一种面向科技信息行业的短文本相似度计算方法

本发明公开了一种面向科技信息行业的短文本相似度计算方法，属于自然语言处理及深度学习技术领域，包括：获取文本数据，并进行预处理；基于BERT网络构建相似度计算模型；对预处理后的文本数据进行随机掩码，基于掩码后的文本数据对相似度计算模型进行训练；训练过程中，利用聚类算法选取掩码后的文本数据中的锚样本，以锚样本为中心度量锚样本与其余样本之间的相似性，对其余样本进行分类分级；基于分类分级结果的误差优化模型参数，直至达到迭代次数，获得训练后的相似度计算模型；将待检测的短文本输入训练后的相似度计算模型中，获得短文本相似度结果。本发明训练出的模型对数据重要性相关的关键词更加敏感，大大提升了相似度计算精度。