[发明专利]一种基于阅读理解的智能问答方法及系统

权利要求书

1.一种基于阅读理解的智能问答方法，其特征在于，包括以下步骤：

获取历年制度文件，并以电子问卷的方式，收集员工对集团母公司历年制度文件所产生的问题，以及收集集团子公司在制定制度时所产生的问题，所述集团子公司属于集团母公司；

对同类问题进行问题归一化，并将多个问法且相同的问题映射为一个标准问题，以及将所述标准问题保存至标准问题库中；

根据制度文件的文件类型进行段落拆解，并以段落为单位将拆解后的文本内容保存至目标文件中；所述制度文件包括：集团子公司的制度文件和集团母公司的制度文件；

对保存在目标文件中的文本内容进行标注，且在进行标注时，首先基于所收集的问题对相应段落进行标注，并在完成段落标注后，基于语义分析对无问题的段落生成问题进行标注，以及将所有的标注结果存储至标准问题库中；

利用标准问题库对基于阅读理解的智能问答模型进行训练，生成用于进行人机交互的智能问答模型，所述智能问答模型可以根据用户输入的问题反馈对应的答案。

2.根据权利要求1所述的基于阅读理解的智能问答方法，其特征在于，若制度文件的文件类型为word，则根据制度文件的文件类型进行段落拆解，并以段落为单位将拆解后的文本内容保存至目标文件中的过程包括：

利用python-docx类库中的Document方法，获取所述制度文件中的文档对象；

根据所述文档对象以及paragraphs方法对文件类型为word的制度文件进行拆解，获取文件类型为word的制度文件中的每个段落内容；

以段落为单位将拆解后的文本内容保存至content.csv文件中。

3.根据权利要求1所述的基于阅读理解的智能问答方法，其特征在于，若制度文件的文件类型为pdf，则根据制度文件的文件类型进行段落拆解，并以段落为单位将拆解后的文本内容保存至目标文件中的过程包括：

使用pdfplumber工具以及extract_words方法按页抽取出文件类型为pdf的制度文件中的所有文字和坐标信息，并保存到list数组中；

基于list数组中的所有文本以及对应的坐标信息获取所有文本的最右坐标，判断所获取的当前文本的坐标与上一次获取的文本的坐标是否一致；若一致，则说明是当前文本与上一次获取的文本为一个段落，并将所获取的当前文本与上一次获取的文本合并为一个段落；若不一致，则将所获取的当前文本、上一次获取的文本分别作为一个段落，直至获取到所有的自然段落；

以段落为单位将获取到所有的自然段落保存至content.csv文件中。

4.根据权利要求1所述的基于阅读理解的智能问答方法，其特征在于，利用标准问题库对基于阅读理解的智能问答模型进行训练，生成用于进行人机交互的智能问答模型的过程包括：

将所收集的问题以及标准问题库中的段落进行拼接，并利用词表将拼接文本映射为数字；

利用spacy类库获取问题中的词性信息，所述词性信息包括利用词表将字符转为数字；

对所述拼接文本和所述词性信息进行拼接，获取融合字符信息和词性信息的表征矩阵。

5.根据权利要求4所述的基于阅读理解的智能问答方法，其特征在于，利用标准问题库对基于阅读理解的智能问答模型进行训练，生成用于进行人机交互的智能问答模型的过程还包括：

将所述表征矩阵、文本对应的位置编码信息、问题和文本的类型信息都输入至基于变换器的双向编码器中，利用所述双向编码器对所述表征矩阵、文本对应的位置编码信息、问题和文本的类型信息进行加权求和；

完成加权求和后，利用自注意力机制计算信息的注意力权重；

将词汇的注意力权重与信息进行乘法计算，得到注意力矩阵；

将注意力矩阵输入到归一层中，进行池化，获取编码层矩阵。