遠(yuǎn)傳科技一直高度重視產(chǎn)品技術(shù)創(chuàng)新，擴(kuò)建科研隊伍，加大研發(fā)投入。憑借精準(zhǔn)的研發(fā)投入和雄厚的技術(shù)沉淀，迄今為止，遠(yuǎn)傳科技已獲得專利及知識產(chǎn)權(quán)相關(guān)證書105項，成績斐然。

　　遠(yuǎn)傳科技始終堅持創(chuàng)新驅(qū)動發(fā)展的原則，將產(chǎn)品創(chuàng)新與實際應(yīng)用緊密結(jié)合，聚焦在自然語言處理（NLP）、深度學(xué)習(xí)、知識圖譜、數(shù)據(jù)挖掘等核心技術(shù)領(lǐng)域。

　　今天我們來講講其中一項發(fā)明專利：《文本相似度模型的訓(xùn)練方法、系統(tǒng)、裝置和介質(zhì)》。

　　文本相似度，顧名思義是指兩個文本（文章）之間的相似度，相似程度的評價有很多角度：單純的字面相似度（例如：我和他 v.s. 我和她），語義的相似度（例如：爸爸 v.s. 父親）和風(fēng)格的相似度（例如：我喜歡你 v.s. 我好喜歡你耶）等等。

　　可以說，文本相似度是自然語言處理（NLP）中必不可少的重要環(huán)節(jié)，幾乎所有NLP的領(lǐng)域都會涉及到！在搜索引擎、推薦系統(tǒng)、論文鑒定、機器翻譯、自動應(yīng)答、命名實體識別、拼寫糾錯等領(lǐng)域有廣泛的應(yīng)用。

　　雖然已有布爾模型、概率模型、向量空間模型等文本表示模型，相似度度量及距離度量等相似度計算方法，但在效率及性能等方面還存在一些無法忽視的問題，比如：這些模型存在無法表現(xiàn)特征項的出現(xiàn)順序、向量維度高、計算效率低和模型魯棒性差等問題。傳統(tǒng)算法無法識別意思相似或者相關(guān)的詞語，而且文本中的核心關(guān)鍵詞的重要程度與其他非關(guān)鍵詞重要程度一樣，這些都對文本相似度準(zhǔn)確率的提高造成了很大的困擾。

　　遠(yuǎn)傳科技提供的文本相似度模型的訓(xùn)練方法、系統(tǒng)、裝置和介質(zhì)，通過對訓(xùn)練語料進(jìn)行劃分，得到訓(xùn)練集、特征向量、重要性特征、訓(xùn)練數(shù)據(jù)的完全特征表示、噪音數(shù)據(jù)的完全特征表示、輸入特征向量，基于輸入特征向量完成文本相似度模型的訓(xùn)練。解決了文本相似度計算存在的準(zhǔn)確率低和魯棒性差的問題，實現(xiàn)了利用對抗的思想，將噪音數(shù)據(jù)的特征融入訓(xùn)練數(shù)據(jù)中來擾動訓(xùn)練數(shù)據(jù)的擬合，進(jìn)一步結(jié)合特征向量和重要性特征，提高了文本相似度模型的的魯棒性和準(zhǔn)確率。從而解決相關(guān)技術(shù)中文本相似度計算存在的準(zhǔn)確率低和魯棒性差的問題。

　　文本相似度模型發(fā)明專利的取得，有利于遠(yuǎn)傳科技持續(xù)推動自然語言研發(fā)生產(chǎn)，提升產(chǎn)品的技術(shù)含量，鞏固公司在智能交互行業(yè)領(lǐng)域內(nèi)的知識產(chǎn)權(quán)競爭優(yōu)勢，增強核心競爭力。