[发明专利]基于问答系统的信息处理方法、介质、装置和计算设备

说明书

本公开的实施方式提供了一种基于问答系统的信息处理方法。该方法包括：获取知识库中待压缩的句向量；对句向量进行信号分解，得到句向量包含的目标低频分量；在知识库中，将句向量替换为目标低频分量。该方法通过信号分解出句向量包含的低频分量的方式，在句向量压缩的同时保留了句向量中大部分的有效信息，从而显著地降低了句向量压缩对问答系统中知识库的表达能力的影响，提高了基于知识库进行问答的准确性，有利于问答系统为用户返回更优的答案，为用户带来了更好的体验。此外，本公开的实施方式还提供了一种介质、装置和计算设备。

技术领域

本公开的实施方式涉及自然语言处理技术领域，更具体地，本公开的实施方式涉及一种基于问答系统的信息处理方法、介质、装置和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

在问答系统中，例如智能客服系统，知识库是问答系统的核心模块，由许多问题-答案对构成。在实际应用中，系统会将访客的请求与知识库中的每一个问题进行相似度匹配，并将相似度最高的问题的答案返回给访客。上述相似度匹配是在向量空间中完成的，即：需要把知识库中的所有问题都转换为句向量，同时将访客请求也转换为句向量，最后对两个句向量计算相似度。为了能够准确完整表示某个语句涵盖的信息，在计算条件允许的情况下，句向量长度往往会设定得尽可能长一些，同时，知识库需要尽可能涵盖全部常用问答对，即知识库里边的知识点数量较多，这带来了巨大的计算开销和存储空间成本。

目前，对知识库中的句向量进行压缩是降低问答系统的计算开销和存储空间成本的关键技术之一。在对句向量进行压缩时，可采用基于聚类和主成分分析的压缩方法：先通过聚类对句向量矩阵的行数进行降维，减少需要存储的句向量个数，其中句向量矩阵中每一行为一个句向量；再用主成分分析方法对句向量的列数进行降维，减少单个句向量的长度。

然而，采用上述方法虽然能有效降低问答系统的计算开销和存储空间成本，但返回给访客的答案往往不是最优的。

发明内容

在本上下文中，本公开的实施方式期望提供一种基于问答系统的信息处理方法、介质、装置和计算设备。

在本公开实施方式的第一方面中，提供了一种基于问答系统的信息处理方法，应用于对问答系统的知识库中的句向量进行压缩处理，包括：获取知识库中待压缩的句向量；对句向量进行信号分解，得到句向量包含的目标低频分量；在知识库中，将句向量替换为目标低频分量。

在本公开的一个实施例中，对句向量进行信号分解，得到句向量包含的目标低频分量，包括：对句向量进行单层或多层的信号分解，得到目标低频分量，其中，在多次的信号分解中，第一层的分解对象为句向量，剩余层的分解对象为上一层分解得到的低频分量。

在本公开的又一实施例中，得到目标低频分量，包括：响应于句向量的信号分解满足分解结束条件，得到目标低频分量，其中，分解结束条件包括如下至少一种：分解次数等于目标分解次数、压缩率大于或等于目标压缩率。

在本公开的又一个实施例中，基于问答系统的信息处理方法还包括：根据压缩指标和/或句向量的特征，确定分解结束条件。

在本公开的又一个实施例中，句向量的一层信号分解通过以下方式实现：对当前层的分解对象进行小波分解，得到当前层的分解对象包含的低频分量。

在本公开的又一个实施例中，对当前层的分解对象进行小波分解，得到当前层的分解对象包含的低频分量，包括：根据选取的小波函数，确定低通滤波器的滤波器系数序列；对当前层的分解对象进行边界延拓；对边界延拓后的当前层的分解对象进行降采样；基于滤波器系数序列，对降采样后的当前层的分解对象进行小波分解，得到当前层的分解对象包含的低频分量。