本发明涉及计算机应用技术领域，更为具体而言，涉及文本匹配方法、电子设备以及计算机可读存储介质。
背景技术：
近年来随着移动互联网的蓬勃发展，涌现了大量基于内容分发服务的应用程序和相关自媒体平台，它们在人们的日常生活中扮演着越来越重要的角色。常见的内容平台比如：今日头条、微信公众号、天天快报等随时为广大的用户群体提供及时且海量的资讯信息和多元的数字富媒体内容，同时深刻地改变了人们获取信息的方式和途径。这些平台不仅致力于为用户的搜索查询需求提供相关的内容服务，更重要的功能是主动向用户推荐其平台的内容，这样才能更好地满足用户潜在的需求，从而吸引用户停留来提升其使用对应软件的频率，最终提升软件自身的日活跃度。
其中，这些平台所提供的内容信息很大一部分均以文字为主要载体，用户可以通过阅读文字来高效地从文本内容当中获取信息和观点评论。当用户完成阅读一篇文章，软件平台常常会根据用户的兴趣和习惯主动为其推荐相同或者相近话题的其他文章。而如何判断文章之间的主要内容是否关于相同或相近的主题，即判断一对文章之间的关系，其实可以归结为自然语言处理领域中的文本语义匹配任务。
可见，随着文本语义匹配技术的发展，待匹配文本的序列长度逐渐由短文本向长文本过渡。尽管大量的针对短文本匹配任务的相关工作在建模两个序列的相似度上通过设计更好的模型算法达到了优异的效果，但是伴随着文本长度的显著变化，直接将长文本输入原来的短文本匹配算法并不能得到令人满意的结果。
技术实现要素：
本发明实施方式的目的在于提供文本匹配方法、电子设备以及计算机可读存储介质，以实现现有技术中所存在的上述问题。具体技术方案如下：
在本发明实施的一方面，提供了一种文本匹配方法。具体地，所述方法包括：获取待匹配文本和目标文本中的结构模型，其中，所述结构模型包括多个结构模块，所述结构模块包括：关键词及其对应的句子集；针对所述待匹配文本的结构模型的各结构模块，分别从所述目标文本的结构模型中识别出对应的结构模块，以构建模块组；根据各所述模块组内模块之间的相似度，生成所述待匹配文本的匹配结果。
在本发明实施的又一方面，还提供了一种电子设备。具体地，所述电子设备包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述文本匹配方法。
在本发明实施的又一方面，还提供了一种计算机可读存储介质。具体地，所述计算机可读存储介质中存储有计算机程序，该程序被处理器执行时实现上述文本匹配方法。
本发明实施方式提供的文本匹配方法、电子设备以及计算机可读存储介质，基于关键词以及对应的句子集构建文本的结构模型来进行文本之间的匹配，可以充分利用文本的结构信息执行匹配任务，对于长文本而言，能够提供更高质量的文本匹配结果。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式描述中所需要使用的附图作一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施方式1的文本匹配方法的流程图；
图2是根据本发明实施方式2的文本匹配方法的流程图；
图3是根据本发明实施方式3的文本匹配方法的流程图；
图4示出了图2所示的处理s240的一种实施方式；
图5是根据本发明实施方式的一种电子设备的结构示意图。
具体实施方式
以下结合附图和具体实施方式对本发明的各个方面进行详细阐述。其中，在本发明的各个具体实施方式中，众所周知的操作过程、程序模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。
并且，所描述的特征、架构或功能可在一个或一个以上实施例中以任何方式组合。
此外，本领域技术人员应当理解，下述的各种实施方式只用于举例说明，而非用于限制本发明的保护范围。本领域的技术人员还可以容易理解，本文所述和附图所示的各实施方式中的程序模块、单元或步骤可以按多种不同配置进行组合和设计。
对于未在本说明书中进行具体说明的技术术语，除非另有特定说明，都应以本领域最宽泛的意思进行解释。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的标号如s10、s11等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
下面将结合附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明的一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施方式，都属于本发明保护的范围。
【实施方式1】
图1是根据本发明方法实施方式1的文本匹配方法的流程图。参见图1，在本实施方式中，所述方法包括：
s110：获取待匹配文本和目标文本中的结构模型。
其中，所述结构模型包括多个结构模块；所述结构模块包括：关键词及其对应的句子集。
s120：针对所述待匹配文本的结构模型的各结构模块，分别从所述目标文本的结构模型中识别出对应的结构模块，以构建模块组。
