[發(fā)明專利]基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法、電子裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201711032456.6
• 申請(qǐng)日: 2017-10-26
• 公開（公告）號(hào): CN107784105A
• 公開（公告）日: 2018-03-09
• 發(fā)明（設(shè)計(jì)）人: 高祎璠;盧川
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06K9/62
• 代理公司: 北京英特普羅知識(shí)產(chǎn)權(quán)代理有限公司11015
• 代理人: 林彥之

1.一種基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法，其特征在于，包括如下步驟：

S1、問(wèn)題預(yù)處理：將原始問(wèn)題拆分為若干關(guān)鍵詞組成的詞序列；

S2、文本降維：將每個(gè)預(yù)處理后的問(wèn)題作為一個(gè)文本，利用主題模型算法進(jìn)行文本降維，用多個(gè)主題分布來(lái)表示每個(gè)文本；

S3、聚類實(shí)現(xiàn)：采用K-means聚類算法對(duì)降維后的文本進(jìn)行分類，對(duì)應(yīng)不同的類別將文本保存到不同的簇并輸出；

S4、知識(shí)庫(kù)構(gòu)建：將所有文本還原為原始問(wèn)題，并將屬于同一簇中的原始問(wèn)題關(guān)聯(lián)同一個(gè)標(biāo)準(zhǔn)問(wèn)題-答案對(duì)后保存到知識(shí)庫(kù)中。

2.根據(jù)權(quán)利要求1所述的基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法，其特征在于，步驟S1之前還包括：S0、問(wèn)題的搜集：將各種平臺(tái)上歷史記錄中未回答的問(wèn)題按統(tǒng)一格式保存到一個(gè)文件中。

3.根據(jù)權(quán)利要求1所述的基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法，其特征在于，步驟S1具體包括以下分步驟：

S11、將問(wèn)題拆分成由若干個(gè)詞組成的詞序列；

S12、將詞序列中的停用詞去掉；

S13、保存僅包含有關(guān)鍵詞的關(guān)鍵詞序列。

4.根據(jù)權(quán)利要求1-3中任一項(xiàng)所述的基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法，其特征在于，步驟3具體包括以下分步驟：

S30、預(yù)設(shè)循環(huán)次數(shù)的上限和與所述循環(huán)次數(shù)相對(duì)應(yīng)的若干呈遞進(jìn)關(guān)系的判斷閾值，所述循環(huán)次數(shù)初始值為1；

S31、將所有文本預(yù)設(shè)為一個(gè)當(dāng)前簇；

S32、隨機(jī)獲取當(dāng)前簇中的多個(gè)文本中的一個(gè)文本作為質(zhì)心文本，并將該質(zhì)心文本從前簇中刪除；

S33、計(jì)算當(dāng)前簇中其余文本與該質(zhì)心文本之間的匹配值，取出所有匹配值大于當(dāng)前循環(huán)次數(shù)對(duì)應(yīng)的判斷閾值的文本和質(zhì)心文本保存到一個(gè)新簇中；

S34、判斷當(dāng)前簇中是否還有剩余文本未保存到新簇中，若是則執(zhí)行步驟S32，若否則執(zhí)行步驟S35；

S35、判斷是否還有與當(dāng)前簇屬于同一循環(huán)的簇中還有文本，若是則執(zhí)行步驟S36，若否則執(zhí)行步驟S37；

S36、將當(dāng)前簇重置為該還有文本的簇后執(zhí)行步驟S32；

S37、判斷循環(huán)次數(shù)是否達(dá)到上限，若是則執(zhí)行步驟S39，若否則執(zhí)行步驟S38；

S38、循環(huán)次數(shù)加1，將當(dāng)前簇重置為若干新簇中的一個(gè)新簇，執(zhí)行步驟S32；

S39、輸出所有新簇。

5.根據(jù)權(quán)利要求4所述的基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法，其特征在于，分步驟S33具體包括以下子步驟：

S331、獲取當(dāng)前簇中其余文本中的首個(gè)文本作為當(dāng)前比對(duì)文本；

S332、將當(dāng)前比對(duì)文本中的關(guān)鍵詞與所述質(zhì)心文本中的關(guān)鍵詞進(jìn)行匹配，并根據(jù)匹配規(guī)則計(jì)算出匹配值；

S333、判斷匹配值是否大于當(dāng)前循環(huán)次數(shù)對(duì)應(yīng)的判斷閾值，若是則執(zhí)行步驟S334，若否則執(zhí)行步驟S331；

S334、將該當(dāng)前比對(duì)文本取出暫存，并將該當(dāng)前比對(duì)文本從當(dāng)前簇中刪除；

S335、判斷當(dāng)前比對(duì)文本是否為當(dāng)前簇中其余文本中的最后一個(gè)文本，若是則執(zhí)行步驟S337，若否則執(zhí)行步驟S336；

S336、將當(dāng)前比對(duì)文本之后的文本重置為新的當(dāng)前比對(duì)文本，執(zhí)行步驟S332；

S337、將暫存的文本與質(zhì)心文本保存到一個(gè)新簇中。

6.根據(jù)權(quán)利要求4所述的基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法，其特征在于，步驟S4之前還包括：S4’、參數(shù)調(diào)整，具體包括以下分步驟：

S41’、檢查輸出的新簇是否符合歸類標(biāo)準(zhǔn)，若不符合則執(zhí)行步驟S42’，若符合則結(jié)束。

S42’、調(diào)整所述循環(huán)次數(shù)的上限和與所述循環(huán)次數(shù)相對(duì)應(yīng)的若干呈遞進(jìn)關(guān)系的判斷閾值，并重新執(zhí)行步驟S31。

7.根據(jù)權(quán)利要求4所述的基于海量問(wèn)題的知識(shí)庫(kù)構(gòu)建方法，其特征在于，所述匹配規(guī)則為：將所有關(guān)鍵詞劃分為專業(yè)名詞、普通名詞和動(dòng)詞三類詞，分別給三類詞的匹配分配不同的權(quán)重，所述權(quán)重從大到小依次為專業(yè)名詞、普通名詞和動(dòng)詞。