基于信息交互的文本相似度识别方法、装置、设备及介质

技术领域

本发明涉及语义解析技术领域，属于智慧城市中对文本信息进行智能分析以实现基于信息交互进行文本相似度识别的应用场景，尤其涉及一种基于信息交互的文本相似度识别方法、装置、设备及介质。

背景技术

对文本相似度进行识别主要基于自然语言处理(NLP)技术，可基于自然语言处理(NLP)技术构建语义匹配模型对文本相似度进行识别。然而基于传统技术方法所构建的语义匹配模型通常是将待匹配的两个文本分别进行编码得到两个文本向量，并计算两个文本向量之间的余弦相似度或欧氏距离，以对待匹配的两个文本的相似度进行匹配识别。然而这一传统技术方法在实际应用过程中需要配置较多参数才能够获取较为准确的识别结果，进行文本相似度识别过程中需要执行大量计算分析才能最终得到识别结果，导致识别过程耗时较长而影响了进行文本相似度识别的效率。因此，现有的技术方法中对文本相似度进行识别的过程存在识别效率较低的问题。

发明内容

本发明实施例提供了一种基于信息交互的文本相似度识别方法、装置、设备及介质，旨在解决现有技术方法中对文本相似度进行识别的过程所存在的识别效率较低的问题。

第一方面，本发明实施例提供了一种基于信息交互的文本相似度识别方法，其包括：

若接收到用户所输入的第一文本信息及第二文本信息，将所述第一文本信息及所述第二文本信息分别转换为对应的第一字符序列及第二字符序列；

根据预置的关键词提取模型分别从所述第一文本信息及所述第二文本信息中提取得到对应的第一关键词序列及第二关键词序列；

根据预置的字符映射信息对所述第一字符序列及所述第二字符序列进行映射转换得到字符编码信息；

将所述字符编码信息输入预置的神经网络模型，得到与所述字符编码信息对应的字符向量；

根据所述字符向量分别获取与所述第一关键词序列及所述第二关键词序列对应的第一关键词向量及第二关键词向量；

将所述第一关键词向量及所述第二关键词向量分别输入所述神经网络模型中的自注意力神经网络，得到对应的第一关键词表征向量及第二关键词表征向量；

根据预置的相似度识别模型获取所述第一关键词表征向量与所述第二关键词表征向量的识别结果。

第二方面，本发明实施例提供了一种基于信息交互的文本相似度识别装置，其包括：

文本信息转换单元，用于若接收到用户所输入的第一文本信息及第二文本信息，将所述第一文本信息及所述第二文本信息分别转换为对应的第一字符序列及第二字符序列；

关键词序列提取单元，用于根据预置的关键词提取模型分别从所述第一文本信息及所述第二文本信息中提取得到对应的第一关键词序列及第二关键词序列；

字符编码信息获取单元，用于根据预置的字符映射信息对所述第一字符序列及所述第二字符序列进行映射转换得到字符编码信息；

字符向量获取单元，用于将所述字符编码信息输入预置的神经网络模型，得到与所述字符编码信息对应的字符向量；

关键词向量获取单元，用于根据所述字符向量分别获取与所述第一关键词序列及所述第二关键词序列对应的第一关键词向量及第二关键词向量；

关键词表征向量获取单元，用于将所述第一关键词向量及所述第二关键词向量分别输入所述神经网络模型中的自注意力神经网络，得到对应的第一关键词表征向量及第二关键词表征向量；

识别结果获取单元，用于根据预置的相似度识别模型获取所述第一关键词表征向量与所述第二关键词表征向量的识别结果。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的基于信息交互的文本相似度识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于信息交互的文本相似度识别方法。

本发明实施例提供了一种基于信息交互的文本相似度识别方法、装置、计算机可读存储介质。分别对第一文本信息及第二文本信息进行转换得到两个字符序列并分别从两个文本信息中提取得到两个关键词序列，对两个字符序列进行映射转换得到字符编码信息并输入神经网络模型得到字符向量，根据字符向量分别获取两个关键词序列的关键词向量并输入自注意力神经网络得到两个关键词表征向量，通过相似度识别模型进行识别得到识别结果。通过上述方法，通过向量信息交互得到的字符向量进一步获取两个文本信息分别对应的两个关键词表征向量，基于向量信息的交互进行相似度识别可减少识别过程耗时，并大幅提高相似度识别的准确率。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于信息交互的文本相似度识别方法的流程示意图；

