买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国电子科技集团公司第五十四研究所;桂林电子科技大学申请的专利一种全交叉视角文本匹配方法及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116933095B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310719162.X，技术领域涉及：G06F18/22；该发明授权一种全交叉视角文本匹配方法及存储介质是由王玉峰;王岳萌;李培瑶;陈金勇;席广勇;强保华设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本一种全交叉视角文本匹配方法及存储介质在说明书摘要公布了：本发明公开了一种全交叉视角文本匹配方法，所述方法首先通过分词技术中的字符模式、精确模式、全模式、搜索引擎模式以及Paddle模式共五种语义划分模式提取文本中的字符、词语以及关联短语三种文本粒度信息，每一种划分模式的划分结果为文本的一种表征，针对文本的五种表征进行初始编码，采用双向门循环控制单元初步提取编码中的上下文语义信息。然后将五种表征下的初始编码向量重构为高维编码矩阵，并利用卷积神经网络深度挖掘高维矩阵中的特征信息，有效捕获文本的多表征语义，同时提升各表征之间的信息交互性。最后通过全交叉视角匹配模式将两个文本的多表征卷积矩阵进行交叉余弦匹配，强化多表征信息的匹配力度，进而总体提升文本匹配任务的准确率。

本发明授权一种全交叉视角文本匹配方法及存储介质在权利要求书中公布了：1.一种全交叉视角文本匹配方法，其特征在于，所述方法包括以下步骤： 1利用Jieba分词技术中的精确模式、全模式、Paddle模式以及搜索引擎模式划分文本，产生文本S1、S2的四种表征；在四种表征的基础上增添一种更细粒度的纯字符划分模式，产生五种文本表征； 2由字符划分模式、精确模式、全模式、Paddle模式以及搜索引擎模式分割文本S1、S2的五种表征，分别用c、p、f、pa、s表示，利用Word2Vec词向量技术对各表征进行初步编码得到五个初始编码向量cw、pw、fw、paw、sw；每种表征的编码结果均为[30*300]维度的特征向量矩阵； 3利用双向门循环控制单元分别初步提取五个初始编码向量cw、pw、fw、paw、sw中的上下语义信息，产生5个30*600维度的特征矩阵，将5个30*600特征矩阵整体重构为5*18000维度的特征矩阵；文本S1、S2经过计算分别产生各自的5*18000维度的特征矩阵gs1、gs2，然后构造符合gs1、gs2数据特征的卷积计算层； 4采用的Conv1D卷积结构将特征矩阵中的每个1*18000维的特征向量视为一个表征矩阵，Conv1D针对五个表征矩阵进行卷积计算，文本S1、S2分别得到各自对应的多表征特征矩阵的卷积向量X、Y，均为4*300维度的特征矩阵； 5X、Y分别用序列[x1,x2,x3,…,xn]和[y1,y2,y3,…,yn]表示，其中xi、yi分别表示一个长度为300的特征向量；针对xi与yk利用函数fm进行多角度的计算匹配，fm计算公式为fcosxi,yke＝CosineWe·xi,We·yk，i,k∈1,2,3,…,n；其中：W为g*h维的可训练的权重矩阵，We为权重矩阵W中的第e行特征向量，fcosxi,yke为xi与yk第e个视角的余弦匹配值，Cosine为两个特征向量的余弦相似度计算函数； 6针对X、Y进行全交叉视角的深度余弦匹配计算，得到两个匹配向量Vx、Vy，计算公式分别为Vx＝fcosxi→yk；Wx和Vy＝fcosyk→xi；Wy，i,k∈1,2,3,…,n；其中Wx、Wy分别为在进行xi→yk、yk→xi匹配时的可训练权重矩阵；将两个匹配向量Vx、Vy连接为向量Vxy，利用BiLSTM将向量Vxy内部深度融合产生最终的向量表示V； 7向量V先后经过具有600个神经元的MLPLayer1层、MLPLayer2层得到RL1、RL2，RL2经过具有一个神经元的MLPLayer3层得到RL3，利用激活函数Sigmoid针对MLPLayer3层的单个神经元的输出值进行激活得到Rs，最终通过Rs计算出文本S1、S2的语义匹配结果R。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电子科技集团公司第五十四研究所;桂林电子科技大学，其通讯地址为：050081 河北省石家庄市中山西路589号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。