例如，针对待匹配文本的结构模型中的各结构模块，分别计算其与目标文本的结构模型中的各结构模块的模块相似度。将相似度最高的两个模块组成模块组。然后，从剩下的模块中，筛选出相似度最高的两个模块组成模块组，不断重复这一处理，直到每一个模块都被分配至某一模块组(所有模块都完成了分组)。
其中，所述模块相似度是指两个或多个模块之间的相似程度。
当然，在本实施方式的其他实施例中，也可以通过其他方式进行模块的分组，例如，将不同结构模型中模块编号相同的模块划分为一组(按照模块的权重对模块进行编号)。
s130：根据各所述模块组内模块之间的相似度，生成所述待匹配文本的匹配结果。
在本实施方式中，基于关键词以及对应的句子集构建文本的结构模型来进行文本之间的匹配，可以充分利用文本的结构信息执行匹配任务，对于长文本而言，能够提供更高质量的文本匹配结果。
【实施方式2】
图2是根据本发明方法实施方式2的文本匹配方法的流程图。参见图2，在本实施方式中，所述方法包括：
s210：获取待匹配文本和目标文本中的结构模型。
其中，所述结构模型包括多个结构模块；所述结构模块包括：关键词及其对应的句子集。
s220：针对待匹配文本的结构模型中的各结构模块，分别计算其与目标文本的结构模型中的各结构模块的模块相似度(模块之间的相似程度)。
s230：基于所述模块相似度，针对所述待匹配文本的结构模型的各结构模块，分别从所述目标文本的结构模型中识别出对应的结构模块，以构建模块组。
例如，将相似度最高的两个模块组成模块组。然后，从剩下的模块中，筛选出相似度最高的两个模块组成模块组，不断重复这一处理，直到每一个模块都被分配至某一模块组(所有的模块都完成了分组)。
s240：根据各所述模块组的模块相似度(模块组内模块之间的相似度)，生成所述待匹配文本的匹配结果。
在本实施方式中，通过以下处理计算所述模块相似度：计算模块之间所述关键词的相似度，作为第一子相似度；计算模块之间所述句子集的相似度，作为第二子相似度；基于所述第一子相似度与所述第二子相似度的加权平均值，生成模块之间的相似度。
例如，若计算模块i和模块j之间的相似度，则计算模块i的关键词和模块j的关键词之间的相似度，作为模块i和模块j之间的第一子相似度，计算模块i的句子集和模块j的句子集之间的相似度，作为模块i和模块j之间的第二子相似度，基于该第一子相似度与该第二子相似度的加权平均值生成模块i和模块j之间的相似度。
本实施方式基于关键词之间的第一子相似度以及句子集之间的第二子相似度的加权平均值，生成模块之间的相似度，能够使得模块之间的相似度计算结果更加准确。
【实施方式3】
图3是根据本发明方法实施方式3的文本匹配方法的流程图。参见图3，在本实施方式中，所述方法包括：
s310：分别构建待匹配文本和目标文本的结构模型。
其中，所述结构模型包括多个结构模块；所述结构模块包括：关键词及其对应的句子集。
s320：获取待匹配文本和目标文本中的结构模型。
例如，从指定的存储端读取或接收待匹配文本和目标文本中的结构模型。
s330：针对所述待匹配文本的结构模型的各结构模块，分别从所述目标文本的结构模型中识别出对应的结构模块，以构建模块组。
在本实施方式的一些实施例中，首先，针对待匹配文本的结构模型中的各结构模块，分别计算其与目标文本的结构模型中的各结构模块的模块相似度；其次，基于所述模块相似度，针对所述待匹配文本的结构模型的各结构模块，分别从所述目标文本的结构模型中识别出对应的结构模块，以构建模块组。例如，将相似度最高的两个模块组成模块组。然后，从剩下的模块中，筛选出相似度最高的两个模块组成模块组，不断重复这一处理，直到每一个模块都被分配至某一模块组(所有的模块都完成了分组)。
其中，所述模块相似度是指模块之间的相似程度。
s340：根据各所述模块组内模块之间的相似度，生成所述待匹配文本的匹配结果。
在本实施方式中，通过以下方式构建文本的结构模型：从文本中抽取关键词；基于文本中的句子与关键词之间的相关度，将句子进行划分，其中，被划分至同一关键词的一个或多个句子构成该关键词所对应的句子集；将每个关键词及其对应的句子集定义为一个结构模块；整合所有的结构模块以构建所述结构模型。
例如，给定一篇文章d，通过testrank(文本排序算法)算法来抽取出文章中的命名实体和关键词，统称为关键词。把文章d中的句子通过与抽取出的关键词计算相关度来对其划分。这样每个关键词均对应一个句子集合s(v)。其中，在计算一个句子与一个关键词的相关度时，例如把句子和关键词先通过tf-idf(termfrequency–inversedocumentfrequency，词频-逆向文件频率)算法向量化，然后用二者的余弦相似度来表征其相关度，最终把该句子划分给相关度最高的关键词。将文章d中的每个关键词及其对应的句子集合定义为一个结构模块。整合所有的结构模块以构建文章d的结构模型。针对同一文本，一个句子仅隶属于一个关键词，一个关键词仅隶属于一个结构模块，并且，隶属于同一模块的句子构成该模块中的关键词的句子集。