图2为本发明实施例提供的基于信息交互的文本相似度识别方法的子流程示意图；

图3为本发明实施例提供的基于信息交互的文本相似度识别方法的另一子流程示意图；

图4为本发明实施例提供的基于信息交互的文本相似度识别方法的另一子流程示意图；

图5为本发明实施例提供的基于信息交互的文本相似度识别方法的另一子流程示意图；

图6为本发明实施例提供的基于信息交互的文本相似度识别方法的另一子流程示意图；

图7为本发明实施例提供的基于信息交互的文本相似度识别方法的另一子流程示意图；

图8为本发明实施例提供的基于信息交互的文本相似度识别装置的示意性框图；

图9为本发明实施例提供的计算机设备的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，图1是本发明实施例提供的基于信息交互的文本相似度识别方法的流程示意图；该基于信息交互的文本相似度识别方法应用于用户终端中，该基于信息交互的文本相似度识别方法通过安装于用户终端中的应用软件进行执行，用户终端即是可接收用户输入的第一文本信息及第二文本信息并进行智能分析以实现基于信息交互进行文本相似度识别的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等。如图1所示，该方法包括步骤S110～S170。

S110、若接收到用户所输入的第一文本信息及第二文本信息，将所述第一文本信息及所述第二文本信息分别转换为对应的第一字符序列及第二字符序列。

若接收到用户所输入的第一文本信息及第二文本信息，将所述第一文本信息及所述第二文本信息分别转换为对应的第一字符序列及第二字符序列。用户即为用户终端的使用者，用户可输入第一文本信息及第二文本信息至用户终端，第一文本信息及第二文本信息均可以是包含多个字符的一段文字信息，用户终端可对第一文本信息进行转换得到第一字符序列，对第二文本信息进行转换得到第二字符序列，字符序列即是采用序列方式对文本信息中包含的字符进行表示的信息，将文本信息转换为对应的字符序列可方便基于字符序列对文本信息之间的相似度进行识别处理。

在一实施例中，如图2所示，步骤S110包括子步骤S111和S112。

S111、对所述第一文本信息及所述第二文本信息中的无效字符进行过滤，得到对应的第一有效文本信息及第二有效文本信息。

第一文本信息及第二文本信息中可能包含部分无效字符，则可对第一文本信息及第二文本信息中包含的无效字符进行过滤，得到与第一文本信息对应的第一有效文本信息以及与第二文本信息对应的第二有效文本信息。例如，无效字符可以是空格、括号等无实际含义的字符，则过滤之后第一有效文本信息及第二有效文本信息中均仅保留有效字符。

S112、对所述第一有效文本信息及所述第二有效文本信息分别进行转换得到对应的第一字符序列及第二字符序列。

具体的，可获取第一有效文本信息中包含的所有有效字符，在并在所有有效字符的头部增加句首标识、在尾部增加句尾标识，在字符与字符之间，以及字符与句首标识或句尾标识之间分别增加间隔标识，即可将第一有效文本信息转换为对应的第一字符序列，采用同样方式可将第二有效文本信息中包含的所有有效字符转换为对应的第二字符序列。

例如，句首标识可采用“[CLS]”进行表示，句尾标识可采用“[SEP]”进行表示，间隔标识可表示为“->”，若第一有效文本信息为“微信号，小马的，谁有？”，第二有效文本信息为“小马的微信号多少？谁知道？”，则进行转换后对应得到第一字符序列为“[CLS]->微->信->号->，->小->马->的->，->谁->有->？[SEP]”，得到第二字符序列为“[CLS]->小->马->的->微->信->号->多->少->？谁->知->道->？->[SEP]”。

S120、根据预置的关键词提取模型分别从所述第一文本信息及所述第二文本信息中提取得到对应的第一关键词序列及第二关键词序列。

根据预置的关键词提取模型分别从所述第一文本信息及所述第二文本信息中提取得到对应的第一关键词序列及第二关键词序列。关键词提取模型即为从文本信息中提取得到对应关键词的模型，关键词提取模型中可包含多种提取算法及一个语料库，一种提取算法与语料库进行结合使用即可从一段文本信息中提取得到对应的一组备选关键词，则通过多种提取算法可从一段文本信息中提取得到对应的多组备选关键词，对多组备选关键词进行整合最终得到该文本信息的关键词序列，所得到的关键词序列中至少包含一个关键词。

