[发明专利]一种应用税务领域的深度学习智能问答系统

说明书

本发明主要采用ansj、hanlp工具、AIML技术和深度学习技术应用于智能问答，构建了一个应用于税务领域的智能问答系统。利用爬虫获取互联网的税务咨询问答对数据集，结合税务局内部12366服务热线的问答数据集及从相关法律法规制度抽取的问题答案对等建立本系统的基础数据库，并以此构建深度学习的分词词典库。基于基础问答库，构建基于模板匹配的模型；基于12366问答库，构建基于检索的模型；基于词典库，构建基于上下文信息的和问题类型的深度学习模型；基于模板匹配模型和深度学习模型，构建应用于税务领域的智能问答系统。本发明实现了结合用户主诉信息进行自动推荐相关税务询问问题，进行主动问答交互。

技术领域

本发明涉及一种自然语言处理技术，特别是一种应用税务领域的深度学习智能问答系统。

背景技术

应用税务领域的深度学习智能问答系统主要是基于自然语言处理和AIML技术，构建一个应用于税务领域的智能问答系统。

近年来，智能问答系统取得了很大的发展和进步，已经有很多智能问答系统产品问世，例如IBM研发的智能问答机器人Watson在美国智力竞赛节目中战胜了人类选手。苹果公司的Siri系统和微软公司的cortana分别在iPhone手机中和Windows10操作系统中都取得看很好的效果。在国内，众多企业和研究团体也推出了很多以智能问答技术为核心的机器人。例如：微软公司的“小冰”、百度公司的“度秘”和中科汇联公司的“爱客服”等。这些产品涉及众多业务领域，如日常生活，医疗，交通，电子商务，旅游业，金融，教育等，而在税务领域却鲜有应用，应用税务领域的深度学习智能问答系统专门针对税务领域而打造，弥补了税务领域智能问答系统的缺失。

智能问答系统经过近几十年的发展，其技术也在不断改进，由早先提出的基于推理的方法，到后来的基于模板匹配的方法，基于检索的方法，和现在基于深度学习的方。

基于模板匹配的方法主要是通过人工设定对话场景和场景对话模板，该方法的优点是回答精确，答案质量高，缺点是需要大量人工工资，扩展性差。基于检索的方法是事先建好对话库并建立索引，通过在对话库中模糊匹配用户问句来查找相应的答案，其优缺点和基于模板的方法相似。基于深度学习的方法是根据历史问答对，学习一个答案生成模型，对用户问题生成相应的答案，该方法具有思路简单易扩展的优点，缺点是生成的答案质量不高，有待提高。

税务行业是一个十分复杂的专业性较强的领域，该领域的智能问答系统首先要具有较高的准确率，其次覆盖面要尽可能的广，尽可能满足绝大多数用户的需求，同时结合上述实现智能问答系统技术各自的优点，发明了一个基于检索和模板匹配的深度学习方法的智能问答系统，该系统具有准确率高，覆盖面广等优点。

除了应用于税务领域，该问答系统还可以应用于像银行，金融等复杂和对智能问答系统的准确率要求较高的行业。

发明内容

1、本发明的目的

本发明为了解决税务、银行领域对问答系统的准确率要求较高，而提出了一种应用于税务领域的智能问答系统。

2、本发明目的的技术解决方案为：

本发明一种应用税务领域的基于模板匹配的和深度学习智能问答系统，包括问题分析模块、问题理解模块和答案生成模块；

问题分析模块，利用自然语言处理NLP方法进行分析和理解问句；

问题识别模块，在问题分析模块的基础之上，通过对问题类型的分析，与问题模板进行匹配，判断问题的类型L；

答案生成模块，答案生成模块是根据问题类型生成相应的答案返回给用户，根据匹配到的问题类型依次从问答模板、知识库的检索和深度学习模型进行截断式的生成候选答案。

更进一步具体实施方式中，问题分析模块包括：

预处理模块，关键词将口语化名词转为专业名词；