[發明專利]一種基于上下文的關聯性預測方法、裝置及存儲設備

在審

• 申請號: 201910830999.5
• 申請日: 2019-09-04
• 公開（公告）號: CN110569331A
• 公開（公告）日: 2019-12-13
• 發明（設計）人: 牛嘉斌;林士翔;雷欣;李志飛
• 申請（專利權）人: 出門問問信息科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F17/27;G06N3/04;G06N3/08
• 代理公司: 11734 北京樂知新創知識產權代理事務所(普通合伙)
• 代理人: 江宇

1.一種基于上下文的關聯性預測方法，其特征在于，所述方法包括：

獲取當前輪查詢語和與當前輪查詢語對應的上一輪查詢語；

對所述當前輪查詢語和上一輪查詢語進行詞向量轉化，分別得到對應的當前輪查詢語詞向量和上一輪查詢語詞向量；

分別確定對應所述當前輪查詢語詞向量和上一輪查詢語詞向量的句子表征，得到對應的當前輪查詢語句子表征向量和上一輪查詢語句子表征向量；

根據所述當前輪查詢語句子表征向量和上一輪查詢語句子表征向量進行關聯性預測，得到用于表征所述當前輪查詢語和與上一輪查詢語是否相關聯的預測結果。

2.根據權利要求1所述的方法，其特征在于，對所述當前輪查詢語和上一輪查詢語進行詞向量轉化，分別得到對應的當前輪查詢語詞向量和上一輪查詢語詞向量，包括：

對所述當前輪查詢語和上一輪查詢語進行詞典特征抽取，分別得到由詞和詞所屬詞典組成的當前輪查詢語詞集和上一輪查詢語詞集；

對所述當前輪查詢語詞集和上一輪查詢語詞集分別進行詞向量轉換，將詞集轉化為數值矩陣形式的當前輪查詢語詞向量和上一輪查詢語詞向量。

3.根據權利要求1所述的方法，其特征在于，分別確定對應所述當前輪查詢語詞向量和上一輪查詢語詞向量的句子表征，得到對應的當前輪查詢語句子表征向量和上一輪查詢語句子表征向量，包括：

對所述當前輪查詢語詞向量和上一輪查詢語詞向量進行卷積處理，得到對應的當前輪查詢語多維特征向量和上一輪查詢語多維特征向量；

對所述當前輪查詢語多維特征向量和上一輪查詢語多維特征向量進行最大池化處理，得到對應的當前輪查詢語句子表征向量和上一輪查詢語句子表征向量。

4.根據權利要求3所述的方法，其特征在于，所述對所述當前輪查詢語詞向量和上一輪查詢語詞向量進行卷積處理，包括：

通過卷積神經網絡模型CNN對所述當前輪查詢語詞向量和上一輪查詢語詞向量進行等步長卷積處理。

5.根據權利要求1所述的方法，其特征在于，根據所述當前輪查詢語句子表征向量和上一輪查詢語句子表征向量進行關聯性預測，得到用于表征所述當前輪查詢語和與上一輪查詢語是否相關聯的預測結果，包括：

對所述當前輪查詢語句子表征向量和上一輪查詢語句子表征向量進行融合，得到聯合表示向量；

對所述聯合表示向量進行二分類預測，得到用于表征所述當前輪查詢語和與上一輪查詢語是否相關聯的預測結果。

6.根據權利要求5所述的方法，其特征在于，對所述當前輪查詢語句子表征向量和上一輪查詢語句子表征向量進行融合，得到聯合表示向量，包括：

確定所述上一輪查詢語對應的域向量；

將所述當前輪查詢語句子表征向量、上一輪查詢語句子表征向量及所述上一輪查詢語對應的域向量進行拼接，得到聯合表示向量。

7.一種基于上下文的關聯性預測裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取當前輪查詢語和與當前輪查詢語對應的上一輪查詢語；

查詢語詞向量轉化模塊，用于對所述當前輪查詢語和上一輪查詢語進行詞向量轉化，分別得到對應的當前輪查詢語詞向量和上一輪查詢語詞向量；

句子表征向量轉化模塊，用于分別確定對應所述當前輪查詢語詞向量和上一輪查詢語詞向量的句子表征，得到對應的當前輪查詢語句子表征向量和上一輪查詢語句子表征向量；

關聯性預測模塊，用于根據所述當前輪查詢語句子表征向量和上一輪查詢語句子表征向量進行關聯性預測，得到用于表征所述當前輪查詢語和與上一輪查詢語是否相關聯的預測結果。

8.根據權利要求7所述的裝置，其特征在于，所述查詢語向量轉化模塊，包括：

詞典特征抽取單元，用于對所述當前輪查詢語和上一輪查詢語進行詞典特征抽取，分別得到由詞和詞所屬詞典組成的當前輪查詢語詞集和上一輪查詢語詞集；

詞向量轉換單元，用于對所述當前輪查詢語詞集和上一輪查詢語詞集分別進行詞向量轉換，將詞集轉化為數值矩陣形式的當前輪查詢語向量和上一輪查詢語向量。