[发明专利]基于图网络的答案句选择方法及装置

说明书

本发明涉及自然语言处理技术领域，具体涉及一种基于图网络的答案句选择方法和装置。为了解决现有技术未考虑候选句之间的关联度导致答案选择错误的问题，本发明提出一种基于图网络的答案句选择方法，该方法包括对预先获取的多个第一句子，分别获取对应的第一向量；根据第一句子和第一向量构建多个第一句子的关系图；基于关系图以及第一向量，通过图网络获取第二向量，其中，图网络基于神经网络构建，第二向量为多个第一句子的上下文信息融合后的向量；基于第二向量，通过问答句预测器从第一句子中选择答案句，其中，问答句预测器用于获取第二向量对应的第一句子的预测分数。利用本发明的方法能够提高从候选句中选择正确答案的概率。

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种基于图网络的答案句选择方法及装置。

背景技术

随着社会的发展、科技的进步，人工智能领域近年来取得了快速地发展。在人工智能领域，语言智能更是受到广泛的关注。语言是信息的载体，让机器理解语言也被认为是强人工智能的一个重要体现。问答正是检验机器理解语言能力的一个重要手段，同时问答系统的研究也能直接推动社交、医疗、金融等多个领域的智能化进程。

问答句选择是问答任务的一个子任务，同时也是问答系统中重要的组成部分。问答句选择通常是给定一个问题以及多个候选句子，要求系统从多个候选句子中找出能够回答给定问题的答案句。

现有的答案句选择任务的候选句有两种构成方式，一种是从不同篇章中抽取多个句子作为候选句，另一种是将一个篇章中的所有句子看作候选句。对于第一种构成方式，候选句之间的关联程度较低，而第二种构成方式中，因为选自同一篇章，所以候选句之间的关联程度较高。

传统的答案句选择模型大多忽略了候选句之间的语义关联，通过对每个候选句单独建模，并单独计算每个候选句作为答案的概率。在候选句之间存在关联度的情况上，传统的方法会导致每个候选句的语义建模不充分，进而导致答案选择错误。

因此，如何提出一种充分考虑候选句之间关联度进而从候选句中选择正确答案的方法是本领域技术人员需要解决的技术问题。

发明内容

为了解决现有技术中的上述问题，即为了解决现有技术未考虑候选句之间的关联度导致答案选择错误的问题，本发明的第一方面提供了一种基于图网络的答案句选择方法，所述方法应用于基于图网络的答案句选择装置，所述装置包括问答句预测器，所述方法包括：对预先获取的多个第一句子，分别获取对应的第一向量，其中，所述第一句子作为所述答案句的候选句子；

根据所述第一句子和所述第一向量构建多个所述第一句子的关系图，其中，所述关系图用于获取多个所述第一句子之间的关系；

基于所述关系图以及所述第一向量，通过所述图网络获取第二向量，其中，所述图网络基于神经网络构建，所述第二向量为多个所述第一句子的上下文信息融合后的向量；

基于所述第二向量，通过所述问答句预测器从所述第一句子中选择答案句，其中，所述问答句预测器用于获取所述第二向量对应的第一句子的预测分数。

优选地，所述关系图包括第一关系图和第二关系图；“根据所述第一向量以及所述第一句子构建所述第一句子的关系图”，其方法包括：

根据所述第一句子并通过第一策略构建所述第一关系图，

根据所述第一向量并通过第二策略构建所述第二关系图，

其中，所述第一策略用于根据所述第一句子并基于第一工具、第二工具以及第三工具构建所述第一关系图，所述第一工具用于连接含有相同实体的第一句子，所述第二工具用于根据所述第一句子之间的距离计算所述第一句子之间的权重，所述第三工具用于计算所述第一句子之间的语义相似度；

所述第二策略用于根据所述第一向量并基于自注意力机制构建所述第二关系图。