[發(fā)明專(zhuān)利]問(wèn)題挖掘方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110581186.4
• 申請(qǐng)日: 2021-05-27
• 公開(kāi)（公告）號(hào): CN113157853A
• 公開(kāi)（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 羅霄;孫澤燁;陳思姣;李炫
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)平安人壽保險(xiǎn)股份有限公司
• 主分類(lèi)號(hào): G06F16/31
• 分類(lèi)號(hào): G06F16/31;G06F16/335;G06F16/35;G06F40/126;G06F40/279
• 代理公司: 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種問(wèn)題挖掘方法，其特征在于，所述方法包括：

將原始文本中的數(shù)據(jù)進(jìn)行預(yù)處理，得到初始詞語(yǔ)集，并計(jì)算所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)在所述原始文本中的權(quán)重；

利用詞向量轉(zhuǎn)化模型將所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)轉(zhuǎn)化為詞向量，根據(jù)所述詞向量與所述權(quán)重，生成加權(quán)詞向量；

根據(jù)所述加權(quán)詞向量，從所述原始文本中篩選出滿足預(yù)設(shè)條件的句向量，得到目標(biāo)句向量；

識(shí)別所述目標(biāo)句向量之間的關(guān)聯(lián)關(guān)系，并根據(jù)所述關(guān)聯(lián)關(guān)系，構(gòu)建所述目標(biāo)句向量的關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)；

計(jì)算所述關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)中每個(gè)目標(biāo)句向量的平均距離值，根據(jù)所述平均距離值，生成所述原始文本的問(wèn)題挖掘結(jié)果。

2.如權(quán)利要求1所述的問(wèn)題挖掘方法，其特征在于，所述計(jì)算所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)在所述原始文本中的權(quán)重，包括：

通過(guò)遍歷操作依次選擇所述初始詞語(yǔ)集中任意兩個(gè)詞語(yǔ)，計(jì)算所述兩個(gè)詞語(yǔ)在所述原始文本中的依存關(guān)聯(lián)度；

根據(jù)所述依存關(guān)聯(lián)度，計(jì)算所述兩個(gè)詞語(yǔ)的引力；

根據(jù)所述依存關(guān)聯(lián)度和所述引力，計(jì)算所述兩個(gè)詞語(yǔ)的關(guān)聯(lián)強(qiáng)度；

根據(jù)所述關(guān)聯(lián)強(qiáng)度，計(jì)算所述兩個(gè)詞語(yǔ)中任意一個(gè)詞語(yǔ)的權(quán)重。

3.如權(quán)利要求1所述的問(wèn)題挖掘方法，其特征在于，所述利用詞向量轉(zhuǎn)化模型將所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)轉(zhuǎn)化為詞向量，包括：

利用所述詞向量轉(zhuǎn)化模型中的編碼層對(duì)所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)進(jìn)行向量編碼，生成初始詞向量；

利用所述詞向量轉(zhuǎn)化模型中的前饋?zhàn)⒁饬C(jī)制對(duì)所述初始詞向量進(jìn)行序列提取，得到詞向量。

4.如權(quán)利要求3所述的問(wèn)題挖掘方法，其特征在于，所述利用所述詞向量轉(zhuǎn)化模型中的編碼層對(duì)所述初始詞語(yǔ)集中的每個(gè)詞語(yǔ)進(jìn)行向量編碼，生成初始詞向量，包括：

利用所述編碼層對(duì)所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)進(jìn)行索引編碼，得到詞編碼索引；

對(duì)所述詞編碼索引構(gòu)建向量矩陣，生成初始詞向量。

5.如權(quán)利要求3所述的問(wèn)題挖掘方法，其特征在于，所述利用所述詞向量轉(zhuǎn)化模型中的前饋?zhàn)⒁饬C(jī)制對(duì)所述初始詞向量進(jìn)行序列提取，得到詞向量，包括：

利用所述前饋?zhàn)⒁饬C(jī)制中的自注意力模塊查詢所述初始詞向量；

利用所述前饋?zhàn)⒁饬C(jī)制中的卷積模塊對(duì)所述初始詞向量進(jìn)行特征提取，得到特征詞向量；

利用所述前饋?zhàn)⒁饬C(jī)制中的編碼器提取所述特征詞向量的信息序列；

利用所述前饋?zhàn)⒁饬C(jī)制中的解碼器將所述信息序列進(jìn)行解碼，得到詞向量。

6.如權(quán)利要求1所述的問(wèn)題挖掘方法，其特征在于，所述根據(jù)所述加權(quán)詞向量，從所述原始文本中篩選出滿足預(yù)設(shè)條件的句向量，得到目標(biāo)句向量，包括：

將所述加權(quán)詞向量進(jìn)行匯總，生成初始句向量，計(jì)算所述初始句向量的平均權(quán)重；

根據(jù)所述平均權(quán)重，從所述初始句向量中篩選出滿足所述預(yù)設(shè)條件的句向量，得到目標(biāo)句向量。

7.如權(quán)利要求1至6中任意一項(xiàng)所述的問(wèn)題挖掘方法，其特征在于，所述識(shí)別所述目標(biāo)句向量之間的關(guān)聯(lián)關(guān)系，包括：

提取所述目標(biāo)句向量中的特征詞向量；

識(shí)別所述特征詞向量之間的節(jié)點(diǎn)關(guān)系，得到對(duì)應(yīng)目標(biāo)句向量之間的關(guān)聯(lián)關(guān)系。

8.一種問(wèn)題挖掘裝置，其特征在于，所述裝置包括：

計(jì)算模塊，用于將原始文本中的數(shù)據(jù)進(jìn)行預(yù)處理，得到初始詞語(yǔ)集，并計(jì)算所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)在所述原始文本中的權(quán)重；

轉(zhuǎn)化模塊，用于利用詞向量轉(zhuǎn)化模型將所述初始詞語(yǔ)集中每個(gè)詞語(yǔ)轉(zhuǎn)化為詞向量，根據(jù)所述詞向量與所述權(quán)重，生成加權(quán)詞向量；

篩選模塊，用于根據(jù)所述加權(quán)詞向量，從所述原始文本中篩選出滿足預(yù)設(shè)條件的句向量，得到目標(biāo)句向量；

構(gòu)建模塊，用于識(shí)別所述目標(biāo)句向量之間的關(guān)聯(lián)關(guān)系，并根據(jù)所述關(guān)聯(lián)關(guān)系，構(gòu)建所述目標(biāo)句向量的關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)；

生成模塊，用于計(jì)算所述關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)中每個(gè)目標(biāo)句向量的平均距離值，根據(jù)所述平均距離值，生成所述原始文本的問(wèn)題挖掘結(jié)果。