[发明专利]一种中文通告文档问题答案对自动生成方法

说明书

本发明提供了一种中文通告文档问题答案对自动生成方法，属于数据处理领域。本发明通过由中文通告文档生成出相应的问题答案对，问答系统就可以对用户提出的问题返回相应的答案，采用自然语言处理与深度学习相结合的算法，保证了生成出来的问题答案的通顺性和与原通告文档的相关性，具有良好的扩展性和鲁棒性，在技术上具有超前性。

技术领域

本发明属于数据处理领域，特别涉及一种中文通告文档问题答案对自动生 成方法。

背景技术

近年来，随着互联网、机器学习、自然语言处理的飞速发展和网上大规模 知识库以及海量网络信息的出现，自动问答系统取得了长足的发展，逐步开始 被各产业界认可和应用。例如面向常用问题集(frequent asked questions,FAQ) 的问答系统，它通过将用户提出的问题和知识库中的问题答案对进行匹配检索 直接得到候选答案，问题答案对的知识库是问答系统的一个重要组成部分。自 动生成问题答案对知识库是自动问答系统、对话系统、自然语言处理、人工智 能、认知科学、教育学等众多领域中一个重要且极具挑战性的前沿课题，同时 问题的自动生成具有可观的发展前景。

另外，由中文通告文档自动生成问题答案对的知识库具有重要研究意义。 现在越来越多的领域和机构有了自己的中文官网和主页，他们在上面发布各种 通告，通告中蕴含了大量的信息，用户提出的问题的答案很多都可以在其中找 到答案。如果对这些信息通过人工构造问题答案对知识库或者进行人工交互的 问答，将会消耗大量的人力资源和时间。而通过由通告文档自动生成问题答案 对知识库，然后自动问答系统对用户提出的问题在知识库中检索返回匹配的问 题答案，可以大大减少人力资源开销，从而迅速提高工作效率。

现有技术中的问题生成方法，在涵盖众多领域的问题生成时，需要耗费大 量人力资源和时间继续拧索引，而且如果出现新的领域和概念还需要维护和更 新这个索引表，缺乏一定的健壮性。当该技术应用于特定领域时，如果该领域 缺乏该领域的语义词典和语义分析工具时，将会影响问题生成的质量，此外最 后获取的问题表达式对应的问题答案没有评估其质量如何，因此缺乏一定的鲁 棒性。

发明内容

为了解决现有技术中的问题，本发明提出了一种中文通告文档问题答案对 自动生成方法，通过由中文通告文档生成出相应的问题答案对，问答系统就可 以对用户提出的问题返回相应的答案，采用自然语言处理与深度学习相结合的 算法，保证了生成出来的问题答案的通顺性和与原通告文档的相关性。

一种中文通告文档问题答案对自动生成方法，应用于中文通告文档问题答 案对自动生成系统，所述方法包括以下步骤：

步骤1，获取问题答案对，生成规则集、模板库、打分模型及自动生成模 型；

步骤2，获取中文通告文档，对所述中文通告文档进行预处理，提取关联 语句；

步骤3，根据所述规则集中的规则对所述关联语句进行规则匹配，当所述 关联语句与一规则匹配时，根据该规则的生成问题表达式生成所述关联语句的 问题，保存生成的问题和语句至问题答案对库；

步骤4，当所述关联语句没有匹配到任何一个规则时，对该语句进行关键 词提取，根据所述模板库中的模板对提取的关键词进行匹配，当所述关键词匹 配到对应模板，根据该模板生成问题；

步骤5，根据所述打分模型对所述步骤4中生成的问题进行打分，当得分 超过预设阈值时将该问题与关联语句保存至所述问题答案对库和打分模型训 练集中，将生成该问题的模板保存至所述模板库中；

步骤6，将未匹配到模板的语句或所述模板生成的问题在所述打分模型中 得分不超过预设阈值的语句输入至所述自动生成模型中生成问题，将所述自动 生成模型生成的问题应用所述打分模型进行打分，将得分超过所述预设阈值的 生成问题和语句保存至所述问题答案对库；