[發明專利]高頻問題的確定方法和裝置

有效

• 申請號: 201810448748.6
• 申請日: 2018-05-11
• 公開（公告）號: CN110489531B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 李鳳麟;郭依昆
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/30;G06F40/289
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 褚敏;宋子良

1.一種高頻問題的確定方法，其特征在于，包括：

獲取一時間段內的問句集合，其中，所述問句集合中包括至少一個用戶提問的多個語句；

提取所述問句集合中每個語句的關鍵詞，得到多個短語；

建立每個短語與其對應的語句的索引，并對每個短語索引到的語句進行聚類，得到多個聚類結果；

根據所述多個短語和所述多個聚類結果確定所述問句集合中的高頻問題；

其中，根據所述多個短語和所述多個聚類結果確定所述問句集合中的高頻問題包括：

統計每個短語在所述問句集合的語句中出現的頻率，并將頻率最高的短語作為目標短語；

確定所述目標短語下的每個類別包括的所有語句出現的頻率；

依據每個類別包括的所有語句出現的頻率按照從高到低的順序對各個類別進行排序；

將排在前K個的類別作為目標類別，并根據所述目標類別確定所述高頻問題。

2.根據權利要求1所述的確定方法，其特征在于，

提取所述問句集合中每個語句的關鍵詞，得到多個短語之后，所述方法還包括：對所述多個短語進行聚類，得到多個短語類別；

建立每個短語與其對應的語句的索引，并對每個短語索引到的語句進行聚類，得到多個聚類結果包括：建立每個短語類別與其對應的語句的索引，并對每個短語類別索引的語句進行聚類，得到多個聚類結果。

3.根據權利要求1所述的確定方法，其特征在于，

在對每個短語索引到的語句進行聚類，得到多個聚類結果之前，所述方法還包括：對所述問句集合中每個語句進行聚類，得到多個語句類別；

對每個短語索引到的語句進行聚類，得到多個聚類結果包括：依據所述多個語句類別對每個短語索引到的語句進行標記，以得到每個短語索引到的每個語句對應的類別，得到所述多個聚類結果。

4.根據權利要求3所述的確定方法，其特征在于，對所述問句集合中每個語句進行聚類，得到多個語句類別包括：

獲取所述問句集合中每個語句的句子向量；

將每個語句的句子向量分為M段，得到M段子向量，其中，M為大于1的自然數；

通過預訓練類別集合，獲取每個語句的M段子向量中的每段子向量對應的類別，其中，所述預訓練類別集合中包括：所有語句的每段子向量對應的類別；

將每段子向量對應的拼接或者累加，得到每個語句所屬的類別；

將所述問句集合中所有語句所屬的類別作為所述多個語句類別。

5.根據權利要求4所述的確定方法，其特征在于，通過預訓練類別集合，獲取每個語句的M段子向量中的每段子向量對應的類別包括：

計算所述M段子向量中的每段子向量與所述預訓練類別集合中每段子向量的歐式距離；

確定所述預訓練類別集合中與所述M段子向量中的子向量的歐式距離最小的子向量，得到目標子向量；

將所述目標子向量所屬的類別作為所述M段子向量中的子向量對應的類別。

6.根據權利要求1所述的確定方法，其特征在于，提取所述問句集合中每個語句的關鍵詞，得到多個短語包括：

對每個語句進行分詞處理，得到多個詞語；

對所述多個詞語按照第一預設條件進行過濾，得到過濾后的詞語，其中，所述第一預設條件為對非目標類詞進行過濾，其中，所述目標類詞包括：動詞、名詞、形容詞、副詞；

將過濾后的詞語按照第二預設條件進行組合，得到每個：語句對應的候選短語，其中，所述第二預設條件為每個語句中詞語的順序關系；

根據所述每個語句對應的候選短語得到所述多個短語。

7.根據權利要求6所述的確定方法，其特征在于，根據所述每個語句對應的候選短語得到所述多個短語包括：

判斷所述每個語句對應的候選短語是否符合第三預設條件；

將符合所述第三預設條件的候選短語組成所述多個短語。

8.根據權利要求7所述的確定方法，其特征在于，判斷每個語句對應的候選短語是否符合第三預設條件包括：通過預先訓練的判斷模型判斷每個語句對應的候選短語是否符合第三預設條件。