CN115168609B 一种文本匹配方法、装置、计算机设备和存储介质 （腾讯科技（深圳）有限公司）

基于知识图谱对应的注意力特征和文本信息对应的注意力特征在知识图谱中的至少一个参考实体对象中筛选出和文本信息中的实体对象相2对所述文本信息进行编码处理，得到所述文本信息对应的语义特征基于所述文本信息对应的语义特征，对所述知识图谱对应的语基于所述知识图谱对应的语义特征，对所述文本信息对应的语基于所述知识图谱对应的注意力特征和文本信息对应的注意力特征在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对象相匹配的目标参考实对所述文本信息对应的语义特征进行全连接映射，得到所述文对所述文本信息对应的全连接特征进行归一化处理，得到所述文本利用所述文本信息对应的归一化特征将所述知识图谱对应的语义特征进行注意力映将所述文本信息对应的语义特征和所述全连接映射信息进行将所述文本信息的初始全连接特征和所述偏置信息进行加法运将知识图谱的语义特征元素和对应的文本信息的归一化特征元素进行逻辑运算处理，3对所述知识图谱的全连接特征进行归一化处理，得到所述知识图谱对应的归一化特利用所述知识图谱对应的归一化特征将所述文本信息对应的语义特征进行注意力映将所述文本信息的挖掘后特征映射至预设语义空间中，得到所述对所述知识图谱的实体信息和所述实体关系信息进行空间特征提将所述实体信息对应的空间特征和所述实体关系信息对应的空间特征进行和文本信息对应的注意力特征在所述知识图谱中的至少一个参考实体对象中筛选出和所将所述知识图谱对应的注意力特征和文本信息对应的注意力特征基于所述概率分布映射结果在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对象相匹配的目标参考实确定所述知识图谱中和所述目标参考实体对象具有的关联关系采集所述关联实体对象的属性信息，并对所述关联实体对象的属性信息进行清洗处4所述基于所述文本信息对应的语义特征，对所述知识图谱对应的语义所述基于所述知识图谱对应的语义特征，对所述文本信息对应的语义所述基于所述知识图谱对应的注意力特征和文本信息对应的注意力特征在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对象相匹配的目标参利用所述预设文本匹配模型基于所述知识图谱对应的注意力特征和文本信息对应的注意力特征在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实利用所述文本匹配模型基于所述文本样本对应的语义特征对所述知识图谱样本对应利用所述文本匹配模型基于所述知识图谱样本对应的语义特征对所述文本样本对应利用所述知识图谱样本对应的注意力特征和所述文本样本对应的注意力特征对所述第一注意力特征提取单元，用于基于所述文本信息对第二注意力特征提取单元，用于基于所述知识图谱对筛选单元，用于基于所述知识图谱对应的注意力特征和文本信息所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对象相匹配5所述处理器用于运行所述存储器内的应用程序，以执行权利要求1至11任一项所述的文本14.一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存储有多条指被处理器执行时实现权利要求1至11任一项所述的文本匹配方6[0009]基于所述知识图谱对应的注意力特征和文本信息对应的注意力特征在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对象相匹配的目标参7征在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对象相[0017]第一全连接映射子单元，用于对所述文本信息对应的语[0024]加法运算，用于将所述文本信息的初始全连接特征和所述偏置信息进行加法运8实体对象中筛选出和所述文本信息中的实体对象相匹被处理器执行时实现本申请实施例任一提供的征在知识图谱中的至少一个参考实体对象中筛选出和文本信息中的实体对象相匹配的目9[0063]其中，终端可以包括但不限于智能手机、平板电脑、笔记本电脑、个人电脑的注意力特征和文本信息对应的注意力特征在知识图谱中的至少一个参考实体对象中筛提供更详尽的背景材料。