[发明专利]一种问答社区的答案推荐方法和装置

权利要求书

1.一种问答社区的答案推荐方法，其特征在于，包括：

获取采样周期内的多个待定问题；

对所述多个待定问题的重复性进行批量检测，其中，所述多个待定问题的重复性包括所述多个待定问题与所述问答社区数据库中的多个样本问题之间的重复性和所述多个待定问题之间的重复性；

当所述待定问题与所述样本问题重复时，将与所述待定问题重复的所述样本问题的答案推荐给用户；以及

当没有检测到所述待定问题与所述样本问题重复而检测到所述多个待定问题重复时，对所述多个待定问题根据重复性进行分类；以及

将分类的重复待定问题中时间最早的待定问题作为标准样本问题存储在所述问答社区数据库中并将所述标准样本问题的答案推荐给提出所述重复待定问题的所有用户。

2.根据权利要求1所述的问答社区的答案推荐方法，其特征在于，在获取采样周期内的多个待定问题之前，还包括基于问答社区数据库中的多个样本问题构建深度学习分类模型，其中，构建所述深度学习分类模型包括：

从问答社区中获取样本问题数据并从每个问题中提取问题的标题属性、内容属性和标签属性；

根据所述样本问题数据构建多个问题对，其中，所述多个问题对包括重复问题对和非重复问题对；

利用词嵌入方法将每个问题对转换为特征向量形式以获得特征向量矩阵；以及

通过训练构建所述深度学习分类模型，其中，将所述特征向量矩阵为深度学习分类模型的输入。

3.根据权利要求2所述的问答社区的答案推荐方法，其特征在于，利用词嵌入方法将每个问题对转换为词向量形式以获得特征向量矩阵包括：

利用所述词嵌入方法将所述每个问题对中的m个单词分别转换为词向量x₁、x₂、…x_m，其中，所述词向量的维度为n；以及

通过整合所述词向量x₁、x₂、…x_m获得特征向量矩阵，所述特征向量矩阵为m×n特征向量矩阵，其中，m、n均为大于1的整数。

4.根据权利要求2所述的问答社区的答案推荐方法，其特征在于，所述深度学习分类模型为长短期记忆网络模型LSTM，其中，所述长短期记忆网络模型LSTM考虑语义信息对所述多个待定问题的重复性进行批量检测包括：

将所述多个待定问题中的任一问题与所述多个样本问题进行配对以构建多个第一待定问题对；

将所述多个待定问题中的任一问题与所述多个待定问题中的剩余问题进行配对以构建多个第二待定问题对；

从所述多个样本问题中选取的任一个重复问题对作为标准重复问题对；

利用所述词嵌入方法获得多个第一待定问题对的第一特征向量矩阵、多个第二待定问题对的第二特征向量矩阵、和所述多个标准重复问题对的第三特征向量矩阵；

分别计算所述第一特征向量矩阵、所述第二特征向量矩阵和所述第三特征向量矩阵的概率分布，以获得所述概率分布的第一集合，其中，所述第一特征向量矩阵的概率分布为第一子集合以及所述第二特征向量矩阵和所述第三特征向量矩阵的概率分布为第二子集合；

对所述第一子集合和所述第二子集合中的概率分布从大到小分别进行排序以构成所述概率分布的第二集合和第三集合；以及

根据所述概率分布的第二集合判断所述第一待定问题对的重复性以及根据所述概率分布的第三集合判断所述第二待定问题对的重复性。

5.根据权利要求4所述的问答社区的答案推荐方法，其特征在于，根据所述概率分布的第二集合判断所述第一待定问题对的重复性以及根据所述概率分布的所述第三集合判断所述第二待定问题对的重复性包括：

从所述概率分布的第二集合中选取预测为重复的问题对并作为第四集合；

从所述概率分布的第三集合中选取预测为重复的问题对并作为第五集合；

将所述标准重复问题对与所述第五集合中的问题对进行比较，以确定所述第五集合中是否包括所述标准重复问题对；以及

当确定所述第五集合中包括所述标准重复问题对时，所述第五集合中的问题对为重复问题对。