公开(公告)号：CN110321925B

公开(公告)日：2022-11-18

申请号：CN201910441282.1

申请日：2019-05-24

Applicant: 中国工程物理研究院计算机应用研究所

Inventor： 梁燕 ,  万正景 ,  陶以政 ,  李龚亮 ,  许峰 ,  曹政 ,  谢杨 ,  马丹阳

IPC: G06K9/62 ,  G06F16/36 ,  G06F16/35

Abstract: 本发明公开了一种基于语义聚合指纹的文本多粒度相似度比对方法，包括以下步骤：词向量表示的训练；语义特征提取；多特征聚合；层级索引构建；相似度计算。本发明联合多维语义相关性进行词向量表示建模，充分挖掘单词间的语义信息，以句子为单位提取特征，采用多权重来表征语义特征，并利用统计学习方法挖掘文本库统计和分布信息，实现对特征空间更精细的划分，再基于多特征聚合生成高辨识度的紧凑文本指纹，有效提高文本指纹的描述能力和区分度；采用自上而下的思想，使用语义聚合指纹指纹和局部语义特征进行文本相似度比对，通过构建层级索引，可快速高效地实现文本从全局到局部的多粒度相似度比对；本方法具有良好的可扩展性。

公开(公告)号：CN110321925A

公开(公告)日：2019-10-11

申请号：CN201910441282.1

申请日：2019-05-24

Applicant: 中国工程物理研究院计算机应用研究所

Inventor： 梁燕 ,  万正景 ,  陶以政 ,  李龚亮 ,  许峰 ,  曹政 ,  谢杨 ,  马丹阳

IPC: G06K9/62 ,  G06F16/36 ,  G06F16/35

Abstract: 本发明公开了一种基于语义聚合指纹的文本多粒度相似度比对方法，包括以下步骤：词向量表示的训练；语义特征提取；多特征聚合；层级索引构建；相似度计算。本发明联合多维语义相关性进行词向量表示建模，充分挖掘单词间的语义信息，以句子为单位提取特征，采用多权重来表征语义特征，并利用统计学习方法挖掘文本库统计和分布信息，实现对特征空间更精细的划分，再基于多特征聚合生成高辨识度的紧凑文本指纹，有效提高文本指纹的描述能力和区分度；采用自上而下的思想，使用语义聚合指纹指纹和局部语义特征进行文本相似度比对，通过构建层级索引，可快速高效地实现文本从全局到局部的多粒度相似度比对；本方法具有良好的可扩展性。