[發明專利]一種研報問答生成方法、系統及計算機可讀存儲介質

有效

• 申請號: 202210380623.0
• 申請日: 2022-04-12
• 公開（公告）號: CN114492362B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 劉明童;王澤坤;周明
• 申請（專利權）人: 北京瀾舟科技有限公司
• 主分類號: G06F40/186
• 分類號: G06F40/186;G06F40/268;G06F40/284;G06F40/295;G06F40/35;G06K9/62;G06N5/02
• 代理公司: 深圳市智享知識產權代理有限公司 44361
• 代理人: 王琴

本發明涉及自然語言處理技術領域，其特別涉及一種研報問答生成方法、系統及計算機可讀存儲介質，一種研報問答生成方法，包括以下步驟：提供研報文本，并基于預設知識庫以及研報文本生成問題集；對應研報文本各段落召回問題集中的若干個問題，判別問題與各段落的匹配度，對應各段落選擇匹配度最高的問題以生成問題?段落對；基于問題?段落對從段落中抽取相應的片段生成答案或者根據段落生成各問題對應的答案。本發明提供的一種研報問答生成方法通過自動為每一篇研報生成對應的問題，然后從研報中找到對應的答案，將這些智能提取的信息提供給閱讀者，提高信息獲取效率。

技術領域

本發明涉及自然語言處理技術領域，其特別涉及一種研報問答生成方法、系統及計算機可讀存儲介質。

背景技術

專業領域的研究報告簡稱研報，是人們獲取信息的重要來源，如行業發展報告、證券分析報告等。由于研報高度的專業性和嚴謹性，往往需要使用大量的篇幅對特定行業、領域、事件或者企業等進行深入的分析，這導致人們在閱讀研報時，需要花費大量時間從中尋找自己關注的信息，這種信息問題過載導致了低的決策效率。因此，通過自然語言處理技術進行研報的精簡化，在獲取精準信息的同時提高信息獲取效率，對提高工作效率是非常必要的。

傳統的研報智能閱讀技術往往采取簡單的信息整理或搜集，例如：對大量研報根據關鍵詞進行分類整理，采用聚類算法進行相關研報的推薦等等。但是，這些簡單地以研報為單位進行信息整合的方式并不能有效地對研報內容進行精簡化，因此，不能滿足人們提高閱讀效率的要求，如金融證券分析報告。因此，如何高效從研報獲取信息受到越來越多人的關注。這類方法一般先將研報PDF文件解析為文本，然后通過子標題等信息進行信息的篩選與整合，或者通過N-gram 等算法進行基于關鍵詞的檢索或聚類。但是，基于子標題或者基于關鍵詞的信息整合方式仍有一定限制，例如：投資者在閱讀研報時，如果帶有特定的問題，僅僅通過子標題或者關鍵詞往往不能精準地找到答案，因此仍然需要進行通篇閱讀才能找到所關心問題的答案。因此，針對長篇研報的智能問答技術是提高研報信息獲取的核心技術。

發明內容

為了解決目前研報閱讀系統簡單的信息檢索與整合不足以滿足用戶提高信息獲取效率的問題，本發明提供一種研報問答生成方法、系統及計算機可讀存儲介質。

本發明為解決上述技術問題，提供如下的技術方案：一種研報問答生成方法，包括以下步驟：

提供研報文本，并基于預設知識庫以及研報文本生成問題集；

基于召回模型以及匹配模型，對應研報文本各段落召回問題集中的若干個問題，判別問題與各段落的匹配度，對應各段落選擇匹配度最高的問題以生成問題-段落對；

基于問題-段落對從段落中抽取相應的片段生成答案或者根據段落生成各問題對應的答案。

優選地，所述知識庫包括實體清單庫以及問題模板庫。

優選地，基于預設知識庫以及研報文本生成至少一個問題采用命名實體識別和詞性標注的方法、基于提示學習的方法或者基于可控問題生成方法其中的一種或多種方法。

優選地，基于預設知識庫以及研報文本生成至少一個問題采用命名實體識別和詞性標注的方法的具體步驟為：

識別研報文本中的實體詞；

抽取整篇研報文本的關鍵詞；

基于關鍵詞逐個與實體清單庫計算兩兩之間的余弦相似度，取余弦相似度最高的若干個關鍵詞作為研報文本包含的主要板塊實體名詞；

將對應的實體詞以及主要板塊實體名詞填充到預設的問題模板中生成問題。

優選地，基于預設知識庫以及研報文本生成至少一個問題采用基于提示學習的方法的具體步驟為：

預設提示模板，并基于問題模板庫以及研報文本將對應的問題模板以及段落填充到提示模板中的對應位置；

基于預訓練語言模型，將問題模板中的待填充位置填充為預訓練語言模型的掩碼標記，通過預訓練語言模型進行掩碼標記的預測以生成問題。