[发明专利]用于文本排序的方法和装置

说明书

本发明涉及用于文本排序的方法和装置，该方法包括：获取多个文本问题各自的向量表示，其中，所述多个文本问题包括至少一个标准文本问题和用户针对某一租户提出的特定文本问题；基于所获取的向量表示，计算所述特定文本问题与所述至少一个标准文本问题中的各个标准文本问题的文本相似度；基于所计算的文本相似度，确定所述至少一个标准文本问题中的与所述特定文本问题的文本相似度最大的标准文本问题，作为与所述特定文本问题最相关的标准文本问题。利用该方法和装置能够针对各个租户准确地找出与用户提出的文本问题最相关的标准文本问题。

技术领域

本发明涉及机器学习领域，尤其涉及用于文本排序的方法和装置。

背景技术

智能客服机器人用于解答用户提出的各种文本问题。智能客服机器人预先存储有多个问答对，每一个问答对包括一个标准文本问题和相应的文本答案。标准文本问题是从针对用户高频提出的文本问题中总结得到的问题。在回答用户提出的文本问题时，智能客服机器人首先从所存储的问答对中找出其标准文本问题与所提出的文本问题相关的若干问答对，然后确定该若干问答对所包括的各个标准文本问题中的其与所提出的定文本问题的文本相似度最大的那个标准文本问题，最后将包含所确定的标准文本问题的那个问答对中的文本答案呈现给用户，以回答用户的提问。

对于智能客服机器人，文本问题的文本相似度的计算很重要，因为与用户提出的文本问题最相关的标准文本问题需要利用文本相似度来确定。

目前已经出现许多文本相似度计算方法，但利用这些方法计算的文本相似度不是在所有情况下都能准确地找出与用户提出的文本问题最相关的标准文本问题。

发明内容

本发明的实施例提供用于文本排序的方法和装置，其能够准确地找出与用户提出的文本问题最相关的标准文本问题。

按照本发明的实施例的一种用于文本排序的方法，包括：获取多个文本问题各自的向量表示，其中，所述多个文本问题包括至少一个标准文本问题和用户针对某一租户提出的特定文本问题，所述多个文本问题中的任一文本问题的向量表示是通过将第一神经网络模型针对所述任一文本问题生成的向量表示与第二神经网络模型针对所述任一文本问题生成的向量表示组合得到的，所述第一神经网络模型是利用与租户无关的文本训练得到的，以及，所述第二神经网络模型是利用针对所述某一租户提出的文本问题对所述第一神经网络模型训练得到的；基于所获取的向量表示，计算所述特定文本问题与所述至少一个标准文本问题中的各个标准文本问题的文本相似度；以及，基于所计算的文本相似度，确定所述至少一个标准文本问题中的与所述特定文本问题的文本相似度最大的标准文本问题，作为与所述特定文本问题最相关的标准文本问题。

按照本发明的实施例的一种用于文本排序的装置，包括：获取模块，用于获取多个文本问题各自的向量表示，其中，所述多个文本问题包括至少一个标准文本问题和用户针对某一租户提出的特定文本问题，所述多个文本问题中的任一文本问题的向量表示是通过将第一神经网络模型针对所述任一文本问题生成的向量表示与第二神经网络模型针对所述任一文本问题生成的向量表示组合得到的，所述第一神经网络模型是利用与租户无关的文本训练得到的，以及，所述第二神经网络模型是利用针对所述某一租户提出的文本问题对所述第一神经网络模型训练得到的；计算模块，用于基于所获取的向量表示，计算所述特定文本问题与所述至少一个标准文本问题中的各个标准文本问题的文本相似度；以及，确定模块，用于基于所计算的文本相似度，确定所述至少一个标准文本问题中的与所述特定文本问题的文本相似度最大的标准文本问题，作为与所述特定文本问题最相关的标准文本问题。

按照本发明的实施例的一种计算设备，包括：至少一个处理器；以及，存储器，其上存储有计算机可执行指令，其中，所述计算机可执行指令当被执行时使得所述至少一个处理器执行前述的方法。

按照本发明的实施例的一种计算机可读存储介质，其上存储有计算机可执行指令，其中，所述计算机可执行指令当被执行时使得计算机执行前述的方法。