(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 202210240186.2 (22)申请日 2022.03.10 (71)申请人 北京中知智慧科技有限公司 地址 100088 北京市海淀区马甸南村一 号9 幢202号 (72)发明人 程义　李峰　孙正茂　潘磊　 杨长青　李君令　张尧尧　郭来中　 孙伟　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 薛平　郝博 (51)Int.Cl. G06K 9/62(2022.01) G06F 16/33(2019.01) G06F 16/35(2019.01)G06F 16/31(2019.01) G06F 40/30(2020.01) G06F 40/295(2020.01) G06F 40/211(2020.01) G06N 20/00(2019.01) (54)发明名称 基于语义分析的文献相似度确定方法及装 置 (57)摘要 本发明公开了一种基于语义分析的文献相 似度确定方法及装置， 其中该方法包括： 将每一 待比较文献划分为多个部分； 对每一部分进行语 义分析得到每一部分的语义分析结果； 根据每一 部分的语义 分析结果， 确定每一待比较文献的每 一部分的权重值； 根据每一待比较文献的每一部 分的权重值， 得到每一待比较文献的加权平均结 果； 根据每一待比较文献的加权平均结果， 确定 待比较文献之间的相似度。 本发 明可以实现基于 语义分析准确地确定文 献不同部分的权重， 进而 准确地确定文献相似度。 权利要求书2页 说明书18页 附图5页 CN 114580557 A 2022.06.03 CN 114580557 A 1.一种基于语义分析的文献相似度确定方法， 其特 征在于， 包括： 将每一待比较文献划分为多个部分； 对每一部分进行语义分析 得到每一部分的语义分析 结果； 根据每一部分的语义分析 结果， 确定每一待比较文献的每一部分的权 重值； 根据每一待比较文献的每一部分的权 重值， 得到每一待比较文献的加权平均结果； 根据每一待比较文献的加权平均结果， 确定待比较文献之间的相似度。 2.如权利要求1所述的基于语义分析的文献相似度确定方法， 其特征在于， 对每一部分 进行语义分析 得到每一部分的语义分析 结果， 包括： 对每一部分进行分词处 理， 得到每一部分对应的多个关键词； 根据每一部分对应的多个关键词， 以及预设的文献特征提取策略， 从每一部分中提取 出多个类型的关键特 征， 构成每一部分对应的特 征集合； 根据每一部分对应的特征集合， 对每一部分进行词级、 句法级和篇章级的语义分析， 得 到每一部分的语义分析 结果。 3.如权利要求2所述的基于语义分析的文献相似度确定方法， 其特征在于， 还包括： 利 用主成分分析法、 线性判别分析法和互信息法， 对每一部分对应的特征集合进行特征 的筛 选和组合， 得到特 征降维处 理后的每一部分对应的特 征集合； 根据每一部分对应的特征集合， 对每一部分进行词级、 句法级和篇章级的语义分析， 得 到每一部 分的语义分析结果， 包括： 根据特征降维处理后的每一部 分对应的特征集合， 对每 一部分进行词级、 句法级和篇 章级的语义分析， 得到每一部分的语义分析 结果。 4.如权利要求2所述的基于语义分析的文献相似度确定方法， 其特征在于， 所述多个类 型的关键特 征包括： 文献静态特 征， 文献与查询关联的特 征， 以及查询的特 征。 5.如权利要求2所述的基于语义分析的文献相似度确定方法， 其特征在于， 所述预设的 文献特征提取策略包括： 根据关键词在文 献中出现的频率， 关键词的逆文档频率， 关键词的 词性， 关键词是否为专 业词， 关键词出现在文 献中的位置， 关键词的text ‑rank值， 关键词的 信息熵值， 关键词的词向量与整体偏差值， 关键词长度， 关键词作为句 子的成分， 关键词是 否再被切分成子关键词， 关键词在文献中第一次出现与最后一次出现位置的长度， 关键词 分布偏差的其中之一或任意组合， 进行文献 特征提取。 6.如权利要求5所述的基于语义分析的文献相似度确定方法， 其特征在于， 在关键词能 再被切分到子 关键词时， 所述预设的文献特征提取策略还包括： 根据子 关键词的词频 ‑逆文 档频率， 子关键词的词性， 子关键词 是否为专业词的其中之一或任意组合进行文献特征提 取。 7.一种基于语义分析的文献相似度确定装置， 其特 征在于， 包括： 划分单元， 用于将每一待比较文献划分为多个部分； 语义分析 单元， 用于对每一部分进行语义分析 得到每一部分的语义分析 结果； 权重值确定单元， 用于根据每一部分的语义分析结果， 确定每一待比较文献的每一部 分的权重值； 处理单元， 用于根据每一待比较文献的每一部分的权重值， 得到每一待比较文献的加 权平均结果； 相似度确定单元， 用于根据每一待比较文献的加权平均 结果确定待比较文献之间的相权　利　要　求　书 1/2 页 2 CN 114580557 A 2似度。 8.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 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权利要求1至6任一所述方 法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处 理器执行时实现权利要求1至 6任一所述方法。 10.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至 6任一所述方法。权　利　要　求　书 2/2 页 3 CN 114580557 A 3