[发明专利]一种FAQ对话方法、装置及电子设备

权利要求书

1.一种FAQ对话方法，其特征在于，包括：

接收用户输入的查询语句；

在问答库中查询与所述查询语句关联的N对第一问答对，其中，所述问答库中的每一问答对包括问句和答案，且每一第一问答对的问句与所述查询语句匹配，所述N为大于1的整数；

基于深度学习模型，获取所述N对第一问答对中各问句与所述查询语句的相似度，其中，所述深度学习模型为：基于所述问答库中的部分或者全部问答对训练得到的模型；

在所述N对第一问答对中，将问句与所述查询语句的相似度最高的第一问答对确定为目标问答对，并输出所述目标问答对的答案；

所述在问答库中查询与所述查询语句关联的N对第一问答对，包括：

获取所述问答库中每一问句的句向量以及所述查询语句的句向量；

基于所述问答库中每一问句的句向量以及所述查询语句的句向量，在所述问答库中确定N个第一问句，其中，每一第一问句与所述查询语句的相似度满足预设条件；

确定所述问答库中与所述N个第一问句对应的所述N对第一问答对；

所述在所述问答库中确定N个第一问句，包括：

在将所述问答库中相似的问句划分为问句组的情况下，将所述问答库中处于同一问句组的问句的句向量存入同一索引中；

通过索引进行最近邻搜索，在所述问答库中确定N个第一问句。

2.根据权利要求1所述的方法，其特征在于，所述获取所述问答库中每一问句的句向量以及所述查询语句的句向量，包括：

生成语料库中所有词的词向量；

基于所述语料库中所有词的词向量，并通过预设的句向量生成公式，生成所述问答库中每一问句的句向量以及所述查询语句的句向量。

3.根据权利要求1所述的方法，其特征在于，所述基于深度学习模型，获取所述N对第一问答对中各问句与所述查询语句的相似度之前，还包括：

根据所述问答库中每一问句的句向量，确定所述问答库中的问句的三元组，其中，每一三元组包括第二问句、正样本和负样本，所述正样本为与所述第二问句属于同一问句组的问句，所述负样本为与所述第二问句不属于同一问句组的问句，所述问句组中包括相似的至少两个问句；

基于所述问答库中的问句的三元组，训练得到所述深度学习模型。

4.一种FAQ对话装置，其特征在于，包括：

输入模块，用于接收用户输入的查询语句；

第一查询模块，用于在问答库中查询与所述查询语句关联的N对第一问答对，其中，所述问答库中的每一问答对包括问句和答案，且每一第一问答对的问句与所述查询语句匹配，所述N为大于1的整数；

第二查询模块，用于基于深度学习模型，获取所述N对第一问答对中各问句与所述查询语句的相似度，其中，所述深度学习模型为：基于所述问答库中的部分或者全部问答对训练得到的模型；

输出模块，用于在所述N对第一问答对中，将问句与所述查询语句的相似度最高的第一问答对确定为目标问答对，并输出所述目标问答对的答案；

所述第一查询模块，包括：

句向量获取单元，用于获取所述问答库中每一问句的句向量以及所述查询语句的句向量；

第一确定单元，用于基于所述问答库中每一问句的句向量以及所述查询语句的句向量，在所述问答库中确定N个第一问句，其中，每一第一问句与所述查询语句的相似度满足预设条件；

第二确定单元，用于确定所述问答库中与所述N个第一问句对应的所述N对第一问答对；

第一确定单元，具体用于在将所述问答库中相似的问句划分为问句组的情况下，将所述问答库中处于同一问句组的问句的句向量存入同一索引中；通过索引进行最近邻搜索，在所述问答库中确定N个第一问句。

5.根据权利要求4所述的装置，其特征在于，所述句向量获取单元，包括：

词向量生成子单元，用于生成语料库中所有词的词向量；

句向量生成子单元，用于基于所述语料库中所有词的词向量，并通过预设的句向量生成公式，生成所述问答库中每一问句的句向量以及所述查询语句的句向量。