技術(shù)特征：

1.利用句義結(jié)構(gòu)特征的句子相似度計(jì)算方法，所述方法包括以下步驟：

步驟1，對(duì)短文本集進(jìn)行預(yù)處理，先進(jìn)行分句，然后進(jìn)行分詞和詞性標(biāo)注，去停用詞；

步驟2，結(jié)合句義結(jié)構(gòu)特征和主題-詞語(yǔ)分布特征，對(duì)句子進(jìn)行特征擴(kuò)充，并計(jì)算句子相似度；

步驟2.1，在步驟1的基礎(chǔ)上，對(duì)每條句子進(jìn)行句義結(jié)構(gòu)分析，提取句子的話題、述題、基本項(xiàng)、一般項(xiàng)；

步驟2.2，利用LDA(Latent Dirichlet Allocation)主題模型對(duì)短文本集進(jìn)行分析，提取文本中的主題和主題下的詞語(yǔ)分布，得到主題-詞語(yǔ)矩陣；

步驟2.3，根據(jù)話題對(duì)句子進(jìn)行特征擴(kuò)充，得到基于話題的句子向量；

步驟2.4，根據(jù)述題對(duì)句子進(jìn)行特征擴(kuò)充，得到基于述題的句子向量；

步驟2.5，分別基于步驟2.3和2.4得到的兩種句子向量計(jì)算句子相似度，對(duì)兩個(gè)相似度值進(jìn)行加權(quán)，得到句子間的最終相似度值，具體計(jì)算公式如下，

$sim1(S_A,S_B)=\mathrm{\ω}*\frac{\stackrel{\→}{S_{At}}\·\stackrel{\→}{S_{Bt}}}{\left|\stackrel{\→}{S_{At}}\right|\left|\stackrel{\→}{S_{Bt}}\right|}+(1-\mathrm{\ω})*\frac{\stackrel{\→}{S_{Ac}}\·\stackrel{\→}{S_{Bc}}}{\left|\stackrel{\→}{S_{Ac}}\right|\left|\stackrel{\→}{S_{Bc}}\right|}$

其中，S_A和S_B代表任意兩個(gè)句子，sim1(S_A,S_B)表示兩個(gè)句子的相似度值，和分別表示句子S_A和S_B的基于話題的句子向量，和分別表示句子S_A和S_B的表示基于述題的句子向量，ω為可調(diào)參數(shù)，取值范圍為[0,1]；

步驟3，將經(jīng)過(guò)步驟1預(yù)處理后的所有句子輸入到PV(Paragraph Vector)深度學(xué)習(xí)模型，利用PV模型學(xué)習(xí)文本特征，得到句子向量，并基于該句子向量計(jì)算句子間的余弦距離作為句子間的相似度，計(jì)算公式如下，

$sim2(S_A,S_B)=\frac{\stackrel{\→}{S_{Ap}}\·\stackrel{\→}{S_{Bp}}}{\left|\stackrel{\→}{S_{Ap}}\right|\left|\stackrel{\→}{S_{Bp}}\right|}$

其中，S_A和S_B代表任意兩個(gè)句子，sim2(S_A,S_B)表示兩個(gè)句子的相似度值，和分別表示用PV模型學(xué)習(xí)得到的句子向量；

步驟4，將步驟2和步驟3得到的句子間的相似度值進(jìn)行線性加權(quán)，通過(guò)網(wǎng)格法調(diào)節(jié)參數(shù)，找到一組最優(yōu)的參數(shù)取值，輸出最終的句子對(duì)之間的相似度值。

2.根據(jù)權(quán)利要求1所述的利用句義結(jié)構(gòu)特征的句子相似度計(jì)算方法，其特征在于，步驟2.3中基于話題對(duì)句子進(jìn)行特征擴(kuò)充具體方法為：首先提取話題下的基本項(xiàng)和一般項(xiàng)對(duì)應(yīng)的詞語(yǔ)，然后根據(jù)LDA分析短文集得到的主題-詞語(yǔ)矩陣，比較詞語(yǔ)在不同主題下的概率，選取概率最高的主題，將該主題下的其它詞語(yǔ)補(bǔ)充到句子中，作為句子的一部分，最后，使用句子的所有詞語(yǔ)作為特征，構(gòu)建特征向量表示句子，其中句中原有詞語(yǔ)所對(duì)應(yīng)的維度上的取值為詞語(yǔ)的在句中的出現(xiàn)次數(shù)，而擴(kuò)充的詞語(yǔ)所對(duì)應(yīng)的維度上的取值按如下公式進(jìn)行計(jì)算，

V＝n*w

V是擴(kuò)充詞語(yǔ)對(duì)應(yīng)維度上的取值，n是擴(kuò)充詞語(yǔ)在句子中出現(xiàn)的次數(shù)，w為擴(kuò)充詞語(yǔ)在對(duì)應(yīng)主題下的概率值；

步驟2.4中基于述題對(duì)句子進(jìn)行特征擴(kuò)充的方法類似于基于話題對(duì)句子進(jìn)行擴(kuò)充的方法。

3.根據(jù)權(quán)利要求1所述的利用句義結(jié)構(gòu)特征的句子相似度計(jì)算方法，其特征在于，步驟4中將基于CSM得到的相似度和基于PV得到的相似度加權(quán)融合，具體計(jì)算公式為：

sim(S_A,S_B)＝θ*sim1(S_A,S_B)+(1-θ)*sim2(S_A,S_B)

其中，S_A和S_B代表任意兩個(gè)句子，sim(S_A,S_B)表示兩個(gè)句子的相似度值，θ為可調(diào)參數(shù)，取值范圍為[0,1]，結(jié)合權(quán)利要求1中的步驟2.5和步驟3中的公式，完整的句子相似度計(jì)算公式為：

$sim\left(S_A,S_B\right)=\mathrm{\θ}*\[\mathrm{\ω}*\frac{\stackrel{\→}{S_{At}}\·\stackrel{\→}{S_{Bt}}}{\left|\stackrel{\→}{S_{At}}\right|\left|\stackrel{\→}{S_{Bt}}\right|}+\left(1-\mathrm{\ω}\right)*\frac{\stackrel{\→}{S_{Ac}}\·\stackrel{\→}{S_{Bc}}}{\left|\stackrel{\→}{S_{Ac}}\right|\left|\stackrel{\→}{S_{Bc}}\right|}\]+\left(1-\mathrm{\θ}\right)*\frac{\stackrel{\→}{S_{Ap}}\·\stackrel{\→}{S_{Bp}}}{\left|\stackrel{\→}{S_{Ap}}\right|\left|\stackrel{\→}{S_{Bp}}\right|}$

ω和θ都是可調(diào)參數(shù)，取值范圍都是[0,1]。