[發(fā)明專利]基于文檔拆分的知識(shí)庫(kù)建設(shè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811038766.3
• 申請(qǐng)日: 2018-09-06
• 公開（公告）號(hào): CN110889280B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計(jì)）人: 占釗;畢小栓;楊舜;曹遠(yuǎn)欣;錢凌
• 申請(qǐng)（專利權(quán)）人: 上海智臻智能網(wǎng)絡(luò)科技股份有限公司;貴州小愛(ài)機(jī)器人科技有限公司
• 主分類號(hào): G06N5/025
• 分類號(hào): G06N5/025;G06F40/258;G06F40/30;G06F40/211;G06F16/34;G06F16/36;G06F16/332
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 張振軍;吳敏

一種基于文檔拆分的知識(shí)庫(kù)建設(shè)方法及裝置，所述知識(shí)庫(kù)建設(shè)方法包括：獲取待處理的文檔；判斷所述文檔是否具有標(biāo)題；如果所述文檔具有標(biāo)題，則確定所述文檔內(nèi)的各級(jí)標(biāo)題；至少將部分標(biāo)題作為介紹知識(shí)點(diǎn)的介紹問(wèn)題，以及將所述部分標(biāo)題下的至少部分內(nèi)容作為所述介紹知識(shí)點(diǎn)的答案存儲(chǔ)至知識(shí)庫(kù)中。本發(fā)明技術(shù)方案可以實(shí)現(xiàn)在已有的文檔的基礎(chǔ)上形成知識(shí)點(diǎn)，還可以實(shí)現(xiàn)對(duì)知識(shí)庫(kù)中知識(shí)點(diǎn)的內(nèi)容的擴(kuò)展，提升知識(shí)庫(kù)的豐富性，進(jìn)而擴(kuò)大知識(shí)庫(kù)的應(yīng)用范圍。

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)言處理技術(shù)領(lǐng)域，尤其涉及一種基于文檔拆分的知識(shí)庫(kù)建設(shè)方法及裝置。

背景技術(shù)

在智能問(wèn)答系統(tǒng)中，知識(shí)庫(kù)可以提供知識(shí)點(diǎn)，知識(shí)點(diǎn)可以包括標(biāo)準(zhǔn)問(wèn)及其答案。在形成知識(shí)庫(kù)中的知識(shí)點(diǎn)時(shí)，通常需要人工撰寫或整理標(biāo)準(zhǔn)問(wèn)及其答案。

但是，如何在已有的文檔的基礎(chǔ)上形成知識(shí)點(diǎn)，是一個(gè)亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明解決的技術(shù)問(wèn)題是如何在已有的文檔的基礎(chǔ)上形成知識(shí)點(diǎn)。

為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供一種基于文檔拆分的知識(shí)庫(kù)建設(shè)方法，所述方法包括：獲取待處理的文檔；判斷所述文檔是否具有標(biāo)題；如果所述文檔具有標(biāo)題，則確定所述文檔內(nèi)的各級(jí)標(biāo)題；至少將部分標(biāo)題作為介紹知識(shí)點(diǎn)的介紹問(wèn)題，以及將所述部分標(biāo)題下的至少部分內(nèi)容作為所述介紹知識(shí)點(diǎn)的答案存儲(chǔ)至知識(shí)庫(kù)中。

可選的，所述判斷所述文檔是否具有標(biāo)題包括：判斷所述文檔是否具備目錄或大綱級(jí)別，當(dāng)所述文檔具備目錄或大綱級(jí)別時(shí)，所述文檔具有標(biāo)題；如果所述文檔未具備目錄或大綱級(jí)別，則判斷所述文檔是否具備編號(hào)或不同大小的字體，當(dāng)所述文檔具有編號(hào)或不同大小的字體時(shí)，所述文檔具有標(biāo)題；否則，所述文檔不具有標(biāo)題。

