[发明专利]一种基于深度网络和文本相似度的自动问答方法及装置

权利要求书

1.一种基于深度网络和文本相似度的自动问答方法，其特征在于，所述方法包括：

根据多个深度卷积神经网络对提问语料集进行编码，获得所述提问语料集的语义特征向量；

根据所述提问语料集的语义特征向量判断所述提问语料集中各个问题的固有关系；

当所述提问语料集中问题与相似问题或非相似问题存在固有关系时，确定所述问题与所述相似问题和所述问题与所述非相似问题的两对向量组合；

根据三角函数计算所述问题与所述相似问题的第一向量距离和所述问题与所述非相似问题的第二向量距离，确定所述第一向量距离与所述第二向量距离的距离差；

根据所述距离差设计损失函数，并设置优化器最小化距离差的相反数，将所述距离差和所述最小化距离差的相反数输入所述损失函数训练所述提问语料集，获得量化问法间相似度模型。

2.如权利要求1所述的方法，其特征在于，所述根据多个深度卷积神经网络对提问语料集进行编码，获得所述提问语料集的语义特征向量，包括：

根据词嵌入层将所述提问语料集中的问题转换为词向量列表；

根据所述词向量列表和所述深度卷积神经网络以不同步长从字、词、短语的语义层面获得的语义特征；

根据所述语义特征对所述词向量列表中词向量编码，获得语义特征向量。

3.如权利要求1所述的方法，其特征在于，所述判断所述提问语料集中各个问题的固有关系，包括：

根据所述提问语料集的语义特征向量确定所述提问语料集中包括问题、相似问题和非相似问题。

4.如权利要求2所述的方法，其特征在于，所述当所述提问语料集中问题与相似问题或非相似问题存在固有关系时，确定所述问题与所述相似问题和所述问题与所述非相似问题的两对向量组合，包括：

根据所述语义特征对所述问题、所述相似问题和所述非相似问题编码确定所述问题、所述相似问题和所述非相似问题各自的语义向量；

对所述问题、所述相似问题和所述非相似问题各自的语义向量进行配对，获得所述问题与所述相似问题和所述问题与所述非相似问题的两对向量组合。

5.一种基于深度网络和文本相似度的自动问答装置，其特征在于，所述装置包括：

第一获得单元，用于根据多个深度卷积神经网络对提问语料集进行编码，获得所述提问语料集的语义特征向量；

第一判断单元，用于根据所述提问语料集的语义特征向量判断所述提问语料集中各个问题的固有关系；

第一确定单元，用于当所述提问语料集中问题与相似问题或非相似问题存在固有关系时，确定所述问题与所述相似问题和所述问题与所述非相似问题的两对向量组合；

第二确定单元，用于根据三角函数计算所述问题与所述相似问题的第一向量距离和所述问题与所述非相似问题的第二向量距离，确定所述第一向量距离与所述第二向量距离的距离差；

第二获得单元，用于根据所述距离差设计损失函数，并设置优化器最小化距离差的相反数，将所述距离差和所述最小化距离差的相反数输入所述损失函数训练所述提问语料集，获得量化问法间相似度模型。

6.一种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权利要求1-4任一项所述方法的步骤。

7.一种基于深度网络和文本相似度的自动问答装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-4任一项所述方法的步骤。