[發(fā)明專利]基于命名實體的文本問答方法、裝置及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010434262.4
• 申請日: 2020-05-20
• 公開（公告）號: CN111695354A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 郝新東;王科強
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06F16/332;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術(shù)，揭露了一種基于命名實體的文本問答方法，包括：接收用戶輸入的咨詢文本，對所述咨詢文本執(zhí)行命名實體識別得到實體文本集；獲取問答語料集，并對所述問答語料集執(zhí)行命名實體識別及命名實體劃分，得到多個問答語料子集，從多個所述問答語料子集中提取與所述咨詢文本相關(guān)的問答語料子集，組成回答文本集，并將所述回答文本集進行切分及編碼操作，得到問答編碼集，將所述問答編碼集輸入至預(yù)訓(xùn)練完成的深度學(xué)習(xí)問答模型中，得到所述咨詢文本的回答文本。本發(fā)明還提出一種基于命名實體的文本問答裝置、電子設(shè)備以及計算機可讀存儲介質(zhì)。本發(fā)明可以解決文本回答過程計算量大，回答效果差的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于命名實體的文本問答的方法、裝置、電子設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

隨著近年大數(shù)據(jù)以及人工智能技術(shù)在各行各業(yè)的普及與發(fā)展，各行各業(yè)的智能場景層出不窮，其中問答系統(tǒng)為主要的智能場景代表。

目前問答系統(tǒng)主要有下述兩種：一、以詞向量轉(zhuǎn)變方法為基礎(chǔ)，先將用戶輸入文本轉(zhuǎn)變?yōu)樵~向量，并計算與詞庫的文本向量在空間距離的大小，并選擇空間距離最小的詞庫文本完成問答；二、以深度學(xué)習(xí)模型為基礎(chǔ)完成問答。其中第一種以詞向量轉(zhuǎn)變方法為基礎(chǔ)的問答系統(tǒng)，由于方法簡單往往答非所問無法滿足當(dāng)前場景的要求，而第二種以深度學(xué)習(xí)模型為基礎(chǔ)的問答系統(tǒng)雖然可滿足當(dāng)前場景的要求，但由于深度學(xué)習(xí)模型需要進行大量的數(shù)據(jù)計算，若多個用戶同時使用問答系統(tǒng)時，由于計算量高，問答系統(tǒng)往往不能及時響應(yīng)，時效性較差。

發(fā)明內(nèi)容

本發(fā)明提供一種基于命名實體的文本問答方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)，其主要目的解決文本回答過程計算量大，回答效果差的問題。

為實現(xiàn)上述目的，本發(fā)明提供的一種基于命名實體的文本問答方法，包括：

接收用戶輸入的咨詢文本，對所述咨詢文本執(zhí)行命名實體識別得到實體文本集；

獲取問答語料集，并對所述問答語料集執(zhí)行命名實體識別及命名實體劃分，得到多個問答語料子集；

從多個所述問答語料子集中提取與所述咨詢文本相關(guān)的問答語料子集，組成回答文本集，并將所述回答文本集進行切分及編碼操作，得到問答編碼集；

將所述問答編碼集輸入至預(yù)訓(xùn)練完成的深度學(xué)習(xí)問答模型中，得到所述咨詢文本的回答文本。

可選地，將所述回答文本集進行切分及編碼操作，得到問答編碼集，包括：

根據(jù)預(yù)構(gòu)建的切分詞典，對所述回答文本集執(zhí)行切分操作得到問答詞組集；

對所述問答詞組集執(zhí)行所述編碼操作得到問答編碼集。

可選地，根據(jù)預(yù)構(gòu)建的切分詞典，對所述回答文本集執(zhí)行切分操作得到問答詞組集，包括：

步驟Ⅰ：提取所述回答文本集內(nèi)每個回答文本；

步驟Ⅱ：按照預(yù)設(shè)的切分規(guī)則，對所述回答文本進行切分得到回答切分詞；

步驟Ⅲ：判斷所述回答切分詞在所述切分詞典是否出現(xiàn)，若所述回答切分詞在所述切分詞典不出現(xiàn)，返回步驟Ⅱ；

步驟Ⅳ：若所述回答切分詞在所述切分詞典出現(xiàn)，繼續(xù)對所述回答文本進行切分，直至所述回答文本集提取完成得到所述問答詞組集。

可選地，該方法還包括訓(xùn)練所述深度學(xué)習(xí)問答模型，其中所述訓(xùn)練包括：

步驟A：根據(jù)預(yù)先設(shè)定的網(wǎng)絡(luò)組合權(quán)重函數(shù)，對多組長短期記憶網(wǎng)絡(luò)進行組合得到待訓(xùn)練深度學(xué)習(xí)問答模型，并獲取問答訓(xùn)練集和問答標(biāo)簽集，將所述問答訓(xùn)練集輸入至所述待訓(xùn)練深度學(xué)習(xí)問答模型；

步驟B：計算每組長短期記憶網(wǎng)絡(luò)之間的關(guān)聯(lián)權(quán)重得到關(guān)聯(lián)權(quán)重集；