[发明专利]问题生成方法、装置、电子设备和存储介质

说明书

本发明提供一种问题生成方法、装置、电子设备和存储介质，其中方法包括：从知识图谱中确定出待处理的知识子图，知识图谱是对知识文本进行图结构化得到的，知识子图中部分节点携带有答案节点标记；将知识子图输入问题生成模型，得到问题生成模型输出的问题文本，问题生成模型基于样本问题文本及其对应的样本知识子图训练得到，样本知识子图中部分节点携带有样本答案节点标签，构造了非严格本体约束的知识图谱，在保证知识文本与知识图谱的领域相关性的同时，提升了其知识建模的精细度，降低了知识文本中噪声的影响，克服了传统方案中问答对生成方法不适用于长篇的知识文本的缺陷，提升了长篇的知识文本的结构信息的利用率，实现了问题文本的生成。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种问题生成方法、装置、电子设备和存储介质。

背景技术

问答知识库是构建智能问答系统的数据基础，而问答知识点则是构建问答知识库的基准，问答知识点多以问答对的形式呈现。在智能客服以及业务培训等场景中，通常需要预先梳理出既定的问答知识点，此类问答知识点很大程度上来源于对应领域的长篇的非结构化文本，例如，产品说明手册、保险协议等，这使得人工进行的问答知识点的梳理归纳过程尤为耗时费力。

目前的问答对自动生成方案中，采用的多为阅读理解类的语料，其执行过程一般是先指定特定实体，然后根据特定实体和文本生成事实类问题，但是该方法不适用于长篇说明类文本，其对此类文本结构信息的利用率较低，并且在答案的表述上存在欠缺，因而难以直接应用于此类文本。

发明内容

本发明提供一种问题生成方法、装置、电子设备和存储介质，用以解决现有技术中的问答对生成方法无法应用于长篇的知识文本的缺陷。

本发明提供一种问题生成方法，包括：

从知识图谱中确定出待处理的知识子图，所述知识图谱是对知识文本进行图结构化得到的，所述知识子图中部分节点携带有答案节点标记；

将所述知识子图输入问题生成模型，得到所述问题生成模型输出的问题文本，所述问题生成模型基于样本问题文本及其对应的样本知识子图训练得到，所述样本知识子图中部分节点携带有样本答案节点标签。

根据本发明提供的一种问题生成方法，所述知识图谱基于如下步骤确定：

对所述知识文本进行结构划分，得到所述知识文本中各层级的标题，以及各层级的标题下的正文文本；

基于所述各层级的标题，以及各层级的标题下的正文文本，构建知识图谱。

根据本发明提供的一种问题生成方法，所述基于所述各层级的标题，以及各层级的标题下的正文文本，构建知识图谱，包括：

以各层级的标题作为分支节点，以各层级的标题下的正文文本作为叶子节点，构建初始图谱；

基于所述正文文本中的实体三元组，和/或与所述实体三元组中的实体相关联的关键词，对所述初始图谱进行补充，得到所述知识图谱，所述关键词从所述正文文本中提取得到。

根据本发明提供的一种问题生成方法，所述关键词基于如下步骤确定：

获取所述正文文本中的候选关键词；

基于各候选关键词与所述实体三元组中的实体的共现信息，从所述各候选关键词中筛选所述关键词。

根据本发明提供的一种问题生成方法，所述将所述知识子图输入问题生成模型，得到所述问题生成模型输出的问题文本，包括：

将所述知识子图和预期难度输入所述问题生成模型，得到所述问题生成模型输出的问题文本；

所述问题生成模型基于评估难度，样本问题文本及其对应的样本知识子图训练得到，所述样本知识子图中部分节点携带有样本答案节点标签。