在一实施例中，如图3所示，步骤S120包括子步骤S121、S122和S123。

S121、根据所述多种提取算法及所述语料库分别从所述第一文本信息及所述第二文本信息中提取得到与每一所述提取算法对应的多组备选关键词。

具体的，关键词提取模型可包含TF-IDF算法、TextRank算法等多种提取算法，关键词提取模型中还包含语料库，语料库可以是由大量文件所组成的集合。以TF-IDF算法为例，可将第一文本信息拆分为多个具有实际含义的词条，分别计算其中每一词条出现的次数与词条总数的比值，即TF

S122、获取所述第一文本信息的多组备选关键词中重复的关键词作为所述第一文本信息的第一关键词序列；S123、获取所述第二文本信息的多组备选关键词中重复的关键词作为所述第二文本信息的第二关键词序列。

对第一文本信息的多组备选关键词中重复的关键词进行获取，重复的关键词即组合为第一文本信息的第一关键词序列。采用同样方式可从第二文本信息的多组备选关键词中获取对应的第二关键词序列。

例如，第一文本信息为“小马的身高虽然矮了点，但财富确是高的吓人啊”，采用关键词提取模型中包含的第一种提取算法对第一文本信息进行提取得到一组备选关键词为“小马、身高、矮、财富、高”，第二种提取算法得到另一组备选关键词为“小马、财富、确是、高”，其中重复的关键词为“小马、财富、高”，则将上述得到的三个重复的关键词作为对应的第一关键词序列。

S130、根据预置的字符映射信息对所述第一字符序列及所述第二字符序列进行映射转换得到字符编码信息。

根据预置的字符映射信息对所述第一字符序列及所述第二字符序列进行映射转换得到字符编码信息。字符映射信息即为对字符进行映射转换的信息，字符映射信息中包含每一字符与对应的一个映射编码之间的映射关系，通过获取第一字符序列及第二字符序列中每一字符对应的映射编码并结合每一字符的排序位置，将第一字符序列及第二字符序列进行映射转换得到对应的字符编码信息。

在一实施例中，如图4所示，步骤S130包括子步骤S131、S132、S133和S134。

S131、对所述第一字符序列及所述第二字符序列进行拼接得到对应的拼接序列。

对第一字符序列与第二字符序列进行拼接处理，具体的，将第二字符序列的头部拼接至第一字符序列的尾部，并对两个字符序列之间的句首标识和句尾标识进行删除即可完成拼接处理得到拼接序列。

例如，第一字符序列为“[CLS]->微->信->号->，->小->马->的->，->谁->有->？[SEP]”，第二字符序列为“[CLS]->小->马->的->微->信->号->多->少->？谁->知->道->？->[SEP]”，拼接后得到的拼接序列为“[CLS]->微->信->号->，->小->马->的->，->谁->有->？->小->马->的->微->信->号->多->少->？谁->知->道->？->[SEP]”。

S132、根据所述字符映射信息对所述拼接序列进行映射转换得到所述拼接序列中每一字符的映射编码。

每一字符均可在字符映射信息中获取到与之相匹配的一个映射编码，则可根据字符映射信息将拼接序列中所包含的字符进行转换，以获取到每一字符对应的映射编码，所得到的映射编码将每一字符的特征采用编码方式进行表示。

S133、根据所述拼接序列中每一字符对应的排序位置获取每一字符的排序编码。

根据所述拼接序列中每一字符在所述第一字符序列或所述第二字符序列中的排序位置获取对应的排序编码。具体的，排序编码由字符所属序列及字符所处位置决定，句首标识和句尾标识对应的排序编码均为“0”，例如，若某一字符(非句首标识或句尾标识)属于第一字符序列则对应的所属序列编码为“1000”，若某一字符属于第二字符序列则对应的所属序列编码为“2000”，若某一字符在字符序列中排序第一，则对应的位置编码为“101”，排序第二，则对应的位置编码为“102”，若拼接序列中的字符为第一字符序列中排序第一的字符，则对应的排序编码为“1101”。

