[发明专利]一种基于混合模型的问答机器人系统及问答机器人

权利要求书

1.一种基于混合模型的问答机器人系统，其特征在于，包括：

获取模块，所述获取模块用于获取用户问句q；

预处理模块，所述预处理模块用于对所述用户问句q进行预处理；

混合模型，所述混合模型包括词对齐模型和句子向量模型，所述词对齐模型用于计算所述用户问句q和知识库{X}中例句x_i，j的语义相似度，并计算所述用户问句q属于每个类别i的概率；所述句子向量模型用于将所述用户问句q转化为句向量，并计算所述用户问句q属于每个类别i的概率；

模型融合模块，所述模型融合模块用于将词对齐模型和句子向量模型融合，获取所述用户问句q属于每个类别i的概率；

输出模块，所述输出模块用于输出所述用户问句q对应的概率最高的类别i对应的答案。

2.如权利要求1所述的基于混合模型的问答机器人系统，其特征在于，所述预处理用于对所述用户问句q中的英文、标点符号、和命名实体进行归一化处理。

3.如权利要求1所述的基于混合模型的问答机器人系统，其特征在于，所述知识库的结构为：M个类，每个类有k个例句；分类库共有N个例句，分类库所有例句集合为{X}；分类库{X}中例句表示为：x_i，j∈{X}其中：i∈[1，M]，j∈[1，k]，x_i，j表示第i个分类里面的第j个例句。

4.如权利要求3所述的基于混合模型的问答机器人系统，其特征在于，所述计算所述用户问句q和知识库{X}中例句x_i，j的语义相似度具体包括：

S11、对所述用户问句q和例句x_i，j进行分词标注；

S12、提取特征；

S13、设特征集合为f，模型参数为V，V为每个特征的权重，相似度得分为：

score＝f*V＝∑_jf_j*v_j

S14、用户问句q和知识库{X}中例句x_i，j的语义相似度：

score＝Similarity(q，x_i，j)

则q与类别i的相似度取类别i里面所有相似度得分最大的值，作为q与类别i的相似度得分：

利用loglinear模型计算q属于每一个类别的概率：

可见p(i|q，X)满足如下条件：

5.如权利要求1所述的基于混合模型的问答机器人系统，其特征在于，所述将所述用户问句q转化为句向量，并计算所述用户问句q属于每个类别i的概率包括：

S21、将用户问句q转化为句子向量；

S22、设句子向量为Vector，则

Vector＝SentenceModel(句子)

用户事件描述q和事件类别库{X}中例句x_i，j的语义相似度为：

Vector(q)＝SentenceModel(q)

Vector(x_i，j)＝SentenceModel(x_i，j)

则句子相似度，为向量夹角的cos值：

利用loglinear模型计算q属于每一个类别的概率：

。

6.如权利要求1所述的基于混合模型的问答机器人系统，其特征在于，所述模型融合的概率分布函数为：

p(i|q，X)＝α*F₁(q，X)+β*F₂(q，X)

其中，α+β＝1，F1为词对齐模型，F2为句向量模型。

7.如权利要求5所述的基于混合模型的问答机器人系统，其特征在于，所述将用户问句q转化为句子向量包括：

将用户问句q通过卷积神经网络和深度神经网络转化为句子向量；

所述卷积网络卷积核为20-512；深度神经网络为1-20层。