(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210282222.1 (22)申请日 2022.03.21 (71)申请人 深圳壹账通智能科技有限公司 地址 518066 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 李小娟　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 李彩玲 (51)Int.Cl. G06F 40/295(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种文本匹配方法、 装置、 存储介质及电子 设备 (57)摘要 本发明实施例涉及人工智能， 提供了一种文 本匹配方法、 装置、 存储介质及电子设备， 所述方 法包括： 获取目标文本及与所述目标文本进行匹 配的候选文本； 分别确定所述目标文本中包含的 目标实体及候选文本中包含的候选实体； 基于所 述目标实体对所述目标文本进行标注， 并基于所 述候选实体对 所述候选文本进行标注； 将实体标 注后的目标文本及实体标注后的候选文本输入 至预先训练的文本匹配模型中， 根据所述文本匹 配模型的输出结果确定所述目标文本及所述候 选文本的匹配结果。 本发明实施例的方案， 通过 对待匹配的文本进行实体标注， 可引导文本匹配 模型重点关注待匹配文本中的实体部分是否具 有相似性， 大 大提高了文本匹配的准确性。 权利要求书2页 说明书10页 附图3页 CN 114722821 A 2022.07.08 CN 114722821 A 1.一种文本匹配方法， 其特 征在于， 包括： 获取目标文本及与所述目标文本进行匹配的候选文本； 分别确定所述目标文本中包 含的目标实体及候选文本中包 含的候选实体； 基于所述目标实体对所述目标文本进行标注， 并基于所述候选实体对所述候选文本进 行标注； 将实体标注后的目标文本及实体标注后的候选文本输入至预先训练的文本匹配模型 中， 根据所述文本匹配模型 的输出结果确定所述 目标文本及所述候选文本的匹配结果； 其 中， 所述文本匹配模型为基于实体标注后的文本样本对训练集 生成的机器学习模型。 2.根据权利要求1所述的方法， 其特征在于， 在基于所述目标实体对所述目标文本进行 标注， 并基于所述 候选实体对所述 候选文本进行 标注之前， 还 包括： 分别确定所述目标实体的第一类型及所述 候选实体的第二类型； 基于所述目标实体对所述目标文本进行标注， 并基于所述候选实体对所述候选文本进 行标注， 包括： 在所述目标文本 中所述目标实体前后相邻位置， 分别插入与 所述第一类型对应的起始 实体元素向量及终止实体元 素向量； 在所述候选文本 中所述候选实体前后相邻位置， 分别插入与 所述第二类型对应的起始 实体元素向量及终止实体元 素向量。 3.根据权利要求1所述的方法， 其特 征在于， 所述文本匹配模型包括Ber t模型； 将实体标注后的目标文本及实体标注后的候选文本输入至预先训练的文本匹配模型 中， 包括： 将实体标注后的目标文本及实体标注后的候选文本进行拼接， 生成拼接文本； 计算所述拼接文本中每个字的词向量、 分段向量及位置向量的向量和， 并将所述向量 和作为目标向量； 将所述目标向量输入至所述预 先训练的文本匹配模型中。 4.根据权利要求3所述的方法， 其特征在于， 将 实体标注后的目标文本及实体标注后的 候选文本进行拼接， 生成拼接文本， 包括： 在第一个文本前加入起始标识符， 在所述第一个文本结尾处加入结尾标识符； 在所述 结尾标识符后接入第二个文本， 并在所述第二个文本结尾处加入所述结尾标识符， 生成拼 接文本； 其中， 所述第一个文本为 实体标注后的目标文本或实体标注后的候选文本； 所述第 二个文本为实体标注后的目标文本及实体标注后的候选文本中除所述第一个文本外的文 本。 5.根据权利要求1所述的方法， 其特征在于， 在 分别确定所述目标文本中包含的目标实 体及候选文本中包 含的候选实体之前， 还 包括： 计算所述目标文本及所述 候选文本间的相似度； 判断所述相似度是否大于预设相似度阈值； 分别确定所述目标文本中包 含的目标实体及候选文本中包 含的候选实体， 包括： 当所述相似度 大于预设相似度阈值 时， 分别确定所述目标文本中包含的目标实体及候 选文本中包 含的候选实体。 6.根据权利要求5所述的方法， 其特征在于， 计算所述目标文本及所述候选文本间的相权　利　要　求　书 1/2 页 2 CN 114722821 A 2似度， 包括： 基于预设的相似度计算公式计算所述目标文本及所述 候选文本间的相似度。 7.根据权利要求5所述的方法， 其特 征在于， 还 包括： 当所述相似度小于所述预设相似度阈值 时， 将所述目标文本及所述候选文本输入至所 述文本匹配模型中， 根据所述文本匹配模型的输出结果确定所述目标文本及所述候选文本 的匹配结果。 8.一种文本匹配装置， 其特 征在于， 包括： 文本获取模块， 用于获取目标文本及与所述目标文本进行匹配的候选文本； 实体确定模块， 用于分别确定所述目标文本 中包含的目标实体及候选文本 中包含的候 选实体； 文本标注模块， 用于基于所述目标实体对所述目标文本进行标注， 并基于所述候选实 体对所述 候选文本进行 标注； 匹配结果确定模块， 用于将 实体标注后的目标文本及实体标注后的候选文本输入至预 先训练的文本匹配模型中， 根据所述文本匹配模型的输出结果确定所述目标文本及所述候 选文本的匹配结果； 其中， 所述文本匹配模型为基于实体标注后的文本样本对训练集生成 的机器学习模型。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理装置 执行时实现如权利要求1 ‑7中任一所述的文本匹配方法。 10.一种电子设备， 包括存储器， 处理器及存储在存储器上并可在处理器运行的计算机 程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1‑7中任一所述的文 本匹配方法。权　利　要　求　书 2/2 页 3 CN 114722821 A 3