S134、将所述拼接序列中每一字符的映射编码与所述排序编码进行累加计算，得到与所述拼接序列对应的字符编码信息。

将拼接序列中每一字符的映射编码与对应的排序编码进行累加计算，得到拼接序列对应的字符编码信息。例如，拼接序列中某一字符的映射编码为“3174”，排序编码为“1101”累加计算得到该字符的编码信息为“4275”。依据上述方法获取拼接序列中每一字符的编码信息，即可得到拼接序列对应的字符编码信息。

S140、将所述字符编码信息输入预置的神经网络模型，得到与所述字符编码信息对应的字符向量。

将所述字符编码信息输入预置的神经网络模型得到与所述字符编码信息对应的字符向量。将字符编码信息输入神经网络模型进行计算，即可得到字符编码信息对应的字符向量，具体的，神经网络模型即是基于自注意力机制所构建的模型，神经网络模型由自注意力神经网络(Self AttentionNetwork)及循环神经网络(Recurrent Neural Network,RNN)组合构成。

在一实施例中，如图5所示，步骤S140包括子步骤S141、S142、S143、S144和S145：

S141、将所述自注意力神经网络中配置的初始标识值及所述字符编码信息中的每一编码信息输入所述自注意力神经网络进行自注意力计算得到每一所述编码信息的加权值；S142、判断迭代次数是否满足终止循环条件；S143、若所述迭代次数满足终止循环条件，获取每一次计算得到的所述加权值组合为所述字符编码信息对应的字符向量；S144、若所述迭代次数不满足所述终止循环条件，将所述加权输出值与所述初始标识值进行加权求和计算得到对应的加权输出值；S145、将所述加权输出值输入所述循环神经网络进行迭代计算得到对应的输出值，并将所述输出值作为所述初始标识值返回执行步骤S141。

首先将自注意力神经网络中预先配置的初始标识(start token)值及字符编码信息中的每一编码信息输入自注意力神经网络，通过自注意力神经网络进行自注意力计算得到每一编码信息的加权值，也即是将初始标识值与每一编码信息分别进行自注意力计算得到对应的加权值，每一加权值的取值范围均为[0,1]，也即是获取字符编码信息中每一编码信息的权重分布，根据加权值对字符编码信息进行加权求和计算得到对应的加权输出值，将加权输出值及初始标识值作为循环神经网络的输入信息进行计算得到对应的输出值，将输出值作为初始标识并循环执行上述步骤直至满足终止循环条件则停止执行，例如，终止训练条件可以是迭代次数不小于字符编码信息中所包含的编码信息的数量，或迭代次数不小于768次。每循环执行一次即可得到字符编码信息的一个权重分布，多次循环即可得到对应的多组权重分布，将多组权重分布进行组合即可是得到字符编码信息对应的字符向量。最终得到的字符向量可表示为一个n×m的向量矩阵，其中n为字符编码信息中包含的编码信息的个数，m为循环次数。

例如，若字符编码信息包含23个编码信息，m为768，则对应得到的字符向量为一个23×768的向量矩阵。

S150、根据所述字符向量分别获取与所述第一关键词序列及所述第二关键词序列对应的第一关键词向量及第二关键词向量。

根据所述字符向量分别获取与所述第一关键词序列及所述第二关键词序列对应的第一关键词向量及第二关键词向量。字符向量中包含拼接序列中每一字符对应的向量信息，第一关键词序列及第二关键词序列中所有字符均包含于拼接序列中，则可从字符向量中获取与第一关键词序列对应的第一关键词向量，从字符向量中获取与第二关键词序列对应的第二关键词向量。

在一实施例中，如图6所示，步骤S150包括子步骤S151、S152、S153和S154。

S151、获取所述第一关键词序列中每一字符在所述字符向量中的向量值，得到与所述第一关键词序列对应的第一序列向量值；S152、获取所述第二关键词序列中每二字符在所述字符向量中的向量值，得到与所述第二关键词序列对应的第二序列向量值。

第一关键词序列中至少包含一个关键词，每一关键词均至少包含一个字符，具体的，根据第一关键词序列中所包含的字符，从字符向量中获取每一字符对应的向量信息，即可得到第一序列向量值，采用同样的方法可从字符向量中获取第二关键词序列对应的第二序列向量值。

