[发明专利]问答资源挖掘方法、装置、计算机设备及存储介质

权利要求书

1.一种问答资源挖掘方法，其特征在于，包括：

获取待处理的多个会话语料；

将每个会话语料输入至预先训练的问题识别模型，以获取所述每个会话语料中包含的多个候选问题；

从与每个候选问题对应的会话语料中，获取与所述候选问题对应的至少一个候选答案，组成多个候选问答对；

将所述多个候选问答对输入预先训练的答案匹配模型以获取每个候选问答对的置信度，并根据所述置信度从所述多个候选问答对中筛选出目标问答对。

2.如权利要求1所述的方法，其特征在于，在所述从所述多个候选问答对中筛选出目标问答对之后，还包括：

对所述目标问答对进行聚类，生成问答对簇；

将每个问答对簇的簇心对应的目标问答对，确定为标准问答对。

3.如权利要求2所述的方法，其特征在于，所述对所述目标问答对进行聚类，生成问答对簇，包括：

基于密度聚类对所述目标问答对中的问题进行聚类，生成问题簇；

对所述问题簇中的目标问答对进行子聚类，生成所述问答对簇。

4.如权利要求2所述的方法，其特征在于，在所述将每个问答对簇的簇心对应的目标问答对，确定为标准问答对之前，还包括：

将包含目标问答对的个数小于预设值的问答对簇滤除。

5.如权利要求1所述的方法，其特征在于，在所述将每个会话语料输入至预先训练的问题识别模型之前，还包括：

对获取的训练会话语料进行标注，以标注出所述训练会话语料中的问题；

将标注后的所述训练会话语料作为训练样本，对卷积神经网络模型进行训练，生成所述问题识别模型。

6.如权利要求5所述的方法，其特征在于，在所述将所述多个候选问答对输入预先训练的分类模型之前，还包括：

从所述训练会话语料中标注出正样本和负样本，其中，所述正样本为所述训练会话语料中答案与问题匹配的问答对，所述负样本为所述训练会话语料中答案与问题不匹配的问答对；

利用所述正样本和所述负样本对所述卷积神经网络模型进行训练，生成所述答案匹配模型。

7.一种问答资源挖掘装置，其特征在于，包括：

获取模块，用于获取待处理的多个会话语料；

识别模块，用于将每个会话语料输入至预先训练的问题识别模型，以获取所述每个会话语料中包含的多个候选问题；

候选答案获取模块，用于从与每个候选问题对应的会话语料中，获取与所述候选问题对应的至少一个候选答案，组成多个候选问答对；

筛选模块，用于将所述多个候选问答对输入预先训练的答案匹配模型以获取每个候选问答对的置信度，并根据所述置信度从所述多个候选问答对中筛选出目标问答对。

8.如权利要求7所述的问答资源挖掘装置，其特征在于，还包括：

聚类模块，用于对所述目标问答对进行聚类，生成问答对簇；

确定模块，用于将每个问答对簇的簇心对应的目标问答对，确定为标准问答对。

9.一种计算机设备，其特征在于，包括处理器和存储器；

其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-6中任一项所述的问答资源挖掘方法。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的问答资源挖掘方法。