[發明專利]一種問句擴展方法、裝置、設備及計算機存儲介質

在審

• 申請號: 202011372430.8
• 申請日: 2020-11-30
• 公開（公告）號: CN113392194A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 周輝陽;閆昭
• 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;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 李娟

本申請提供一種問句擴展方法、裝置、設備及計算機存儲介質，涉及人工智能技術領域，尤其涉及人工智能中的自然語言處理，用以提升獲取問答語料中問句的效率和準確度。該方法包括：基于接收的基礎問句，獲取待處理問句；獲取待處理問句中各第一詞語的語義影響值，語義影響值表征各第一詞語對待處理問句的語義的影響程度；基于各第一詞語的語義影響值和上下文關聯信息，生成待處理問句對應的拓展問句集合，拓展問句集合中包含與待處理問句的語義相似度大于第一預設閾值的拓展問句。該方法自動生成了待處理問句對應的拓展問句集合，避免了人工擴展問句的錯誤率，提升了對問句進行擴展的準確度；且節省了時間，從而提升了對問句進行擴展的效率。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種問句擴展方法、裝置、設備及計算機存儲介質。

背景技術

在問答領域的建設過程中，問答語料(包括問句和與問句關聯的答案)至關重要；但相關技術中常通過人工構造問句和對應的答案作為問答語料，或通過日志捕獲普通用戶的歷史問句，并由人工對歷史問句進行標注以及撰寫對應的答案后作為問答語料；但前者獲取的語料中的問句時耗時長且獲取的問句可能不符合普通用戶的詢問方式，獲取的問句的準確度低；后者會對歷史問句需要人工進行標注，從而會嚴重影響獲取問答語料中的問句的效率和準確度，因此，相關技術中獲取問答語料中的問句的數量少、準確度和效率低的問題，目前尚未存在有效解決方案。

發明內容

本申請實施例提供一種問句擴展方法、裝置、設備及計算機存儲介質，用于提升獲取問答語料中問句的效率和準確度。

本申請第一方面，提供一種問句擴展方法，包括：

基于接收的基礎問句，獲取待處理問句；

獲取待處理問句中各個第一詞語的語義影響值，所述語義影響值表征各個第一詞語對所述待處理問句的語義的影響程度；

基于各個第一詞語的語義影響值，以及各個第一詞語的上下文關聯信息，生成所述待處理問句對應的拓展問句集合，所述拓展問句集合中包含與所述待處理問句的語義相似度大于第一預設閾值的拓展問句，其中所述上下文關聯信息表征所述一個詞語與歸屬于同一問句的各個詞語之間的相關性。

本申請第二方面，提供一種問句擴展裝置，包括：

信息接收單元，用于基于接收的基礎問句，獲取待處理問句；

詞語處理單元，用于獲取待處理問句中各個第一詞語的語義影響值，所述語義影響值表征各個第一詞語對所述待處理問句的語義的影響程度；

問句擴展單元，用于基于各個第一詞語的語義影響值，以及各個第一詞語的上下文關聯信息，生成所述待處理問句對應的拓展問句集合，所述拓展問句集合中包含與所述待處理問句的語義相似度大于第一預設閾值的拓展問句，其中所述上下文關聯信息表征所述一個詞語與歸屬于同一問句的各個詞語之間的相關性。

在一種可能的實施方式中，所述信息接收單元用于采用已訓練的目標神經網絡模型，輸入所述基礎問句，并將所述目標神經網絡模型輸出的與所述待處理問句的語義相似度大于第二預設閾值的問句，確定為所述待處理問句時，所述目標神經網絡模型是通過如下方式訓練得到的：

獲取初始的目標神經網絡模型，所述初始的目標神經網絡模型包括編碼網絡和解碼網絡；所述編碼網絡用于利用問句樣本，學習生成問句樣本中各個詞語的語義向量，一個詞語的語義向量是通過將所述一個詞語的文本向量融合所述問句樣本的語義信息得到的；所述解碼網絡用于利用問句樣本中各個詞語的語義向量，學習生成與所述問句樣本的語義相同的問句；

利用第一問句樣本集中的問句樣本，調整所述編碼網絡的編碼參數；

對所述初始解碼網絡的解碼參數進行隨機初始化；