S153、根据所述第一序列向量值对所述第一序列向量值中每一关键词包含的多个字符的向量值进行累加计算作为所述第一关键词序列的第一关键词向量；S154、根据所述第二序列向量值对所述第二关键词序列中每一关键词包含的多个字符的向量值进行累加计算作为所述第二关键词序列的第二关键词向量。

对第一关键词序列中每一关键词包含的多个字符的向量值进行累加，得到每一关键词的向量累加值作为第一关键词序列的第一关键词向量，例如，第一关键词序列中某一关键词包含三个字符，分别获取第一序列向量值中三个字符的向量信息并在每一维度上进行累加计算，得到该关键词在多个维度上的向量累加值。采用相同方法可计算得到第二关键词序列的第二关键词向量。

S160、将所述第一关键词向量及所述第二关键词向量分别输入所述神经网络模型中的自注意力神经网络，得到对应的第一关键词表征向量及第二关键词表征向量。

将所述第一关键词向量及所述第二关键词向量分别输入所述神经网络模型中的自注意力神经网络，得到对应的第一关键词表征向量及第二关键词表征向量。将第一关键词向量与第二关键词向量分别输入自注意力神经网络，通过自注意力神经网络进行自注意力计算，具体的，将预置的初始标识值及第一关键词向量或第二关键词向量中的一个向量累加值输入自注意力神经网络，即可计算得到该向量累加值中每一维度的加权值作为该向量累加值的表征向量，加权值的取值范围为[0,1]，也即是此计算过程中向量累加值的维度与表征向量的维度相等。则第一关键词向量中每一向量累加值均可对应计算得到一个表征向量，计算第一关键词向量对应的多个表征向量在每一维度的平均值，即可得到与第一关键词向量对应的第一关键词表征向量；采用同样方法可计算得到第二关键词向量的第二关键词表征向量。

S170、根据预置的相似度识别模型获取所述第一关键词表征向量与所述第二关键词表征向量的识别结果。

根据预置的相似度识别模型获取所述第一关键词表征向量与所述第二关键词表征向量的识别结果。相似度识别模型即是用户终端中预置的用于进行相似度识别的神经网络模型，相似度识别模型可由全连接网络及激活函数组成。通过相似度识别模型对第一关键词表征向量及第二关键词表征向量进行相似度识别，即可得到对应的是否相似的识别结果，也即是得到第一文本信息与第二为本信息是否相似的识别结果。

在一实施例中，如图7所示，步骤S170包括子步骤S171、S172和S173。

S171、根据将所述第一关键词表征向量及所述第二关键词表征向量进行拼接得到文本表征向量。

具体的，对多个维度的第一关键词表征向量及第二关键词表征向量进行拼接，得到文本表征向量，其中，第一关键词表征向量的维度与第二关键词表征向量的维度相等。例如，若第一关键词表征向量的维度及第二关键词表征向量的维度均为m，则拼接得到文本表征向量的维度为2×m。

S172、将所述文本表征向量输入所述相似度识别模型进行计算得到对应的向量计算结果。

相似度识别模型中的全连接网络由一个输入层、多个中间层及一个输出层组成，输入层与中间层之间、中间层与其他中间层之间、中间层与输出层之间均通过关联公式进行关联，例如某一关联公式可表示为y＝r×x+t，r和t即为该关联公式中的参数值。输入层中包含的输入节点的数量与文本表征向量中的维度数量相等，则文本表征向量中每一维度的维度值均与一个输入节点相对应，将文本表征向量输入全连接网络进行计算，即可从其输出层获取输出结果，输出层包含两个输出节点，则输出结果为两个输出节点分别对应的输出节点值，输出节点值的取值范围均为[0，1]这一取值范围，通过激活函数对输出结果进行归一化计算，得到与向量计算结果对应的向量计算结果，其中，激活函数可以是Sigmoid函数或ReLU函数等。

S173、获取所述向量计算结果中计算值较大的输出节点对应的相似结果作为识别结果。

向量计算结果中包含与两个输出节点对应的计算值，第一个输出节点的标识信息为“1”，该输出节点对应的相似结果为相似，另一输出节点的标识信息为“0”，该输出节点对应的相似结果为不相似，则向量输出结果中包含与标识信息“1”及“0”分别对应的两个计算值。若向量计算结果中与标识信息“1”相对应的计算值较大，则识别结果为相似；若与标识信息“0”相对应的计算值较大，则识别结果为不相似。