这种做法实际上将互联网网页与实体对象之间建立了链接关系，[0084]将文本信息的挖掘后特征映射至预设语义空间中，得到文本信息对应的语义特[0091]例如，文本匹配模型可以是卷积神经网络(ConvolutionalNeuralNetworks，CNN)、反卷积神经网络(De_ConvolutionalNetworks，DN)、深度神经网络(DeepNeuralNetworks，DNN)、深度卷积逆向图网络(DeepConvolutionalInverseGraphics基于注意力机制的序列推荐模型(Self_AttentiveSequentialRecommendation，SASRec)、基于区域的快速卷积网络(FasterRegion_basedConvolutionalNetworks，FasterRCNN)和双向编解码(BidirectionalEncoderRepresentationsfrom注意力特征在知识图谱样本中的至少一个参考实体样本中筛选出和文本样本中的实体样线形成的是空间关系，所以可以对知识图谱的实体信息和实体关系信息进行空间特征提[0118]对文本信息对应的全连接特征进行归一化处理，得到文本信息对应的归一化特[0127]在一实施例中，可以将文本信息对应的语义特征和全连接映射信息进行乘法运标准化(BatchNormalization)或组标准化(GroupNormalization)等方法对文本信息对应处理的特征元素除以文本信息对应的全连接特征X中所有特征元素的和，得到当前归一化[0138]将知识图谱的语义特征元素和对应的文本信息的归一化特征元素进行逻辑运算[0143]Graphemb＝s应的归一化特征text1emb中的归一化特征元素。graphi可以表示知识图谱样本的语义特征义特征的注意力机制构建，即基于知识图谱的统计特征来指导文本信息侧关键信息的提处理的特征元素除以知识图谱对应的全连接特征Y中所有特征元素的和，得到当前归一化[0169]105、基于知识图谱对应的注意力特征和文本信息对应的注意力特征在知识图谱中的至少一个参考实体对象中筛选出和文本信息中的实体对象相匹配的目标参考实体对谱对应的注意力特征和文本信息对应的注意力特征在知识图谱中的至少一个参考实体对[0175]基于概率分布映射结果在知识图谱中的至少一个参考实体对象中筛选出和文本文本信息对应的注意力特征在知识图谱中的至少一个参考实体对象中筛选出和文本信息块基于知识图谱对应的注意力特征和文本信息对应的注意力特征在知识图谱中的至少一选模块基于知识图谱对应的注意力特征和文本信息对应的注意力特征在知识图谱中的至少一个参考实体对象中筛选出和文本信息中的实体对象相匹配的目标参考实[0189]利用文本模型基于文本样本对应的语义特征对知识图谱样本对应的语义特征进[0190]利用文本匹配模型基于知识图谱样本对应的语义特征对文本样本对应的语义特[0191]利用知识图谱样本对应的注意力特征和文本样本对应的注意力特征对文本匹配述文本信息对应的语义特征进行注意力特征提取，得到所述文本信息对应的注意力特征；基于所述知识图谱对应的注意力特征和文本信息对应的注意力特征在知识图谱中的至少息之间特征的融合和交互，使得文本信息的特征和知识图谱的信息之间构建更准确的映注意力特征在知识图谱样本中的至少一个参考实体样本中筛选出和文本样本中的实体样[0214]203、服务器利用文本模型基于文本样本对应的语义特征对知识图谱样本对应的以准确地从知识图谱样本中的至少一个参考实体对象中筛选出和文本信息中实体对象相识图谱样本对应的语义特征进行注意力特征提取，得到知识图谱样本对应的注意力特征。理的特征元素除以文本样本对应的全连接特征X中所有特征元素的和，得到当前归一化处理的特征元素的归一化结果。然后，将全连接特征X中所有特征元素的归一化结果进行整息对应的归一化特征Att1emb中的特征元素。nodei可以表示知识图谱样本的实体样本的语[0227]204、服务器利用文本匹配模型基于知识图谱样本对应的语义特征对文本样本对识图谱样本中实体样本的语义特征以及知识图谱样本中实体样本之间关系的语义特征求当前归一化处理的特征元素除以知识图谱样本对应的全连接特征Y中所有特征元素的和，应的归一化特征Att2emb中的特征元素。Ti可以表示文本样本的语义特征Temb对应的特征元[0243]205、服务器利用知识图谱样本对应的注意力特征和文本样本对应的注意力特征配模型基于知识图谱样本对应的语义特征对文本样本对应的语义特征进行注意力特征提[0257]筛选单元305，用于基于所述知识图谱对应的注意力特征和文本信息对应的注意力特征在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对[0259]第一全连接映射子单元，用于对所述文本信息对应的语[0266]加法运算，用于将所述文本信息的初始全连接特征和所述偏置信息进行加法运实体对象中筛选出和所述文本信息中的实体对象相匹[0295]该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以[0296]处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设[0297]存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程[0305]基于所述知识图谱对应的注意力特征和文本信息对应的注意力特征在所述知识图谱中的至少一个参考实体对象中筛选出和所述文本信息中的实体对象相匹配的目标参得该计算机设备执行上述实施例中各种可选实现方式中