[发明专利]一种基于Word2Vec的中文问答语义相似度计算方法

摘要

本发明公开了一种基于Word2Vec的中文问答语义相似度计算方法，包括文本预处理、向量表示和相似度计算。本发明的有益效果是：提出的中文问答语义相似度计算方法结合了基于关键词的文本相似度以及基于Word2Vec的语义相似度，具有较高的效率和准确率，综合重合关键词的文本相似度与非重合关键词的语义相似度，一方面引入语义，解决了关键词高度重合的文本语义相似度计算问题，另一方面避免了短文本造成的语义相似度计算存在较大误差的问题，提高了中文语句相似度计算的准确性。

主权项

一种基于Word2Vec的中文问答语义相似度计算方法，其特征在于，包括以下步骤：步骤A,文本预处理，使用IKAnalyzer将一个汉字序列切分成一个一个单独的词，实现中文文本的分词；步骤B,向量表示，假设有两个中文文本：S1以及S2，经预处理后得到两组关键词集合CS1和CS2，分别表示为CS1：{w11，w12，...，W1m}，CS2：{w21，w22，...，w2n}，通过计算两个集合CS1和CS2的并集得到CS，CS＝CS1∪CS2＝{w1，w2，...，wk}其中k≤m+n；步骤C,相似度计算，集合会存在重合的关键词以及非重合的关键词。基于重合的关键词，通过简单的匹配计算文本相似度；基于非重合的关键词，通过Word2Vec计算语义相似度，结合重合关键词文本相似度和非重合关键词语义相似度，得到中文文本S1及S2最终的相似度。