可選的，所述確定所述文檔內(nèi)的各級(jí)標(biāo)題包括：如果所述文檔具備目錄，則根據(jù)所述文檔的目錄來(lái)確定各級(jí)標(biāo)題；或者，如果所述文檔具備大綱級(jí)別，則根據(jù)所述文檔的大綱級(jí)別來(lái)確定各級(jí)標(biāo)題；或者，如果所述文檔具有編號(hào)，則根據(jù)所述編號(hào)的編號(hào)優(yōu)先級(jí)確定各級(jí)編號(hào)，將每級(jí)編號(hào)至首個(gè)換行符之間的內(nèi)容作為每級(jí)標(biāo)題；或者，如果所述文檔具備不同大小的字體，則按照所述文檔中各個(gè)段落的字體從大到小的順序確定各級(jí)標(biāo)題；或者，如果所述文檔具有編號(hào)，則按照編號(hào)在所述文檔中首次出現(xiàn)的順序確定各級(jí)編號(hào)，將每級(jí)編號(hào)至首個(gè)換行符之間的內(nèi)容作為每級(jí)標(biāo)題。

可選的，所述至少將部分標(biāo)題作為介紹知識(shí)點(diǎn)的介紹問(wèn)題，以及將所述部分標(biāo)題下的至少部分內(nèi)容作為所述介紹知識(shí)點(diǎn)的答案存儲(chǔ)至知識(shí)庫(kù)中包括：對(duì)于第i級(jí)標(biāo)題，確定所述第i級(jí)標(biāo)題或所述第i級(jí)標(biāo)題及其至少一個(gè)上級(jí)標(biāo)題為所述介紹知識(shí)點(diǎn)的介紹問(wèn)題，確定所述第i級(jí)標(biāo)題下的至少部分內(nèi)容作為相應(yīng)的答案，其中，所述文檔包括M級(jí)標(biāo)題，i的取值范圍為[1，M]。

可選的，所述至少將部分標(biāo)題作為介紹知識(shí)點(diǎn)的介紹問(wèn)題，以及將所述部分標(biāo)題下的至少部分內(nèi)容作為所述介紹知識(shí)點(diǎn)的答案存儲(chǔ)至知識(shí)庫(kù)中包括：對(duì)于第i級(jí)標(biāo)題，將所述第i級(jí)標(biāo)題及其至少一個(gè)上級(jí)標(biāo)題采用關(guān)聯(lián)詞進(jìn)行連接，形成完整語(yǔ)句，并將所述完整語(yǔ)句作為所述介紹問(wèn)題，確定所述第i級(jí)標(biāo)題下的至少部分內(nèi)容作為相應(yīng)的答案，其中，所述文檔包括M級(jí)標(biāo)題，i的取值范圍為[1，M]。

可選的，所述基于文檔拆分的知識(shí)庫(kù)建設(shè)方法還包括：如果所述文檔未具有標(biāo)題，則根據(jù)標(biāo)點(diǎn)符號(hào)將所述文檔切分為多個(gè)句子；按照所述多個(gè)句子的語(yǔ)義相關(guān)性將所述多個(gè)句子拆分為多個(gè)段落，段落的數(shù)量小于等于句子的數(shù)量；提取每個(gè)段落的內(nèi)容摘要；將每一段落的內(nèi)容摘要作為所述介紹知識(shí)點(diǎn)的介紹問(wèn)題，以及至少將所述段落作為所述介紹知識(shí)點(diǎn)的答案存儲(chǔ)至所述知識(shí)庫(kù)。

可選的，所述至少將部分標(biāo)題作為介紹知識(shí)點(diǎn)的介紹問(wèn)題，以及將所述部分標(biāo)題下的至少部分內(nèi)容作為所述介紹知識(shí)點(diǎn)的答案存儲(chǔ)至知識(shí)庫(kù)中包括：如果標(biāo)題下的內(nèi)容的字?jǐn)?shù)達(dá)到預(yù)設(shè)閾值，則將所述內(nèi)容切分為多個(gè)句子；按照所述多個(gè)句子的語(yǔ)義相關(guān)性將所述多個(gè)句子拆分為多個(gè)段落，段落的數(shù)量小于等于句子的數(shù)量；提取每個(gè)段落的內(nèi)容摘要；將每一段落的內(nèi)容摘要作為所述介紹知識(shí)點(diǎn)的介紹問(wèn)題，以及至少將所述段落作為所述介紹知識(shí)點(diǎn)的答案存儲(chǔ)至所述知識(shí)庫(kù)。