[发明专利]一种基于深度卷积神经网络的问句相似度度量方法

权利要求书

1.一种基于深度卷积神经网络的问句相似度度量方法，其特征在于，包括如下步骤：

S1、通过知识领域相关页面生成生语料库，爬取生语料中出现的汉字，生成每一个汉字的对应的字向量；

S2、用对应的字向量替换问句中的每一个汉字，得到问句所对应的字向量集合；字向量集合通过卷积神经网络计算获取对应的句义向量；

S3、问句进行两两组合，通过计算两个问句所对应句义向量的余弦函数绝对值获取两问句间相似度。

2.根据权利要求1所述的一种基于深度卷积神经网络的问句相似度度量方法，其特征在于，所述步骤S1通过知识领域相关页面生成生语料库的方法为：

S11、利用python语言编写网络爬虫，爬取知识相关网页；

S12、对网页进行预处理，去除网页标记、无效字符、数学公式、图片、表格，再合并所有网页，生成原始生语料；

S13、根据标点切分原始生语料，将每个句子切分为若干个子句，每个子句占一行，将其全部合并后，生成最终的生语料库。

3.根据权利要求1所述的一种基于深度卷积神经网络的问句相似度度量方法，其特征在于，所述步骤1中采用word2vec工具的skip-gram算法生成字向量，skip-gram算法的窗口大小设定为2，算法内设置3500个常用字和一个UNK，UNK用于替换3500个常用字以外的生僻字。

4.根据权利要求1所述的一种基于深度卷积神经网络的问句相似度度量方法，其特征在于，所述步骤S2的卷积神经网络包括一个卷积层和一个池化层，所述卷积层采用卷积核大小为2*200，2表示仅考虑2个单字之间的关联，200为字向量的维度，卷积层中卷积核的数目为100-200；所述池化层采用1-max池化，即，对于卷积后的每一维特征取最大值。

5.根据权利要求1所述的一种基于深度卷积神经网络的问句相似度度量方法，其特征在于，所述步骤2中卷积神经网络计算获取对应的句义向量的计算方法为：

1)句子S含有n个汉字，每个汉字对应一个d维字向量vi，则替换后的句子表示为:S’＝{v1,v2,…,vn}；

2)将S’输入卷积神经网络的卷积层进行计算，得到卷积后的结果其计算公式为：

h i k = tanh ( W k * c i + b k ) - - - ( 1 ) ]]>

其中，ci＝[vi,vi+1](0<i<n),为相邻的两个字向量组合后的向量，Wk为卷积神经网络的第k个卷积核矩阵，bk为第k个卷积核对应的偏差向量；

3)将卷积后的结果输入池化层进行计算，得到池化后的结果pk；池化采用1-max池化，其计算公式为：

p k = m a x ( h 1 k , h 2 k , ... , h n - 1 k ) - - - ( 2 ) ]]>

其中，max为最大值函数，表示取前一层所有输入的最大值；

4)重复执行步骤2)、3)；重复次数为1-3次；

5)最后一次重复所对应的池化层输出pk即为句子S的句义向量。