[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

说明书

本说明书提供了一种基于深度网络和文本相似度的自动问答系统及装置，通过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；判断所述提问语料集中问题与相似问题或非相似问题的固有关系，并确定问题与相似问题和问题与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，将所述距离差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，达到了在积累数据量不足的情况下，可以完成自动问答的功能，适应性高，泛化力强的技术效果。

技术领域

本说明书实施例涉及计算机技术领域，尤其涉及一种基于深度网络和文本相似度的自动问答方法及装置。

背景技术

目前自动问答方法主要分为两种，一种是基于海量聊天语料、采用端到端深度模型(seq2seq)实现的生成式聊天模型，该模型的特点是需要海量的聊天语料；另一种是基于模板匹配和知识图谱的检索式问答，该方式需要事先准备好比较庞大的知识图谱，知识图谱的构建不仅需要大量的数据，同样也需要大量的人力劳动，同时，基于模板匹配的用户提问意图识别需要不断的增加新的模板以适配不断出现的新的问法，是劳动密集型工作。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中自动问答方法需要大量的数据做支撑，造成资源浪费，泛化能力差的技术问题。

发明内容

本说明书实施例提供及一种基于深度网络和文本相似度的自动问答方法及装置，解决了现有技术中自动问答方法需要大量的数据做支撑，造成资源浪费，泛化能力差的技术问题，达到了在积累数据量不足的情况下，也可以完成自动问答的功能，适应性高，泛化力强，节约人力成本，节省资源的技术效果。

鉴于上述问题，提出了本申请实施例以便提供一种基于深度网络和文本相似度的自动问答方法及装置。

第一方面，本说明书实施例提供一种基于深度网络和文本相似度的自动问答方法，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，将所述距离差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。

优选地，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。

优选地，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。

优选地，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。

第二方面，本说明书实施例提供一种基于深度网络和文本相似度的自动问答装置，所述装置包括：