[发明专利]一种深度检索匹配分类方法、装置及终端设备

权利要求书

1.一种深度检索匹配分类方法，其特征在于，包括：

获取用户输入的第一问题和所述第一问题的第一类别，将所述第一问题进行分词处理后分别与所述第一类别对应的各个预置的第二问题组成输入问题组；

通过预置的词向量模型将所述输入问题组内所述第一问题和所述第二问题的词语转换成词向量；

将所述第一问题的各个词向量分别与所述第二问题的词向量矩阵点乘，得到所述第一问题的各个词向量对应的点积结果，所述词向量矩阵由所述第二问题的词向量组成；

将各个所述点积结果输入经过训练的深度神经网络模型中，得到所述输入问题组为第一分类标签的第一概率，所述第一分类标签表示所述第一问题与所述第二问题为相似问题；

将所述第一概率最高的输入问题组的第二问题作为所述第一问题的相似问题；

其中，所述将各个所述点积结果输入经过训练的深度神经网络模型中，得到所述输入问题组为第一分类标签的第一概率，所述第一分类标签表示所述第一问题与所述第二问题为相似问题具体包括：

将各个所述点积结果输入经过训练的深度神经网络模型中，在所述深度神经网络模型的隐藏层对所述点积结果进行特征提取，将特征提取得到的特征向量输入所述深度神经网络模型的输出层中；

将所述第一问题的各个词向量输入经过训练的浅层神经网络模型中，得到所述第一问题的各个词向量对应的权重值；

将所述权重值输入所述深度神经网络模型的输出层中，分别赋予各个所述点积结果的特征向量对应的权重值；

所述深度神经网络模型的输出层根据各个所述点积结果的特征向量和各个所述特征向量对应的权重值进行计算，得到所述输入问题组为第一分类标签的第一概率，所述第一分类标签表示所述第一问题与所述第二问题为相似问题。

2.如权利要求1所述的深度检索匹配分类方法，其特征在于，在得到所述第一问题的各个词向量对应的点积结果之后还包括：

从大到小筛选保留预置数量的点积结果。

3.如权利要求1所述的深度检索匹配分类方法，其特征在于，所述经过训练的深度神经网络模型通过以下方法训练得到：

获取训练问题组，所述训练问题组包括第三问题、第四问题和分类标签；

将所述训练问题组输入初始的深度神经网络模型中进行训练，得到经过训练的深度神经网络。

4.如权利要求1所述的深度检索匹配分类方法，其特征在于，所述预置的词向量模型通过以下方法训练得到：

对历史客服问答数据进行处理得到客服语料；

通过所述客服语料对经过训练的外部词向量模型进行再次训练，得到所述预置的词向量模型。

5.如权利要求1所述的深度检索匹配分类方法，其特征在于，所述获取用户输入的第一问题和所述第一问题的第一类别，将所述第一问题进行分词处理后分别与所述第一类别对应的各个预置的第二问题组成输入问题组具体包括：

所述获取用户输入的第一问题和所述第一问题的第一类别，将所述第一问题进行分词处理并删除所述第一问题的词语中的停用词和标点符号；

将进行了分词处理并删除了停用词和标点符号后的第一问题分别与所述第一类别对应的各个预置的第二问题组成输入问题组。