[发明专利]问题语句的改写方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能技术领域，可应用于智慧医疗领域中，以推动智慧城市的发展，提供一种问题语句的改写方法、装置、计算机设备和存储介质，获取用户输入的问题语句；基于同义词匹配，识别问题语句中每个可被替换的词，以及替换每个词的候选同义词；将每个词的候选同义词作为节点，将问题语句的起点作为起始节点，问题语句的终点作为结束节点；将候选同义词之间的句子片段作为连接节点之间的边，构建有向图；基于N‑gram语言模型，计算有向图中各个边的边权重；通过N最短路径算法计算出最短路径，将最短路径中各个节点对应的候选同义词改写至问题语句中，得到改写的问题语句。本申请通过最短路径的计算，找出最符合语境同义词，从而对语句进行改写。

技术领域

本申请涉及人工智能技术领域，特别涉及一种问题语句的改写方法、装置、计算机设备和存储介质。

背景技术

在医疗领域的FAQ(问题解答)模块中，用户可以提出与医疗相关的医疗问题，针对用户提出的医疗问题，其回复答案生成主要将用户的问题与问题模板匹配的方式完成。但是在某些情况下用户问题与模板问题语义相近，却无法召回答案。比如：用户问“抑郁症可以投保吗？”，而模板问为“精神病可以投保吗？”，这种情况下可以通过同义词改写的方式扩充输入的问题语句，如：“抑郁症”的同义词为“精神病”，则可以在一定程度上提高召回率。

在具体的应用场景，比如在数字医疗的FAQ问答机器人中，数据库会事先存储多个医疗问题的模板，当用户提问时会匹配到相应的模板问题从而进行自动回复。

然而，对于同一类问题，用户的提问方式却多种多样，同时也包含大量的口语表述，如：“注射疫苗-打疫苗”、“腿骨折-腿瘸了”、“取消-退保”等。

因此，在实际中虽然用户问题与模板问题的语义相近，却无法正确匹配到相应的回复。

因此，可以对用户的问题语句中的词进行同义词替换，但是在不同语境下同义词的合理性却存在差异。如“打疫苗”可以改写为“注射疫苗”，此时，“打”与“注射”是一组同义词，然而将“打篮球”改写为“注射篮球”却十分不合理。这样的例子普遍存在，如“可以投保吗？”可以改写为“能投保吗？”，而将“这个想法可以”改写为“这个想法能”却很滑稽。因此，目前的同义词替换存在不符合语境的缺陷。

发明内容

本申请的主要目的为提供一种问题语句的改写方法、装置、计算机设备和存储介质，旨在克服目前同义词改写时出现不符合语境的缺陷。

为实现上述目的，本申请提供了一种问题语句的改写方法，包括以下步骤：

获取用户输入的问题语句；

基于同义词匹配，识别所述问题语句中每个可被替换的词，以及替换每个所述词的候选同义词；

将每个所述词的候选同义词作为节点，将所述问题语句的起点作为起始节点，所述问题语句的终点作为结束节点；

将所述候选同义词之间的句子片段作为连接节点之间的边，分别在所述起始节点、结束节点与所述节点之间构建边；基于所述起始节点、结束节点、各个所述节点以及所述边，构建有向图；其中，所述有向图中的各个节点对应的候选同义词之间不存在交叉，所述有向图中由起始节点开始，由结束节点结束，且连接所述节点之间的边的方向为所述问题语句中排列在前的候选同义词对应的节点指向所述问题语句中排列在后的候选同义词对应的节点；

基于N-gram语言模型，计算所述有向图中各个边的边权重；

基于所述有向图以及所述有向图中各个边的边权重，通过N最短路径算法计算出最短路径，将所述最短路径中各个节点对应的候选同义词改写至所述问题语句中，得到改写后的问题语句。

进一步地，所述基于所述有向图以及所述有向图中各个边的边权重，通过N最短路径算法计算出最短路径，将所述最短路径中各个节点对应的候选同义词改写至所述问题语句中，得到改写后的问题语句的步骤之后，包括：