本实施方式基于相似度建立关键词与句子之间的关联关系，能够更加准确地确定关键词在文本中的语义，降低语言歧义对于匹配结果的影响。
【实施方式4】
本实施方式所提供的文本匹配方法包括实施方式2或实施方式3中的全部内容，在此不再赘述。
在本实施方式中，在基于所述第一子相似度与所述第二子相似度的加权平均值，生成模块之间的相似度之前，所述方法还包括以下处理：针对进行模块相似度计算的两个模块中的每一者，计算其所包含的关键词与句子集之间的相关度；将进行模块相似度计算的两个模块的前述相关度(关键词与句子集之间的相关度)的平均值与设定阈值进行比较；若该平均值小于或等于设定阈值，则将所述第一子相似度的权重设置为小于所述第二子相似度的权重。
例如，若计算模块i和模块j之间的相似度，则计算模块i中关键词和句子集之间的相关度a，计算模块j中关键词和句子集之间的相关度b，将a和b的平均值与设定阈值进行比较，若a和b的平均值小于设定阈值，则将所述第一子相似度的权重设置为小于所述第二子相似度的权重。
【实施方式5】
本实施方式所提供的文本匹配方法包括实施方式4中的全部内容，在此不再赘述。在本实施方式中，若进行模块相似度计算的两个模块的前述相关度(关键词与句子集之间的相关度)的平均值大于设定阈值，则将所述第一子相似度的权重设置为与所述第二子相似度的权重一致。
例如，若前述a和b的平均值大于或等于设定阈值，则则将所述第一子相似度的权重设置为与所述第二子相似度的权重一致。
【实施方式6】
本实施方式所提供的文本匹配方法包括实施方式2至实施方式5中任一项的全部内容(对实施方式2至实施方式5中的每一项分别进行改进)，在此不再赘述。
在本实施方式中，所述模块相似度的计算处理中，通过tf-idf算法分别计算模块之间关键词的相似度(第一子相似度)和模块之间句子集的相似度(第二子相似度)，以得到模块之间的tf-idf余弦相似度；通过tf(termfrequency，词频)算法分别计算所述第一子相似度和所述第二子相似度，以得到模块之间的tf余弦相似度；通过bm25算法(通常用来作搜索相关性评分，一句话概况其主要思想：对问题文本进行语素解析，生成关键词序列；然后，对于每个搜索结果d，计算每个关键词qi与d的相关性得分，最后，将qi相对于d的相关性得分进行加权求和，从而得到问题与d的相关性得分)分别计算所述第一子相似度和所述第二子相似度，以得到模块之间的bm25余弦相似度；通过jaccard算法(通过计算两个集合交集的大小除以并集的大小来评估他们的相似度)分别计算所述第一子相似度和所述第二子相似度，以得到模块之间的jaccard相似度；通过ochiai算法(通过计算两个集合交集的大小除以两个集合的大小的几何平均值来评估他们的相似度)分别计算所述第一子相似度和所述第二子相似度，以得到模块之间的ochiai相似度。
相应地，基于模块之间的tf-idf余弦相似度、tf余弦相似度、bm25余弦相似度、jaccard相似度和ochiai相似度的平均值进行模块分组，例如将多种相似度的平均值最高的两个模块组成模块组。然后，从剩下的模块中，筛选出平均值最高的两个模块组成模块组，不断重复这一处理，直到每一个模块都被分配至某一模块组(所有的模块都完成了分组)。
【实施方式7】
本实施方式所提供的文本匹配方法包括实施方式6中的全部内容，在此不再赘述。如图4所示，在本实施方式中，通过以下方式实现处理s240：
s241：基于各所述模块组内模块之间的相似度，生成所述待匹配文本的相似度得分。
s242：根据所述待匹配文本的相似度得分，生成所述待匹配文本的匹配结果。
在本实施方式中，按照以下公式，基于各所述模块组内模块之间的相似度，生成所述待匹配文本的相似度得分：
其中，score为所述相似度得分；n为所述模块组的数量；wi为第i个模块组的权重参数；ti为第i个模块组内模块之间的tf-idf余弦相似度；si为第i个模块组内模块之间的tf余弦相似度；mi为第i个模块组内模块之间的bm25余弦相似度；ki为第i个模块组内模块之间的jaccard相似度；ji为第i个模块组内模块之间的ochiai相似度；ct、cs、cm、ck和cj分别为tf-idf余弦相似度、tf余弦相似度、bm25余弦相似度、jaccard相似度和ochiai相似度的权重参数。
【实施方式8】
本实施方式所提供的文本匹配方法包括实施方式7中的全部内容，在此不再赘述。
在本实施方式中，在基于各所述模块组内模块之间的相似度，生成所述待匹配文本的相似度得分之前，所述方法还包括：基于所述模块组中句子集的元素数量平均值，确定所述模块组的权重参数。
其中，句子集的元素数量的平均值例如可以是算术平均值，例如，对于模块组i而言，其中包括模块a和模块b，模块a的句子集中共有na个句子，模块b的句子集中共有nb个句子，则模块组i中句子集的元素数量平均值为1/2(na nb)。
本发明实施例还提供了一种电子设备，如图5所示，包括处理器101、通信接口102、存储器103和通信总线104，其中，处理器101，通信接口102，存储器103通过通信总线14完成相互间的通信，