在一实施例中，步骤S170之后还包括步骤：将所述识别结果上传至区块链进行存储。

将所述识别结果上传至区块链进行存储，基于识别结果得到对应的摘要信息，具体来说，摘要信息由识别结果进行散列处理得到，比如利用sha256算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息，以便查证识别结果是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请中的技术方法可应用于智慧政务/智慧城管/智慧社区/智慧安防/智慧物流/智慧医疗/智慧教育/智慧环保/智慧交通等包含对文本信息进行智能分析以实现基于信息交互进行文本相似度识别的应用场景中，从而推动智慧城市的建设。

在本发明实施例所提供的基于信息交互的文本相似度识别方法中，分别对第一文本信息及第二文本信息进行转换得到两个字符序列并分别从两个文本信息中提取得到两个关键词序列，对两个字符序列进行映射转换得到字符编码信息并输入神经网络模型得到字符向量，根据字符向量分别获取两个关键词序列的关键词向量并输入自注意力神经网络得到两个关键词表征向量，通过相似度识别模型进行识别得到识别结果。通过上述方法，通过向量信息交互得到的字符向量进一步获取两个文本信息分别对应的两个关键词表征向量，基于向量信息的交互进行相似度识别可减少识别过程耗时，并大幅提高相似度识别的准确率。

本发明实施例还提供一种基于信息交互的文本相似度识别装置，该基于信息交互的文本相似度识别装置可配置于用户终端中，该基于信息交互的文本相似度识别装置用于执行前述的基于信息交互的文本相似度识别方法的任一实施例。具体地，请参阅图8，图8为本发明实施例提供的基于信息交互的文本相似度识别装置的示意性框图。

如图8所示，基于信息交互的文本相似度识别装置100包括文本信息转换单元110、关键词序列提取单元120、字符编码信息获取单元130、字符向量获取单元140、关键词向量获取单元150、关键词表征向量获取单元160和识别结果获取单元170。

文本信息转换单元110，用于若接收到用户所输入的第一文本信息及第二文本信息，将所述第一文本信息及所述第二文本信息分别转换为对应的第一字符序列及第二字符序列。

在一实施例中，所述文本信息转换单元110包括子单元：有效文本信息获取单元，用于对所述第一文本信息及所述第二文本信息中的无效字符进行过滤，得到对应的第一有效文本信息及第二有效文本信息；字段序列获取单元，用于对所述第一有效文本信息及所述第二有效文本信息分别进行转换得到对应的第一字符序列及第二字符序列。

关键词序列提取单元120，用于根据预置的关键词提取模型分别从所述第一文本信息及所述第二文本信息中提取得到对应的第一关键词序列及第二关键词序列。

在一实施例中，所述关键词序列提取单元120包括子单元：备选关键词获取单元，用于根据所述多种提取算法及所述语料库分别从所述第一文本信息及所述第二文本信息中提取得到与每一所述提取算法对应的多组备选关键词；第一关键词序列获取单元，用于获取所述第一文本信息的多组备选关键词中重复的关键词作为所述第一文本信息的第一关键词序列；第二关键词序列获取单元，用于获取所述第二文本信息的多组备选关键词中重复的关键词作为所述第二文本信息的第二关键词序列。

字符编码信息获取单元130，用于根据预置的字符映射信息对所述第一字符序列及所述第二字符序列进行映射转换得到字符编码信息。

在一实施例中，所述字符编码信息获取单元130包括子单元：拼接序列获取单元，用于对所述第一字符序列及所述第二字符序列进行拼接得到对应的拼接序列；映射编码获取单元，用于根据所述字符映射信息对所述拼接序列进行映射转换得到所述拼接序列中每一字符的映射编码；排序编码获取单元，用于根据所述拼接序列中每一字符对应的排序位置获取每一字符的排序编码；计算单元，用于将所述拼接序列中每一字符的映射编码与所述排序编码进行累加计算，得到与所述拼接序列对应的字符编码信息。

