CN113886544B 文本匹配方法、装置、存储介质及计算机设备 （唯品会(广州)软件有限公司）

备然后获取与待匹配文本集中的各个待匹配文本量确定每个待匹配文本的相似度匹配结果，接案可以支持降低非业务类文本对最终匹配结果2确定与所述目标文本对应的第一句向量和文本类别，以及将所述目标文本对应的第一句向量分别与每个待匹配文本对应的第二句向量进行相基于所述目标文本的文本类别对各个待匹配文本的相似度匹配结果所述基于所述目标文本的文本类别对各个待匹配文本的相似度匹配结果进行优化的根据所述目标文本的文本类别确定对应的调整系数；其中，所述目标文本将所述目标文本输入至文本分类模型中，得到所述文本分类模型本对应的第一句向量和文本类别；在缓存中分别查找与所述待匹配文本集中的各个待匹配文将筛选后的待匹配文本作为所述目标文本的文本处理模块，用于确定与所述目标文本对应的第一3相似度匹配模块，用于将所述目标文本对应的第一句向量分别文本匹配模块，用于基于所述目标文本的文本类别所述文本匹配模块中基于所述目标文本的文本类别对各个待匹配文本的相似度匹配根据所述目标文本的文本类别确定对应的调整系数；其中，所述目标文本4[0002]文本匹配是自然语言处理领域中常见的应用场景，大量的NLP(神经语言程序学)对各个相似文本的相似度匹配分数进行重排序和卡阈值后输出最终的匹[0004]然而，仅通过相似度匹配分数以及卡阈值的方式对用户输入的文本进行文本匹[0009]将所述目标文本对应的第一句向量分别与每个待匹配文本对应的第二句向量进基于优化后的相似度匹配结果确定所述待匹配文本集中标文本对应的第一句向量和文本类别；5所述待匹配文本集中的各个待匹配文本对应的匹配结果不仅考虑了目标文本与待匹配文本之间的相似度，还考虑了目标文本的文本类6[0046]然而，仅通过相似度匹配分数以及卡阈值的方式对用户输入的文本进行文本匹7准问题指的是FAQ知识库中依据问答系统业务类别事先编辑的多个不同类别的问题，一个标准问题对应有多个与该标准问题相似的相似问题，标准问题与相似问题共同组成了FAQ[0057]本步骤中，通过步骤S110获取目标文本以及与目标文本的向量作为目标文本句向量表示；或者采用encoder_decoder模型(编码器_解码器模型)，可以预先将FAQ知识库中所有的相似问题进行向量化，然后将每一相似问题及其对应的句8[0066]S140：基于目标文本的文本类别对各个待匹配文本的相并基于优化后的相似度匹配结果确定待匹配文本似度匹配分数进行统一下调，对文本类别为业务类文本的相似度匹配分数进行统一上调，或者是对文本类别为不同类别的业务类文本的相似度匹配分数进行不同程[0069]进一步地，基于优化后的相似度匹配结果确定待匹配文本集中的目标匹配文本9[0073]在一个实施例中，步骤S110中获取与所述目标文本对应[0079]上述实施例对本申请中如何获取与目标文本对应的待匹配文本集的过程进行说所述目标文本对应的第一句向量和文本类别。[0083]其中，本申请的文本分类模型可以是以FAQ知识库中的不同文本类别对应的多个trained)阶段，基于海量数据优化模型参数，学习到通用的语言表示，而在微调(fine_1个类别的文本分类数据集；接着使用预训练BERT模型对N+1类文本分类数据集进行微调，[0088]上述实施例对本申请中如何确定目标文本对应的第一句向量和文本类别的过程本分类模型得到的与每个待匹配文本对应的集中的待匹配文本对应的句向量时，直接在存储区域中搜索与待匹配文本对应的句向量，[0092]具体地，本申请可以将FAQ知识库中所有的相似问题分别输入已训练好的BERT模[0093]当在缓存中分别查找与待匹配文本集中的各个待匹配文[0094]上述实施例对本申请中如何确定与待匹配文本集中的各个待匹配文本对应的第[0101]在一个实施例中，所述目标文本的文本类别可以包括业务类文本和非业务类文[0113]文本获取模块210，用于获取目标文本，以及与所述目标文本对应的待匹配文本[0115]相似度匹配模块230，用于将所述目标文本对应的第一句向量分别与每个待匹配[0116]文本匹配模块240，用于基于所述目标文本的文本类别对各个待匹配文本的相似模型输出的与所述目标文本对应的第一句向量和文本类别。[0129]优化模块，用于利用所述调整系数对各个待匹配文本的相似度匹配结果进行优[0130]在一个实施例中，所述目标文本的文本类别可以包括业务类文本和非业务类文意图，该计算机设备300可以被提供为一服务器。参照图5，计算机设备300包括处理组件[0138]计算机设备300还可以包括一个电源组件303被配置为执行计算机设备300的电源[