[发明专利]智能问答方法及装置

说明书

本发明提供一种智能问答方法及装置，对待解答问题的文本进行分词处理，根据所述待解答问题的分词结果确定用于进行语义相似度判断的语境；根据所述语境收集一定数量的常见问题；对所有所述常见问题的文本进行分词处理，根据所有所述常见问题的分词结果建立语境图；对于任意一个所述常见问题，根据该常见问题的分词结果、待解答问题的分词结果以及所述语境图，计算该常见问题与待解答问题间的语义相似度；将具有最高相似度的常见问题对应的候选答案作为所述待解答问题对应的答案。本发明实施例能够更准确地分析待解答的问题并提供答案。

技术领域

本发明涉及自然语言处理技术领域，更具体地，涉及智能问答方法及装置。

背景技术

在问答系统中，通用聊天答案推送随机性强。但在专业应用领域，回复内容需要精准。利用计算机识别“用户提问”与句库中已存在句子进行语义比较的研究称为句子相似度研究。其作为自然语言处理中一个关键性问题，一直是研究的热点和难点。句子相似度研究除了挖掘句子本身词间关系及重叠度计算句子相似度外(如依赖于WordNet架构和依赖于知网架构与语料库)，基于神经网络的特征提取也开始得到发展。

基于词语语义相似度的计算方法专家学者已进行了广泛的研究。例如：基于词语共现的统计方法。该方法主要通过句中词频进行统计，如TF-IDF算法、Jaccard SimilarityCoefficient方法及Metzler基于overlap的改进方法等。这些方法实现简单、高效，但完全忽略了句子的词法及语义信息。另一种是基于词法和语义信息的方法。该方法考虑了语义信息相关要素，但构建相对复杂，如基于本体的语义相似度计算等。第三种，基于神经网络语料训练特征提取法，近年来也得到了大力发展，如基于Word2vec的句子语义相似度计算研究等，其依赖于语料的质量与数量，注重特征提取，忽略了句义的理解，不能实现真正对语义的挖掘。第四种则是采用综合性融合手段的方法，如基于多特征融合的句子语义相似度计算等。随着研究的深入，结合应用体验发现，在实际应用中各种方法如果脱离了应用场景，其算法要么实现复杂、要么效率低，不确定因素干扰多，有一定的操作局限性。因此，现有技术提供了“一种基于语境的词语相似度计算方法”。该方法，在相似度计算方法的基础上，通过引入词语的上下文，采用模糊数学的概念来评估词义相似度计算方法。该方法借鉴隶属度的相关定，构造词语在上下文语境中的模糊重要度，提升了词的句义相似程度，但在句子整体句义相似度上有不足。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的智能问答方法及装置。

根据本发明的第一个方面，提供一种智能问答方法，包括：

对待解答问题的文本进行分词处理，根据所述待解答问题的分词结果确定用于进行语义相似度判断的语境；

根据所述语境收集一定数量的常见问题；

对所有所述常见问题的文本进行分词处理，根据所有所述常见问题的分词结果建立语境图；

对于任意一个所述常见问题，根据该常见问题的分词结果、待解答问题的分词结果以及所述语境图，计算该常见问题与待解答问题间的相似度；

将具有最高相似度的常见问题对应的候选答案作为所述待解答问题对应的答案；

其中，所述语境图为表示所有所述常见问题的各分词间的组合关系的无向图。

根据本发明的第二个方面，提供一种智能问答装置，包括：

语境获取模块，用于根据待解答问题确定用于进行语义相似度判断的语境；

常见问题获取模块，用于根据所述语境收集一定数量的常见问题；

语境图获取模块，用于对所有所述常见问题的文本进行分词处理，根据所有所述常见问题的分词结果建立语境图；其中，所述语境图为表示所有所述常见问题的各分词间的组合关系的无向图；