文本匹配方法、文本匹配装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115017886A(43)申请公布日2022.09.06(21)申请号202210438940.3G06F16/332(2019.01)(22)申请日2022.04.25(71)申请人中国平安人寿保险股份有限公司地址518000广东省深圳市福田区福田街道益田路5033号平安金融中心14、15、16、37、41、44、45、46、54、58、59层(72)发明人吴岸城(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师廖慧贤(51)Int.Cl.G06F40/216(2020.01)G06N3/04(2006.01)G06N3/08(2006.01)G06F16/335(2019.01)权利要求书3页说明书14页附图5页(54)发明名称文本匹配方法、文本匹配装置、电子设备及存储介质(57)摘要本申请提供了文本匹配方法、文本匹配装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：接收文本搜索请求中的待匹配文本；对待匹配文本进行文本模式匹配，得到至少一个候选句子文本；利用预设的文本匹配模型分别计算各个候选句子文本与待匹配文本的相似度，得到第一候选匹配分数；根据第一候选匹配分数进行第一文本筛选，得到目标句子文本及对应的目标场景；当第一文本筛选未匹配到目标句子文本时，计算各个候选句子文本的第二候选匹配分数；根据第二候选匹配分数进行第二文本筛选，得到目标句子文本及对应的目标场景；匹配出对应的话术文本，并根据对应的语音与用户进行对话。本申请能够提高文本句子匹配识别的准确率和效率。CN115017886ACN115017886A权利要求书1/3页1.文本匹配方法，其特征在于，所述方法包括：接收文本搜索请求；其中，所述文本搜索请求包括待匹配文本；对所述待匹配文本进行文本模式匹配，得到至少一个候选句子文本；利用预设的文本匹配模型分别计算各个所述候选句子文本与所述待匹配文本的相似度，得到各个所述候选句子文本对应的第一候选匹配分数；根据各个所述候选句子文本对应的所述第一候选匹配分数，对所述至少一个候选句子文本进行第一文本筛选，得到目标句子文本及所述目标句子文本对应的目标场景；当根据所述第一文本筛选未匹配到所述目标句子文本时，利用FastText模型计算各个所述候选句子文本分别与所述待匹配文本的相似度，得到各个所述候选句子文本对应的第二候选匹配分数；根据所述第二候选匹配分数对所述候选句子文本进行第二文本筛选，得到所述目标句子文本及所述目标句子文本对应的所述目标场景；对所述目标句子文本在所述目标场景预设的话术文本库中匹配出对应的话术文本，并根据所述话术文本对应的语音与用户进行对话。2.根据权利要求1所述的文本匹配方法，其特征在于，所述对所述待匹配文本进行文本模式匹配，得到至少一个候选句子文本，包括：根据预设的规则模板对所述待匹配文本进行规则匹配，得到目标句子文本及所述目标句子文本对应的目标场景；当根据所述规则模板未匹配到所述目标句子文本，对所述待匹配文本进行全模式匹配，得到至少一个候选句子文本，其中，所述候选句子文本按照降序排列。3.根据权利要求1所述的文本匹配方法，其特征在于，所述文本匹配模型通过如下步骤训练得到：获取第一训练样本数据；利用所述第一训练样本数据对Bert教师模型进行模型训练，得到样本训练模型；根据所述样本训练模型的训练结果构建第二训练样本数据；利用所述第二训练样本数据对学生模型进行模型训练，得到所述文本匹配模型，其中，学生模型包括Esim模型或TextCNN模型。4.根据权利要求3所述的文本匹配方法，其特征在于，所述利用所述第一训练样本数据对Bert教师模型进行模型训练，得到样本训练模型，包括：利用所述第一训练样本数据对Bert教师模型进行模型训练，得到模型输出向量；对所述模型输出向量进行白化操作，得到白化矩阵向量；对所述模型输出向量进行归一化操作，得到归一化向量；根据所述白化矩阵向量和所述归一化向量进行样本相似度计算，当所述样本相似度计算的结果满足预设的准确率条件，确定样本训练模型。5.根据权利要求1至4任一项所述的文本匹配方法，其特征在于，所述根据各个所述候选句子文本对应的所述第一候选匹配分数，对所述至少一个候选句子文本进行第一文本筛选，得到目标句子文本及所述目标句子文本对应的目标场景，包括：比对所述第一候选匹配分数和预设的第一阈值；当所述候选句子文本对应的所述第一候选匹配分数大于所述第一阈值，将对应的所述2CN115017886A权利要求书2/3页候选句子文本作为目标句子文本，并得到所述目标句子文本对应的目标场景。6.根据权利要求5所述的文本匹配方法，其特征在于，所述当所述候选句子文本对应的所述第一候选匹配分数大于所述第一阈值，将对应的所述