指纹向量和第二指纹向量； 再计算第 一指纹向量和第二指纹向量之间的海明距离， 获 得第一文本和第二文本的相似度。 本申请考虑到 文本中不同词性所能表达文本内容的能力并不 相同， 因此根据不同词性赋予了不同的加权值。 进而计算出来的指纹向量， 能更准确地表达文本 的含义， 使文本相似度的分析更加精准。 本申请 还公开一种用于计算文本相似度的装置、 电子设 备和存储介质。 权利要求书2页 说明书7页 附图4页 CN 115130454 A 2022.09.30 CN 115130454 A 1.一种用于计算文本相似度的方法， 其特 征在于， 包括： 提取第一文本中的多个第一特 征词和第二文本中的多个第二特 征词； 为各第一特征词和各第二特征词分别赋予对应的权重； 其中， 各第一特征词和各第二 特征词所对应的权 重根据特 征词的词性和词频计算确定； 利用各第一特 征词和各第一特 征词的权 重生成第一指纹向量； 利用各第二特 征词和各第二特 征词的权 重生成第二指纹向量； 计算所述第 一指纹向量和所述第 二指纹向量之间的海明距离， 获得所述第 一文本和所 述第二文本的相似度。 2.根据权利要求1所述的方法， 其特征在于， 所述为各第 一特征词和各第 二特征词分别 赋予对应的权 重， 包括： 根据各第一特 征词和各第二特 征词的词性类型， 赋予对应于所述词性类型的加权值； 根据各第一特征词的加权值和各第 一特征词在所述第 一文本中的出现频次， 计算各第 一特征词在所述第一文本中的权 重； 根据各第二特征词的加权值和各第 二特征词在所述第 二文本中的出现频次， 计算各第 二特征词在所述第二文本中的权 重。 3.根据权利要求2所述的方法， 其特 征在于， 所述权重的计算方法包括： weight(w,d)＝tf(w,d)*l og(N/nw+0.01)*wpos 式中weight(w,d)表示特征词w在文本d中的权重； tf(w,d)表示特征词w在文本d中 的出 现频次； N表示文本的词语总数， nw表示文本中出现关键词w的句子数量； wpos表示词性类型 的加权值； 其中， 在特征词的词性类 型为动词或名词的情况下， wpos＝n1； 在特征词的词性类型为其 他词性的情况 下， wpos＝n2； n1、 n2均为预设值且为大于 0的整数， n1>n2。 4.根据权利要求1所述的方法， 其特征在于， 所述提取第 一文本中的多个第 一特征词和 第二文本中的多个第二特 征词， 包括： 对所述第一文本和所述第二文本进行分词、 去停用词处理， 提取出所述第一文本中的 多个第一特 征词和所述第二文本中的多个第二特 征词。 5.根据权利要求1所述的方法， 其特征在于， 所述利用各第 一特征词和各第 一特征词的 权重生成第一指纹向量， 包括： 将各第一特征词和各第 一特征词的权重输入词向量转化模型， 计算各第 一特征词的向 量值； 根据各第一特 征词的向量 值和各第一特 征词的权 重， 计算得到所述第一指纹向量。 6.根据权利要求5所述的方法， 其特征在于， 所述根据各第 一特征词的向量值和各第 一 特征词的权 重， 计算得到所述第一指纹向量， 包括： 将各第一特征词的向量值和各第 一特征词对应的权重相乘， 并对所有的相乘结果进行 位的纵向累加， 得到所述第一文本的初始指纹向量； 对所述第一文本的初始指纹向量进行二 值处理， 得到所述第一文本的指纹向量。 7.根据权利要求1至6 中任一项所述的方法， 其特征在于， 在对第一文本进行预设处理， 提取特征词之前， 还 包括：权　利　要　求　书 1/2 页 2 CN 115130454 A 2确定指纹向量的位数。 8.一种用于计算文本相似度的装置， 包括处理器和存储有程序指令的存储器， 其特征 在于， 所述处理器被配置为在运行所述程序指令时， 执行如权利要求1至7任一项所述的用 于计算文本相似度的方法。 9.一种电子设备， 其特 征在于， 包括： 如权利要求8所述的用于计算文本相似度的装置 。 10.一种存储介质， 存储有程序指令， 其特征在于， 所述程序指令在运行时， 执行如权利 要求1至7任一项所述的用于计算文本相似度的方法。权　利　要　求　书 2/2 页 3 CN 115130454 A 3