[發明專利]一種基于問題分類獲取答案的方法、裝置及電子設備

在審

• 申請號: 201811565681.0
• 申請日: 2018-12-20
• 公開（公告）號: CN109800293A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 岳聰;孔心宇
• 申請（專利權）人: 出門問問信息科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35
• 代理公司: 北京睿派知識產權代理事務所(普通合伙) 11597
• 代理人: 劉鋒

本發明提供了一種基于問題分類獲取答案的方法、裝置及電子設備，用于解決現有技術中如何對用戶提出的問題進行處理才能提高獲取答案的正確率是目前需要解決的問題。包括：獲取問題的文本信息；根據預先設置的至少一個分類模型將所述文本信息進行分類；確定至少一個分類標簽；根據所述文本信息與所述至少一個分類標簽獲取所述文本信息的答案。

技術領域

本發明涉及通信技術領域，尤其涉及一種基于問題分類獲取答案的方法、裝置及電子設備。

背景技術

在問答系統(Question Answer，QA)中，用戶輸入自然語言形式的問題，問答系統輸出該問題的答案。現有技術中根據問題本身包含的信息，在問答系統中獲取該問題的答案。用戶提出的問題，可以根據問題分為多種類型，例如，“消防車為什么是紅色的”，“國慶節是幾月幾日”這類答案一致的事實類問題，或者，“怎么看待中國近幾年的發展”，“好萊塢電影怎么樣”這類答案不固定的回答人有自己的觀點和想法的觀點類問題，或者，“比薩斜塔在哪個城市”這類地點類問題，但是在問答系統中獲取問題的答案時，只是根據問題本身包含的信息，即問題本身的文字去獲取答案，獲取問題的信息量單一，會導致獲取答案正確率不高。

綜上所述，如何對用戶提出的問題進行處理才能提高獲取答案的正確率是目前需要解決的問題。

發明內容

有鑒于此，本發明提供了一種基于問題分類獲取答案的方法、裝置及電子設備，用于解決現有技術中如何對用戶提出的問題進行處理才能提高獲取答案的正確率是目前需要解決的問題。

根據本發明實施例的第一個方面，提供了一種基于問題分類獲取答案的方法，包括：獲取問題的文本信息；根據預先設置的至少一個分類模型將所述文本信息進行分類；確定至少一個分類標簽；根據所述文本信息與所述至少一個分類標簽獲取所述文本信息的答案。

在一個實施例中，若所述分類模型為第一模型，所述根據預先設置的至少一個分類模型將所述文本信息進行分類，具體包括：根據所述第一模型將所述文本信息分類為事實類或觀點類；所述確定至少一個分類標簽，具體包括：確定分類標簽為事實類標簽或者觀點類標簽。

在一個實施例中，若所述分類模型為第二模型，所述根據預先設置的至少一個分類模型將所述文本信息進行分類，具體包括：根據所述第二模型將所述文本信息分類為位置類、人名類、時間類、選擇類、數字類、描述類、方法類、原因類或是否類；所述確定至少一個分類標簽，具體包括：確定分類標簽為位置類、人名類、時間類、選擇類、數字類、描述類、方法類、原因類或是否類。

在一個實施例中，所述根據預先設置的至少一個分類模型將所述文本信息進行分類，具體包括：根據預先設置的多個分類模型將所述文本信息進行分類；所述確定至少一個分類標簽，具體包括：確定多個分類標簽。

在一個實施例中，所述根據預先設置的多個分類模型將所述文本信息進行分類，具體包括：根據所述第一模型將所述文本信息分類為事實類或觀點類，和根據所述第二模型將所述文本信息分類為位置類、人名類、時間類、選擇類、數字類、描述類、方法類、原因類或是否類；所述確定多個分類標簽，具體包括：確定分類標簽為事實類標簽或者觀點類標簽，和確定分類標簽為位置類、人名類、時間類、選擇類、數字類、描述類、方法類、原因類或是否類。

在一個實施例中，述分類模型為支持向量機模型、最大熵模型或者神經網絡分類模型。

在一個實施例中，所述根據所述文本信息與所述至少一個分類標簽獲取所述文本信息的答案，具體包括：將所述文本信息與所述至少一個分類標簽與預先設置的攜帶至少一個標簽的答案進行匹配，獲取所述文本信息的答案。

根據本發明實施例的第二個方面，提供了一種基于問題分類獲取答案的裝置，包括：接收單元，用于獲取問題的文本信息；分類單元，用于根據預先設置的至少一個分類模型將所述文本信息進行分類；確定單元，用于確定至少一個分類標簽；獲取單元，用于根據所述文本信息與所述至少一個分類標簽獲取所述文本信息的答案。