[发明专利]一种基于阅读理解的智能问答方法及系统

说明书

本发明提供一种基于阅读理解的智能问答方法及系统，本发明提出了基于阅读理解的智能问答的方案，设计了制度问答系统。而且，通过本发明中的多步骤进行答案的抽取，不仅能够保证答案的准确率，还能够以90％的准确率在长文本的制度文件中找到员工问题的答案，同时也能以问答的方式对制定的制度进行合规查询。所以本发明可以解决以下问题：(1)该系统能够以90％的准确率在长文本的制度文件中找到员工问题的答案；(2)在制定规章制度时，可以利用该系统查询制定的相关规章是否符合集团规定。

技术领域

本发明涉及自然语言技术领域，特别是涉及一种基于阅读理解的智能问答方法及系统。

背景技术

随着经济的发展，目前部分集团公司的规模不断扩大，导致一个集团公司可能拥有多家子公司。而部分集团公司可能会让子公司的规章制度依照集团母公司的制度进行制定。子公司为了能够合规制定制度文件，需要不断和集团母公司相关部门进行沟通，导致子公司在制定文件时，效率较低。同时，随着制度的更新，员工需要了解和学习相关规定和申请业务流程。但由于制度规定较为繁琐，员工很难在第一时间找到相关文件和规定。并且，现有的自然语言处理技术对于长文本文件的问答并不能解决上述问题。

发明内容

鉴于以上所述现有技术的缺点及问题，本发明的目的在于提供一种基于阅读理解的智能问答方法及系统，用于解决现有技术中存在的问题。

为实现上述目的及其他相关目的，本发明提供一种基于阅读理解的智能问答方法，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。

可选地，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。

可选地，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；