(19)中华 人民共和国 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 202111660511.2 (22)申请日 2021.12.3 0 (71)申请人 北京杰思安全科技有限公司 地址 100089 北京市海淀区学院路5号768 创意产业园区B座10门1091 (72)发明人 胡成　 (74)专利代理 机构 北京酷爱智慧知识产权代理 有限公司 1 1514 代理人 刘志刚 (51)Int.Cl. G06F 40/194(2020.01) G06K 9/62(2022.01) (54)发明名称 一种基于语义的相似度计算方法、 装置及存 储介质 (57)摘要 本发明公开了一种基于语义的相似度计算 方法、 装置及存储介质， 所述方法包括： 对所提供 的业务文档进行处理， 以生成模板； 所述处理包 括对业务文档的分词处理和对所述分词构建空 间向量； 对生成的模板设置与文档语义相关联的 关键词和关键句； 将待匹配文档按照生成所述模 板相同的方式进行处理后， 再与所述模板进行匹 配计算， 以得到匹配相似度； 所述匹配计算包括 词频相似度、 加权关键词匹配度和加权关键句匹 配度计算； 若所述匹配相似度达到设定阈值， 则 所述待匹配文档为需要特定 保护的文档； 其有益 效果是： 整个方案除了常规的词频相似度计算， 还加入了关联语义的关键词和关键句的加权处 理， 从而使匹配结果更加准确， 进而减少相应误 判情形的发生。 权利要求书2页 说明书6页 附图1页 CN 114417811 A 2022.04.29 CN 114417811 A 1.一种基于语义的相似度计算方法， 其特 征在于， 所述方法包括： 对所提供的业务文档进行处理， 以生成模板； 其中， 所述处理包括对所述业务文档的分 词处理和对所述分词构建空间向量； 对生成的所述模板设置与文档语义相关联的关键词和关键句； 将待匹配文档按照生成所述模板相同的方式进行处理后， 再与所述模板进行匹配计 算， 以得到匹配相似度； 其中， 所述匹配计算包括词频相似度、 加权关键词匹配度和加权关 键句匹配度计算； 若所述匹配相似度达 到设定阈值， 则所述待匹配文档为需要特定保护的文档。 2.如权利要求1所述的一种基于语义的相似度计算方法， 其特征在于， 所述匹配计算 时， 先判断所述待匹配文档是否为所述业务文档的子集， 若是， 则无需计算， 直接判定所述 待匹配文档为需要特定保护的文档。 3.如权利要求1或2所述的一种基于语义的相似度计算方法， 其特征在于， 所述加权关 键词匹配度通过以下步骤得 出： 首先分别获取 所述业务文档的分词列表和待匹配文档的分词列表； 然后以分词 多的列表作为分母， 将所述业务文档和待匹配文档中最长的相同分词部分 片段的数量作为分子， 以得到关键词匹配度； 最后再将所述关键词匹配度结合预设的关键词权 重值， 得到所述加权关键词匹配度。 4.如权利要求3所述的一种基于语义的相似度计算方法， 其特征在于， 所述加权关键句 匹配度通过以下步骤得 出： 在所述业务文档和待匹配文档中分别提取关键句， 以形成各自的关键句列表； 以关键句多的列表作为计算分母,两列表中关键句相近的句子数量作为分子， 以得到 关键句匹配度； 最后再将所述关键句匹配度结合预设的关键句权 重值， 得到所述加权关键句匹配度。 5.一种基于语义的相似度计算装置， 其特 征在于， 包括： 模板生成模块， 用于对所提供的业务文档进行处理， 以生成模板； 其中， 所述处理包括 对所述业务文档的分词处 理和对所述分词构建空间向量； 设置模块， 用于对生成的所述模板设置与文档语义相关联的关键词和关键句； 待匹配文档生成模块， 用于将待匹配文档按照生成所述模板相同的方式进行处 理； 相似度计算模块， 用于： 将所述待匹配文档处理后， 与所述模板进行匹配计算， 以得到匹配相似度； 其中， 所述 匹配计算包括词频相似度、 加权关键词匹配度和 加权关键句匹配度计算； 若所述匹配相似度达 到设定阈值， 则所述待匹配文档为需要特定保护的文档； 返回模块， 用于展示所述相似度计算模块所 得到的匹配 计算结果。 6.如权利要求5所述的一种基于语义的相似度计算装置， 其特征在于， 所述匹配计算 时， 先判断所述待匹配文档是否为所述业务文档的子集， 若是， 则无需计算， 直接判定所述 待匹配文档为需要特定保护的文档。 7.如权利要求5或6所述的一种基于语义的相似度计算装置， 其特征在于， 所述加权关 键词匹配度通过以下步骤得 出： 首先分别获取 所述业务文档的分词列表和待匹配文档的分词列表；权　利　要　求　书 1/2 页 2 CN 114417811 A 2然后以分词 多的列表作为分母， 将所述业务文档和待匹配文档中最长的相同分词部分 片段的数量作为分子， 以得到关键词匹配度； 最后再将所述关键词匹配度结合预设的关键词权 重值， 得到所述加权关键词匹配度。 8.如权利要求7所述的一种基于语义的相似度计算装置， 其特征在于， 所述加权关键句 匹配度通过以下步骤得 出： 在所述业务文档和待匹配文档中分别提取关键句， 以形成各自的关键句列表； 以关键句多的列表作为计算分母,两列表中关键句相近的句子数量作为分子， 以得到 关键句匹配度； 最后再将所述关键句匹配度结合预设的关键句权 重值， 得到所述加权关键句匹配度。 9.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至4中任一项 所述的一种基于语义的 相似度计算方法的步骤。权　利　要　求　书 2/2 页 3 CN 114417811 A 3