[发明专利]基于深度学习的问答系统以及方法

权利要求书

1.一种基于深度学习的问答系统，其特征在于，包括：问答子系统、深度学习子系统和知识库子系统，其中，

所述问答子系统，用于接收用户的输入问题，并对所述输入问题进行预处理，并将预处理后的所述输入问题发送至所述深度学习子系统；

所述深度学习子系统，用于提取所述预处理后的输入问题中的特征信息，并根据所述特征信息生成对应的第一词向量信息，并根据预设的问题分类模型、问题匹配模型和所述第一词向量信息，从所述知识库子系统的知识库存储的多个标准问题中获取多个推荐问题，并将所述多个推荐问题发送至所述问答子系统；

所述问答子系统还用于将所述多个推荐问题提供给所述用户，并在所述用户未从所述多个推荐问题中选择问题时，将所述输入问题作为未识别问题并发送至所述知识库子系统；

所述知识库子系统，用于判断所述知识库中是否存在与所述未识别问题对应的标准问题，并在所述知识库中存在与所述未识别问题对应的标准问题时，对与所述未识别问题对应的标准问题进行标注，并在所述知识库中不存在与所述未识别问题对应的标准问题时，根据所述未识别问题创建新标准问题，并对所述新标准问题进行标注；

所述深度学习子系统还用于根据标注的与所述未识别问题对应的标准问题、所述新标准问题，对所述问题分类模型和问题匹配模型进行优化训练。

2.如权利要求1所述的基于深度学习的问答系统，其特征在于，所述深度学习子系统包括：

词向量生成模块，用于提取所述预处理后的输入问题中的特征信息，并根据所述特征信息生成对应的第一词向量信息；

问题分类预测模块，用于根据所述问题分类模型对所述第一词向量信息进行预测，得到所述输入问题所属的等级分类；

获取模块，用于从所述知识库子系统的知识库存储的多个标准问题中，获取所述等级分类下的所有标准问题；

所述词向量生成模块还用于提取所述所有标准问题的特征信息，并根据所述标准问题的特征信息生成对应的第二词向量信息；

问题匹配模块，用于根据所述第一词向量信息和第二词向量信息，通过所述问题匹配模型将所述输入问题分别与所述所有标准问题进行相似度匹配，生成所述多个推荐问题；

发送模块，用于将所述多个推荐问题发送至所述问答子系统。

3.如权利要求2所述的基于深度学习的问答系统，其特征在于，所述等级分类为一级分类，其中，所述问答子系统还用于：在将所述多个推荐问题提供给所述用户的同时，获取所述一级分类下的二级分类，并将所述二级分类的分类信息提供给所述用户。

4.如权利要求1所述的基于深度学习的问答系统，其特征在于，所述问答子系统还用于在所述用户从所述多个推荐问题中选择问题时，获取与所述用户选择的问题对应的答案信息，并将所述答案信息提供给所述用户。

5.如权利要求1所述的基于深度学习的问答系统，其特征在于，所述知识库子系统还用于：对所述问答子系统发送的大批量的未识别问题进行聚类，并对聚类后的未识别问题统一进行标注。

6.如权利要求1所述的基于深度学习的问答系统，其特征在于，所述问答子系统还用于：在将所述多个推荐问题提供给所述用户的同时，提供人工服务接口。

7.一种基于深度学习的问答方法，其特征在于，包括以下步骤：

接收用户的输入问题，并对所述输入问题进行预处理；

提取所述预处理后的输入问题中的特征信息，并根据所述特征信息生成对应的第一词向量信息；

根据预设的问题分类模型、问题匹配模型和所述第一词向量信息，从预存储的多个标准问题中获取多个推荐问题；

将所述多个推荐问题提供给所述用户，并在所述用户未从所述多个推荐问题中选择问题时，将所述输入问题作为未识别问题；

判断知识库中是否存在与所述未识别问题对应的标准问题；

若存在，则对与所述未识别问题对应的标准问题进行标注；

若不存在，则根据所述未识别问题创建新标准问题，并对所述新标准问题进行标注；

根据标注的与所述未识别问题对应的标准问题、所述新标准问题，对所述问题分类模型和问题匹配模型进行优化训练。