[發(fā)明專利]人機(jī)智能問(wèn)答方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201610262740.1
• 申請(qǐng)日: 2016-04-25
• 公開(kāi)（公告）號(hào): CN107305578A
• 公開(kāi)（公告）日: 2017-10-31
• 發(fā)明（設(shè)計(jì)）人: 姜文
• 申請(qǐng)（專利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06F17/27
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司11204
• 代理人: 王達(dá)佐,馬曉亞

1.一種人機(jī)智能問(wèn)答方法，其特征在于，所述方法包括：

接收用戶輸入的咨詢問(wèn)題，其中，所述咨詢問(wèn)題由文字構(gòu)成；

將所述咨詢問(wèn)題輸入預(yù)先訓(xùn)練的問(wèn)答模型獲取所述咨詢問(wèn)題與第一問(wèn)答語(yǔ)料庫(kù)中各答案語(yǔ)料的相關(guān)度，其中，所述問(wèn)答模型用于確定所述咨詢問(wèn)題與答案語(yǔ)料的相關(guān)度；

將所述第一問(wèn)答語(yǔ)料庫(kù)中具有最大相關(guān)度的答案語(yǔ)料發(fā)送給所述用戶。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述將所述咨詢問(wèn)題輸入預(yù)先訓(xùn)練的問(wèn)答模型得到所述咨詢問(wèn)題與第一問(wèn)答語(yǔ)料庫(kù)中各所述答案語(yǔ)料的相關(guān)度步驟之前，所述方法還包括：

獲取第二問(wèn)答語(yǔ)料庫(kù)，其中，所述第二問(wèn)答語(yǔ)料庫(kù)包括多個(gè)問(wèn)答語(yǔ)料對(duì)，各所述問(wèn)答語(yǔ)料對(duì)由對(duì)應(yīng)的問(wèn)題語(yǔ)料和答案語(yǔ)料組成；

基于所述咨詢問(wèn)題與所述第二問(wèn)答語(yǔ)料庫(kù)中各問(wèn)題語(yǔ)料的相關(guān)度，對(duì)所述第二問(wèn)答語(yǔ)料庫(kù)中的各問(wèn)答語(yǔ)料對(duì)進(jìn)行排序；

根據(jù)所述排序，選取預(yù)設(shè)數(shù)量的問(wèn)題語(yǔ)料，并將所述問(wèn)題語(yǔ)料和與之對(duì)應(yīng)的答案語(yǔ)料組成所述第一問(wèn)答語(yǔ)料庫(kù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

建立問(wèn)答模型的步驟，包括：

獲取所述第二問(wèn)答語(yǔ)料庫(kù)；

提取所述第二問(wèn)答語(yǔ)料庫(kù)中各問(wèn)答語(yǔ)料對(duì)的語(yǔ)義特征和非語(yǔ)義特征，確定所述問(wèn)答語(yǔ)料對(duì)中問(wèn)題語(yǔ)料和答案語(yǔ)料的語(yǔ)義特征的相似度以及所述問(wèn)題語(yǔ)料和答案語(yǔ)料的非語(yǔ)義特征的相似度；

基于所述語(yǔ)義特征的相似度和所述非語(yǔ)義特征的相似度，訓(xùn)練得到所述問(wèn)答模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括：

獲取所述第二語(yǔ)料庫(kù)中的各問(wèn)題語(yǔ)料和與之對(duì)應(yīng)的答案語(yǔ)料，隨機(jī)生成新的問(wèn)答語(yǔ)料對(duì)，并將所述新的問(wèn)答語(yǔ)料對(duì)組成第三問(wèn)答語(yǔ)料庫(kù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述提取所述第二問(wèn)答語(yǔ)料庫(kù)中各問(wèn)答語(yǔ)料對(duì)的語(yǔ)義特征和非語(yǔ)義特征，確定所述問(wèn)答語(yǔ)料對(duì)中問(wèn)題語(yǔ)料和答案語(yǔ)料的語(yǔ)義特征的相似度以及所述問(wèn)題語(yǔ)料和答案語(yǔ)料的非語(yǔ)義特征的相似度，包括：

確定所述語(yǔ)義特征的相似度和非語(yǔ)義特征的相似度的步驟，包括：

獲取第一問(wèn)答語(yǔ)料對(duì)的第一問(wèn)題語(yǔ)料和第一答案語(yǔ)料，其中，所述第一問(wèn)答語(yǔ)料對(duì)為所述第二問(wèn)答語(yǔ)料庫(kù)或所述第三問(wèn)答語(yǔ)料庫(kù)中的任一問(wèn)答語(yǔ)料對(duì)；

確定所述第一問(wèn)題語(yǔ)料和所述第一答案語(yǔ)料中的最長(zhǎng)公共子串的長(zhǎng)度值作為第一相似度；

確定所述第一問(wèn)題語(yǔ)料和所述第一答案語(yǔ)料的字面相似度作為第二相似度；

確定所述第一問(wèn)題語(yǔ)料和所述第一答案語(yǔ)料的N-gram的匹配度作為第三相似度；

確定所述第一問(wèn)題語(yǔ)料的詞向量和所述第一答案語(yǔ)料的詞向量的夾角作為第四相似度；

確定所述第一問(wèn)題語(yǔ)料的主題特征向量和所述第一答案語(yǔ)料的主題特征向量的相似度作為第五相似度；

其中，所述第一相似度、所述第二相似度和所述第三相似度為所述第一問(wèn)題語(yǔ)料與所述第一答案語(yǔ)料的非語(yǔ)義特征的相似度，所述第四相似度和所述第五相似度為所述第一問(wèn)題語(yǔ)料與所述第一答案語(yǔ)料的語(yǔ)義特征的相似度；

基于所述確定所述語(yǔ)義特征的相似度和非語(yǔ)義特征的相似度的步驟，確定所述第二問(wèn)答語(yǔ)料庫(kù)和第三問(wèn)答語(yǔ)料庫(kù)中的各第一問(wèn)答語(yǔ)料對(duì)中第一問(wèn)題語(yǔ)料和第一答案語(yǔ)料的第一相似度、第二相似度、第三相似度、第四相似度和第五相似度。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述確定所述第一問(wèn)題語(yǔ)料的主題特征向量和所述第一答案語(yǔ)料的主題特征向量的相似度作為第五相似度，包括：

根據(jù)所述第二問(wèn)答語(yǔ)料庫(kù)和/或第三問(wèn)答語(yǔ)料庫(kù)中各所述問(wèn)答語(yǔ)料對(duì)的問(wèn)題語(yǔ)料對(duì)應(yīng)的主題和答案語(yǔ)料對(duì)應(yīng)的主題，生成主題分析模型，其中，所述主題分析模型用于將任意一個(gè)問(wèn)題語(yǔ)料或任意一個(gè)答案語(yǔ)料轉(zhuǎn)換成所述問(wèn)題語(yǔ)料或所述答案語(yǔ)料的主題特征向量；

將所述第一問(wèn)題和所述第一答案輸入主題分析模型得到對(duì)應(yīng)的所述第一問(wèn)題語(yǔ)料的主題特征向量和所述第一答案語(yǔ)料的主題特征向量；

將所述第一問(wèn)題語(yǔ)料的主題特征向量和所述第一答案語(yǔ)料的主題特征向量的相似度作為第五相似度。