[发明专利]基于Bi-LSTM算法的检测咨询语句重复性评价方法及系统

权利要求书

1.一种基于Bi-LSTM算法的检测咨询语句重复性评价方法，其特征在于，包括如下步骤：

步骤S1：输入咨询语句到神经网络中；其中，设定咨询语句包括W₁和W₂，记为：S(W₁,W₂),其中，

当S(W₁,W₂)→1时，表示两个咨询语句的语义相似或相同，即此组语句存在重复值；

当S(W₁,W₂)→0时，表示两个咨询语句的语义不相同，即此组语句不存在重复值；

步骤S2：使用DM模型将所输入的咨询语句转化为对应的词向量表示，使用Embedding的方式将离散的词向量转化为连续的一维句向量；

步骤S3：在编码层中将所生成的句向量输入到Bi-LSTM模型的神经网络中；

步骤S4：使用互注意力机制将Bi-LSTM模型的输出结果生成对应的互注意力表示；

步骤S5:通过距离加权函数来测算出特征向量之间的相似程度；

步骤S6:通过多层感知网络进行分类筛选，从而判断问题语句存在重复值或者不存在重复值。

2.根据权利要求1所述的评价方法，其特征在于，步骤S1进一步包括不同的咨询语句分别输入到神经网络的子网络中。

3.根据权利要求2所述的评价方法，其特征在于，步骤S2还包括对DM模型进行训练，训练步骤包括：

DM模型生成一个与词向量拥有相同维数的语句识别向量；

将所有的咨询语句的向量和词向量进行累加处理，得到对应的语句向量；

将对应的语句向量传递到下一层的编码层中。

4.根据权利要求3所述的评价方法，其特征在于，步骤S3包括

步骤S31：使用神经网络算法进行计算生成的句向量；

步骤S32：使用LSTM模型从后向以及前向每个时间步的隐藏层状态进行连接操作，并且通过连接函数计算出Bi-LSTM所输出的每个句向量。

5.根据权利要求4所述的评价方法，其特征在于，所述步骤S4包括：

步骤S41：使用互注意力机制对Bi-LSTM模型进行优化，构造语义的相似度矩阵；

步骤S42：对相似度矩阵的行和列进行最大池化来对池化层进行特征提取，从而得到对应语句的互注意力表示。

6.根据权利要求1所述的评价方法，其特征在于，所述DM模型可通过GloVe模型或者Word2Vec模型替换。

7.根据权利要求1所述的评价方法，其特征在于，所述距离加权函数为欧氏距离加权函数或者马氏距离加权函数或者明氏距离加权函数。