[發明專利]智能問答方法與系統

在審

• 申請號: 202010636798.4
• 申請日: 2020-07-03
• 公開（公告）號: CN111782789A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 鄭鵬程;張遠;林森鳴
• 申請（專利權）人: 江蘇瀚濤軟件科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F40/247
• 代理公司: 北京魚爪知識產權代理有限公司 11754
• 代理人: 廖斌

本發明提出了一種智能問答方法與系統，涉及機器學習領域。智能問答方法包括：獲取第一文本中的一個第一問題，獲取第二文本中的多個候選答案，每一個所述候選答案為個數小于預設值的連續的答案的組合，根據所述第一問題與每一個所述候選答案的相似度，所述相似度最高的所述候選答案作為所述第一問題的答案。此外本發明還提出了一種智能問答系統，包括：第一獲取模塊，第二獲取模塊，計算模塊。其能夠通過相似度計算求得最佳問題對應的答案。

技術領域

本發明涉及機器學習領域，具體而言，涉及一種智能問答方法與系統。

背景技術

問答系統(Question and Answering，簡稱QA)綜合運用知識表示、信息檢索、自然語言處理等技術，能夠接收用戶以自然語言形式輸入問題，即可返回簡潔而準確的答案的系統。自動問答系統相比于傳統的搜索引擎，具有更方便、更準確的優點，是當前自然語言處理及人工智能領域的研究熱點。

現有的問答系統，常常無法很好的將問句中的詞語轉換成數據庫語言元素，從而不能很好的匹配到最接近正確答案的答案。

發明內容

本發明的目的在于提供一種智能問答方法，其能夠通過相似度計算求得最佳問題對應的答案。

本發明的另一目的在于提供一種智能問答系統，其能夠執行第一獲取模塊，第二獲取模塊以及計算模塊。

本發明的實施例是這樣實現的：

第一方面，本申請實施例提供一種智能問答方法，其包括獲取第一文本中的一個第一問題，獲取第二文本中的多個候選答案，每一個候選答案為個數小于預設值的連續的答案的組合，根據第一問題與每一個候選答案的相似度，相似度最高的候選答案作為第一問題的答案。

在本發明的一些實施例中，上述相似度的獲取方法包括：基于第一問題和候選答案，分別通過文本嵌入模型獲取源問題向量和多個候選答案向量。

在本發明的一些實施例中，上述相似度的獲取方法還包括：基于源問題向量與每一個候選答案向量，通過相似度模型確定相似度；其中，相似度模型為機器學習模型。

在本發明的一些實施例中，上述根據所述第一問題與每一個所述候選答案的相似度，所述相似度最高的所述候選答案作為所述第一問題的答案包括：將相似度符合預設條件的一個或多個候選答案作為候選答案，獲取用戶輸入確定第一答案。

在本發明的一些實施例中，上述包括：在多個源文本單元中查找第一問題，其中，源文本單元使用與第一文本對應的語言，且包含不同于第一文本的內容。

在本發明的一些實施例中，上述包括：對包含第一問題的每一個源文本單元，將其對應的目標文本單元作為第三文本，獲取目標文本單元中的第二問題。

在本發明的一些實施例中，上述包括：獲取第四文本中的多個候選答案，每一個候選答案為個數小于預設值的連續的答案的組合，獲取第二問題與每一個候選答案的相似度，確定作為第二問題的候選答案。

第二方面，本申請實施例提供一種智能問答系統，其包括第一獲取模塊，用于獲取第一文本中的一個第一問題；第二獲取模塊，用于獲取第二文本中的多個候選答案，每一個候選答案為個數小于預設值的連續的答案的組合；計算模塊，用于根據第一問題與每一個候選答案的相似度，確定相似度最高的候選答案作為第一問題的答案。

相對于現有技術，本發明的實施例至少具有如下優點或有益效果：

通過對相似度模型的訓練，可以獲取經用戶確認的原文對作為正樣本，將原文中的詞替換為近義詞作為負樣本，基于訓練數據通過梯度下降法更新模型的參數。通過這種方式，可以避免對于自動問答模型的依賴，減少自動問答模型的干擾造成的選擇偏差，通過充足的訓練語料選擇獲得效果更好的相似度模型，從而更好地完成相似度計算。通過相似度計算求得最佳問題對應的答案。

附圖說明