字符向量获取单元140，用于将所述字符编码信息输入预置的神经网络模型，得到与所述字符编码信息对应的字符向量。

在一实施例中，所述字符向量获取单元140包括子单元：加权值获取单元，用于将所述自注意力神经网络中配置的初始标识值及所述字符编码信息中的每一编码信息输入所述自注意力神经网络进行自注意力计算得到每一所述编码信息的加权值；判断单元，用于判断迭代次数是否满足终止循环条件；加权值组合单元，用于若所述迭代次数满足终止循环条件，获取每一次计算得到的所述加权值组合为所述字符编码信息对应的字符向量；加权输出值计算单元，用于若所述迭代次数不满足所述终止循环条件，将所述加权输出值与所述初始标识值进行加权求和计算得到对应的加权输出值；输出值获取单元，用于将所述加权输出值输入所述循环神经网络进行迭代计算得到对应的输出值，并将所述输出值作为所述初始标识值返回执行所述将所述自注意力神经网络中配置的初始标识值及所述字符编码信息中的每一编码信息输入所述自注意力神经网络进行自注意力计算得到每一所述编码信息的加权值的步骤。

关键词向量获取单元150，用于根据所述字符向量分别获取与所述第一关键词序列及所述第二关键词序列对应的第一关键词向量及第二关键词向量。

在一实施例中，所述关键词向量获取单元150包括子单元：第一序列向量值获取单元，用于获取所述第一关键词序列中每一字符在所述字符向量中的向量值，得到与所述第一关键词序列对应的第一序列向量值；第二序列向量值获取单元，用于获取所述第二关键词序列中每二字符在所述字符向量中的向量值，得到与所述第二关键词序列对应的第二序列向量值；第一关键词向量获取单元，用于根据所述第一序列向量值对所述第一序列向量值中每一关键词包含的多个字符的向量值进行累加计算作为所述第一关键词序列的第一关键词向量；第二关键词向量获取单元，用于根据所述第二序列向量值对所述第二关键词序列中每一关键词包含的多个字符的向量值进行累加计算作为所述第二关键词序列的第二关键词向量。

关键词表征向量获取单元160，用于将所述第一关键词向量及所述第二关键词向量分别输入所述神经网络模型中的自注意力神经网络，得到对应的第一关键词表征向量及第二关键词表征向量。

识别结果获取单元170，用于根据预置的相似度识别模型获取所述第一关键词表征向量与所述第二关键词表征向量的识别结果。

在一实施例中，所述识别结果获取单元170包括子单元：文本表征向量获取单元，用于根据将所述第一关键词表征向量及所述第二关键词表征向量进行拼接得到文本表征向量；向量计算结果获取单元，用于将所述文本表征向量输入所述相似度识别模型进行计算得到对应的向量计算结果；结果获取单元，用于获取所述向量计算结果中计算值较大的输出节点对应的相似结果作为识别结果。

在一实施例中，所述基于信息交互的文本相似度识别装置100还包括子单元：同步存储单元，用于将所述识别结果上传至区块链进行存储。

在本发明实施例所提供的基于信息交互的文本相似度识别装置应用上述基于信息交互的文本相似度识别方法，分别对第一文本信息及第二文本信息进行转换得到两个字符序列并分别从两个文本信息中提取得到两个关键词序列，对两个字符序列进行映射转换得到字符编码信息并输入神经网络模型得到字符向量，根据字符向量分别获取两个关键词序列的关键词向量并输入自注意力神经网络得到两个关键词表征向量，通过相似度识别模型进行识别得到识别结果。通过上述方法，通过向量信息交互得到的字符向量进一步获取两个文本信息分别对应的两个关键词表征向量，基于向量信息的交互进行相似度识别可减少识别过程耗时，并大幅提高相似度识别的准确率。

上述基于信息交互的文本相似度识别装置可以实现为计算机程序的形式，该计算机程序可以在如图9所示的计算机设备上运行。

请参阅图9，图9是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行基于信息交互的文本相似度识别方法对文本信息进行智能分析以实现基于信息交互进行文本相似度识别的用户终端。

参阅图9，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。

该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于信息交互的文本相似度识别方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。

该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。

该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于信息交互的文本相似度识别方法。

该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图9中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的基于信息交互的文本相似度识别方法中对应的功能。

本领域技术人员可以理解，图9中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图9所示实施例一致，在此不再赘述。

应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的基于信息交互的文本相似度识别方法中所包含的步骤。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。