[發明專利]問句語料生成方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 202010772241.3
• 申請日: 2020-08-04
• 公開（公告）號: CN111767387A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 周磊;馮波
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/335;G06F16/36;G06F40/30
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉暉銘;張穎玲

本申請提供了一種問句語料生成方法、裝置、設備及計算機可讀存儲介質；方法包括：獲取關鍵詞組；關鍵詞組包括至少兩個關鍵詞；獲取關鍵詞組對應的至少一個目標問句表達式；目標問句表達式用于根據至少一個連接符號連接至少兩個關鍵詞；根據關鍵詞組和至少一個目標問句表達式生成對應的至少一個問句語料。通過本申請，能夠提升問句語料生成效率，擴大問句語料的問法覆蓋范圍。

技術領域

本申請涉及數據處理技術，尤其涉及一種問句語料生成方法、裝置、設備及計算機可讀存儲介質。

背景技術

人工智能(AI，Artificial Intelligence)是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。其中，智能問答系統是人工智能的一個重要分支，為了建立一個理想的智能問答系統，需要大量的問句語料作為測試集對其進行測試。

在建立測試集時需要人工編寫問句語料，不僅費時費力，編寫效率低，由于人工編寫嚴重依賴于個人的先驗知識，往往會陷入一個自身的知識體系里，無法編寫出一個問法全，覆蓋廣的問句語料。

發明內容

本申請實施例提供一種問句語料生成方法、裝置、設備及計算機可讀存儲介質，能夠提升了問句語料的生成效率，擴大問句語料的問法覆蓋范圍。

本申請實施例的技術方案是這樣實現的：

本申請實施例提供一種問句語料生成方法，包括：

獲取關鍵詞組，關鍵詞組包括至少兩個關鍵詞；

獲取關鍵詞組對應的至少一個目標問句表達式；目標問句表達式用于根據至少一個連接符號連接至少兩個關鍵詞；

根據關鍵詞組和至少一個目標問句表達式生成對應的至少一個問句語料。

在一些實施例中，所述關鍵詞的關鍵詞類別包括以下至少之一：主語類別、關系類別和賓語類別。

在一些實施例中，所述獲取關鍵詞組對應的至少一個目標問句表達式，包括：獲取關鍵詞組的詞組信息；詞組信息包括以下至少之一：關鍵詞信息和連接符號信息；關鍵詞信息包括關鍵詞組中關鍵詞類別數量和每一關鍵詞類別對應的關鍵詞數量；連接符號信息包括關鍵詞組中至少一個關鍵詞類別對應的連接符號類別；根據詞組信息在預設的問句表達式集中獲取至少一個目標問句表達式；問句表達式集包括多個問句表達式。

在一些實施例中，所述在詞組信息包括關鍵詞信息的情況下，獲取關鍵詞組的詞組信息，包括：獲取關鍵詞組中每一關鍵詞的關鍵詞類別；根據每一關鍵詞的關鍵詞類別確定關鍵詞類別數量和每一關鍵詞類別對應的關鍵詞數量。

在一些實施例中，所述在詞組信息包括連接符號信息的情況下，獲取關鍵詞組的詞組信息，包括：在主語類別對應的關鍵詞數量為至少兩個的情況下，根據主語類別對應的關鍵詞的屬性信息確定主語類別對應的連接符號類別；主語類別對應的連接符號類別包括以下至少之一：并列類別和修飾類別；在關系類別對應的關鍵詞數量為至少兩個的情況下，根據關系類別對應的關鍵詞的屬性信息確定關系類別對應的連接符號類別；關系類別對應的連接符號類別包括以下至少之一：并列類別和修飾類別；在賓語類別對應的關鍵詞數量為至少一個的情況下，根據賓語類別對應的關鍵詞的屬性信息確定賓語類別對應的連接符號類別；賓語類別對應的連接符號類別包括以下至少之一：單元素類別、集合元素類別和域類別。

在一些實施例中，所述根據詞組信息在預設的問句表達式集中獲取至少一個目標問句表達式，包括：在詞組信息包括關鍵詞信息的情況下，確定多個問句表達式中每一問句表達式對應的表達式信息；表達式信息包括問句表達式中關鍵詞類別數量和每一關鍵詞類別對應的關鍵詞數量；根據關鍵詞組中關鍵詞類別數量和每一關鍵詞類別對應的關鍵詞數量在每一問句表達式對應的表達式信息中進行匹配，以獲取至少一個目標問句表達式。