[發明專利]數據標注方法、問答方法、裝置及電子設備

有效

• 申請號: 202010464530.7
• 申請日: 2020-05-27
• 公開（公告）號: CN111611781B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 常德杰;孔飛;劉邦長;谷書鋒;趙紅文;王燕華;張一坤;武云召;劉朝振;王海;劉紅霞;張航飛;季科
• 申請（專利權）人: 北京妙醫佳健康科技集團有限公司
• 主分類號: G06F40/169
• 分類號: G06F40/169;G06F16/33
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 范彥揚

1.一種數據標注方法，其特征在于，包括：

獲取初始問題；

在預先建立的問答庫中查找預設數量的與所述初始問題的相似度超過第一預設閾值的問題，將查找到的問題作為所述初始問題對應的相似問題；

將所述初始問題與所述初始問題對應的相似問題組成問題對；其中，每個所述問題對中包括一個所述初始問題和一個所述相似問題；

根據所述問題對的相似度對所述問題對進行標注。

2.根據權利要求1所述的方法，其特征在于，根據所述問題對的相似度對所述問題對進行標注的步驟，包括：

如果所述問題對中的所述初始問題和所述相似問題之間的題干相似度小于第二預設閾值，且所述問題對中的所述初始問題和所述相似問題之間的意圖相似度大于第三預設閾值，將所述問題對標注為第一值；

如果所述問題對中的所述初始問題和所述相似問題之間的題干相似度大于第二預設閾值，且所述問題對中的所述初始問題和所述相似問題之間的意圖相似度小于第三預設閾值，將所述問題對標注為第二值。

3.根據權利要求1所述的方法，其特征在于，所述初始問題的數量為多個，所述方法還包括：

將所述初始問題按照預設類別劃分為多類，得到不同分類類別的初始問題；

所述根據所述問題對的相似度對所述問題對進行標注的步驟，包括：

基于所述問題對中初始問題的分類類別和所述問題對的相似度，對所述問題對進行標注。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

如果所述相似問題的數量小于所述預設數量，獲取指定數量的問題作為補充問題；其中，所述指定數量為所述預設數量與所述相似問題的數量的差值。

5.根據權利要求1所述的方法，其特征在于，所述問題對的數量為多個，所述方法還包括：

將已標注的多個所述問題對按照預設比例進行劃分，得到訓練集、測試集和驗證集；所述訓練集、所述測試集和所述驗證集均包括多個已標注的所述問題對。

6.一種問答方法，其特征在于，包括：

獲取待回答問題；

基于意圖判斷模型和預先建立的問答庫確定所述待回答問題的答案；其中，所述意圖判斷模型是采用預先建立的相似問題數據庫訓練得到的；所述相似問題數據庫中包含多個問題對，所述問題對是采用權利要求1至5任一項所述的方法進行標注的；所述問答庫中包含有問題和答案的對應關系。

7.一種數據標注裝置，其特征在于，包括：

問題獲取模塊，用于獲取初始問題；

問題查找模塊，用于在預先建立的問答庫中查找預設數量的與所述初始問題的相似度超過第一預設閾值的問題，將查找到的問題作為所述初始問題對應的相似問題；

問題對獲取模塊，用于將所述初始問題與所述初始問題對應的相似問題組成問題對；其中，每個所述問題對中包括一個所述初始問題和一個所述相似問題；

標注模塊，用于根據所述問題對的相似度對所述問題對進行標注。

8.一種問答裝置，其特征在于，包括：

獲取模塊，用于獲取待回答問題；

答案確定模塊，用于基于意圖判斷模型和預先建立的問答庫確定所述待回答問題的答案；其中，所述意圖判斷模型是采用預先建立的相似問題數據庫訓練得到的；所述相似問題數據庫中包含多個問題對，所述問題對是采用權利要求1至5任一項所述的方法進行標注的；所述問答庫中包含有問題和答案的對應關系。

9.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執行的計算機可執行指令，所述處理器執行所述計算機可執行指令以實現權利要求1至5或權利要求6任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執行上述權利要求1至5或權利要求6任一項所述的方法的步驟。