存储器103，用于存放计算机程序；
处理器101，用于执行存储器103上所存放的程序时，实现以上实施方式1-8中任一所述的文本匹配方法。
上述终端提到的通信总线可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(randomaccessmemory，简称ram)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(field－programmablegatearray，简称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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当所述指令被执行时，能够实现上述实施方式1-8中任一所述的文本匹配方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施方式1-8中任一所述的文本匹配方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
1.一种文本匹配方法，其特征在于，所述方法包括：
获取待匹配文本和目标文本的结构模型，其中，所述结构模型包括多个结构模块，所述结构模块包括：关键词及其对应的句子集；
针对所述待匹配文本的结构模型的各结构模块，分别从所述目标文本的结构模型中识别出对应的结构模块，以构建模块组；
根据各所述模块组内模块之间的相似度，生成所述待匹配文本的匹配结果。
2.根据权利要求1所述的方法，其特征在于，在根据各所述模块组内模块之间的相似度，生成所述待匹配文本的匹配结果之前，所述方法还包括：
分别通过以下处理计算各所述模块组内模块之间的相似度：
计算模块之间所述关键词的相似度，作为第一子相似度；
计算模块之间所述句子集的相似度，作为第二子相似度；
基于所述第一子相似度与所述第二子相似度的加权平均值，生成模块之间的相似度。
3.根据权利要求1所述的方法，其特征在于，在获取待匹配文本和目标文本的结构模型之前，所述方法还包括：
分别通过以下处理构建所述待匹配文本和所述目标文本的结构模型：
从文本中抽取关键词；
基于文本中的句子与关键词之间的相关度，将句子进行划分，其中，被划分至同一关键词的一个或多个句子构成该关键词所对应的句子集；
将每个关键词及其对应的句子集定义为一个结构模块；
整合所有的结构模块以构建所述结构模型。
4.根据权利要求2所述的方法，其特征在于，在基于所述第一子相似度与所述第二子相似度的加权平均值，生成模块之间的相似度之前，所述方法还包括：
针对所述模块组中的各模块，分别计算其所包含的关键词与句子集之间的相关度；
将所述模块组的所述相关度的平均值与设定阈值进行比较；
若小于或等于所述设定阈值，则将所述第一子相似度的权重设置为小于所述第二子相似度的权重。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
若大于所述设定阈值，则将所述第一子相似度的权重设置为与所述第二子相似度的权重一致。
6.根据权利要求2所述的方法，其特征在于，分别依次通过词频-逆文档频率tf-idf算法、词频tf算法、bm25算法、jaccard算法和ochiai算法，计算所述第一子相似度和所述第二子相似度，以得到模块之间的tf-idf余弦相似度、tf余弦相似度、bm25余弦相似度、jaccard相似度和ochiai相似度。
7.根据权利要求6所述的方法，其特征在于，根据各所述模块组内模块之间的相似度，生成所述待匹配文本的匹配结果包括：
按照以下公式，基于各所述模块组内模块之间的相似度，生成所述待匹配文本的相似度得分：
根据所述待匹配文本的相似度得分，生成所述待匹配文本的匹配结果；
其中，score为所述相似度得分；n为所述模块组的数量；wi为第i个模块组的权重参数；ti为第i个模块组内模块之间的tf-idf余弦相似度；si为第i个模块组内模块之间的tf余弦相似度；mi为第i个模块组内模块之间的bm25余弦相似度；ki为第i个模块组内模块之间的jaccard相似度；ji为第i个模块组内模块之间的ochiai相似度；ct、cs、cm、ck和cj分别为tf-idf余弦相似度、tf余弦相似度、bm25余弦相似度、jaccard相似度和ochiai相似度的权重参数。
8.根据权利要求7所述的方法，其特征在于，在基于各所述模块组内模块之间的相似度，生成所述待匹配文本的相似度得分之前，所述方法还包括：
基于所述模块组中句子集的元素数量平均值，确定所述模块组的权重参数。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-8任一所述的方法步骤。
10.一种计算机存储介质，用于存储一条或多条计算机指令，其中，当所述一条或多条计算机指令被执行时能够实现如权利要求1至8中任一项所述的方法。
技术总结