[发明专利]一种基于深度特征融合神经网络的问题对匹配方法和装置

说明书

本发明公开了一种基于深度特征融合神经网络的问题对匹配方法和装置，属于自然语言处理领域，本发明要解决的技术问题为如何准确地判断用户问题与标准问题的匹配程度，整理出一套完整的问题对匹配模型，技术方案为：①该方法包括如下步骤：S1、构建问题对知识库；S2、构建问题对匹配模型训练数据集；S3、构建问题对匹配模型，步骤如下：S301、构建字符映射转换表；S302、构建输入层；S303、构建字符向量映射层；S304、构建基于深度特征融合的神经网络编码层；S305、构建文本相似度匹配层；S4、训练问题对匹配模型和标准问题选择。②该装置包括问题对知识库构建单元、问题对匹配模型训练数据集生成单元、问题对匹配模型构建单元以及问题对匹配模型训练单元。

技术领域

本发明涉及自然语言处理技术领域，具体地说是一种基于深度特征融合神经网络的问题对匹配方法和装置。

背景技术

随着信息化时代的发展，人们习惯于借助于网络解决各种生活中遇到的问题。比如网上医疗问答社区，患者可在网上向医生咨询自己的病症，医生同样会在网上答复患者的问题。类似的网络问答社区，还有百度知道等，这些问答社区为用户提供了极大的便利。随着在线提问的用户数量的增加，各种各样的新问题被不断提出，但是能够解答问题的专家却相对数量较少，解答问题的速度也难以提高。这给网络问答社区的用户体验造成了较大的不良影响。面对迅速增长的咨询用户所提出的海量问题，如何为咨询用户快速找到答案或及时答复是一个亟待解决的问题。

随着人工智能技术的快速发展，传统行业开始拥抱人工智能，涌现了一大批适用于服务行业的应用；其中智能问答系统发展极为迅速，已广泛应用于各种自助客服(咨询)系统。自动问答系统能够减少消费者与人工客服之间交流的环节，大大减轻了客服的工作量，降低企业运营成本。用户可以直接在线进行问题提问，系统会根据相应问题，自动给出合理答案，避免传统问询需要等待人工客服答复的麻烦，也降低了用户的咨询成本。随着使用人数的激增，自动问答系统的优势更加明显，其快速处理能力和全天候服务能力远远超出人工客服。

显然，对于传统的网络问答社区所面临的困境，自动问答系统是一种有效的解决方案。尽管用户的数量以及用户提出的问题的数量在迅速增长，不同用户提出的问题的形式可能会有所差异，但是他们本质上的语义意图可能会是一致的。即：针对同一问题有不同的表述形式，虽然问题表述形式不同，但是用户表示的是同一问题，即语义上是相同的。也就是说，问答社区中存在着大量的重复问题。对于这些重复的问题，其实并不需要人工专家来进行答复处理。我们只需要将这些重复问题，映射为标准问答知识库中已有的标准问题；将标准问题的答案，答复给用户就能圆满地解决用户的问题。故如何准确地判断用户问题与标准问题的匹配程度，将用户问题映射到标准问题，整理出一套完整的问题对匹配模型成为自动问答系统的一个核心问题。

专利号为CN107798624A的专利文献公开了基于深度学习提出面向软件问答社区的标签推荐方法。该项方法包括：步骤1，预处理；步骤2，词义表示学习；步骤3，短语以及句子语义学习；步骤4，语义融合；在预处理前为训练阶段，所述训练阶段用于构造词典并保存模型的结构与权重；在预处理后为部署阶段，所述部署阶段则是对于新的问题，在转化成索引序列后，加载保存的模型以预测并推荐最有可能的K个标签，K为正整数。但是该技术方案不能准确地判断用户问题与标准问题的匹配程度，将用户问题映射到标准问题，整理出一套完整的问题对匹配模型。

发明内容

本发明的技术任务是提供一种基于深度特征融合神经网络的问题对匹配方法和装置，来解决如何准确地判断用户问题与标准问题的匹配程度，将用户问题映射到标准问题，整理出一套完整的问题对匹配模型的问题。

本发明的技术任务是按以下方式实现的，一种基于深度特征融合神经网络的问题对匹配方法，该方法包括如下步骤：

S1、构建问题对知识库：从互联网问答社区爬取问题对，并对问题对进行预处理，初步构建问题对知识库；