[发明专利]用于文本处理的方法和装置

说明书

本说明书的实施例提供了用于文本处理的方法、装置、计算设备和机器可读存储介质。该方法包括：接收第一文本向量和第二文本向量，其中，第一文本向量用于表示用户问句文本，第二文本向量用于表示候选问句文本，候选问句文本是从知识库中获取的；利用RNN和CNN，对第一文本向量和第二文本向量进行编码，得到针对第一文本向量的第一编码结果和针对第二文本向量的第二编码结果；基于第一编码结果和第二编码结果，确定用户问句文本与候选问句文本之间的相似度，其中，相似度用于确定针对用户问句文本的答复。

技术领域

本说明书的实施例涉及信息技术领域，更具体地，涉及用于文本处理的方法、装置、计算设备和机器可读存储介质。

背景技术

随着机器学习等各种技术的不断发展，为了方便用户获得帮助，已经开发了智能问答系统。智能问答系统可以实现人机对话，例如，用户向智能问答系统提出问题，智能问答系统能够自动地回答问题。可见，智能问答系统不仅提供了极大的便利性，而且降低了人工回答问题的成本。然而，如何使得智能问答系统准确地回答用户的问题，成为需要解决的问题之一。

发明内容

考虑到现有技术的上述问题，本说明书的实施例提供了用于文本处理的方法、装置、计算设备和机器可读存储介质。

一方面，本说明书的实施例提供了一种用于文本处理的方法，包括：接收第一文本向量和第二文本向量，其中，所述第一文本向量用于表示用户问句文本，所述第二文本向量用于表示候选问句文本，所述候选问句文本是从知识库中获取的，所述知识库包括至少一个现有问句文本以及针对各个现有问句文本的答案文本；利用递归神经网络(RecurrentNeural Network，RNN)和卷积神经网络(Convolutional Neural Network，CNN)，对所述第一文本向量和所述第二文本向量进行编码，得到针对所述第一文本向量的第一编码结果和针对所述第二文本向量的第二编码结果；基于所述第一编码结果和所述第二编码结果，确定所述用户问句文本与所述候选问句文本之间的相似度，其中，所述相似度用于确定针对所述用户问句文本的答复。

另一方面，本说明书的实施例提供了一种用于文本处理的装置，包括：接收单元，其接收第一文本向量和第二文本向量，其中，所述第一文本向量用于表示用户问句文本，所述第二文本向量用于表示候选问句文本，所述候选问句文本是从知识库中获取的，所述知识库包括至少一个现有问句文本以及针对各个现有问句文本的答案文本；编码单元，其利用RNN和CNN，对所述第一文本向量和所述第二文本向量进行编码，得到针对所述第一文本向量的第一编码结果和针对所述第二文本向量的第二编码结果；确定单元，其基于所述第一编码结果和所述第二编码结果，确定所述用户问句文本与所述候选问句文本之间的相似度，其中，所述相似度用于确定针对所述用户问句文本的答复。

另一方面，本说明书的实施例提供了一种计算设备，包括：至少一个处理器；与所述至少一个处理器进行通信的存储器，其上存储有可执行代码，所述可执行代码在被所述至少一个处理器执行时使得所述至少一个处理器实现上述方法。

另一方面，本说明书的实施例提供了一种机器可读存储介质，其存储有可执行代码，所述可执行代码在被执行时使得机器执行上述方法。

附图说明

通过结合附图对本说明书的实施例的更详细的描述，本说明书的实施例的上述以及其它目的、特征和优势将变得更加明显，其中，在本说明书的实施例中，相同的附图标记通常代表相同的元素。

图1是根据一个实施例的智能问答系统的运行过程的示意性流程图。

图2是根据一个实施例的用于文本处理的方法的示意性流程图。

图3A是根据一个实施例的相似度模型的结构示意图。

图3B是根据一个实施例的CNN编码器的结构示意图。

图4是根据一个实施例的用于文本处理的装置的示意性框图。