[发明专利]一种金融领域的FAQ智能问答方法及系统

权利要求书

1.一种金融领域的FAQ智能问答方法，其特征在于，包括以下步骤：

整理FAQ问答知识库，所述知识库中的记录以标准问-相似问-答案的形式进行存储，一个标准问对应多个相似问和一个答案；

构建ES索引和向量索引，生成问答对的embedding向量，将文本和embedding向量分别存储到ES和向量索引文件中；

生成用户查询的embedding向量，利用ES召回字面相似的相似问，利用embedding向量检索召回语义相似的相似问，对两种方式召回的相似问取并集组成候选集合；

基于精排打分模型计算候选集合中的相似问与用户查询之间的相似度，并根据相似度计算结果对候选集合进行精排；

对精排后的相似问进行合并，得到一个或多个标准问以及标准问对应的答案，根据预配置的需求将得到的一个或多个答案返回给用户。

2.根据权利要求1所述的一种金融领域的FAQ智能问答方法，其特征在于，所述embedding向量的生成方法包括SentenceBert模型、搜狗、腾讯、word2vec词向量，其中，所述SentenceBert模型以同一标准问下的问题文本两两结对作为相似文本对，不同标准问下的文本两两结对作为不相似文本对作为训练集进行模型训练。

3.根据权利要求1所述的一种金融领域的FAQ智能问答方法，其特征在于，所述精排打分模型基于交互式Bert模型构建，以同一标准问下的问题文本两两结对作为相似文本对，不同标准问下的文本两两结对作为不相似文本对构建训练集对交互式Bert模型进行训练，训练完成后，将交互式Bert模型学到的知识迁移到轻量级模型上，得到TinyBert轻量级模型作为精排打分模型。

4.一种金融领域的FAQ智能问答方法，其特征在于，包括以下步骤：

整理FAQ问答知识库，所述知识库中的记录以标准问-相似问-答案的形式进行存储，一个标准问对应多个相似问和一个答案；

构建ES索引和向量索引，生成问答对的embedding向量，将文本和embedding向量分别存储到ES和向量索引文件中；

对用户查询进行纠错、同义词替换和意图识别处理；

生成用户查询的embedding向量，利用ES召回字面相似的相似问，利用embedding向量检索召回语义相似的相似问，对两种方式召回的相似问取并集组成候选集合；

基于精排打分模型计算候选集合中的相似问与用户查询之间的相似度，并根据相似度计算结果对候选集合进行精排；

对精排后的相似问进行合并，得到一个或多个标准问以及标准问对应的答案，根据预配置的需求将得到的一个或多个答案返回给用户。

5.根据权利要求4所述的一种金融领域的FAQ智能问答方法，其特征在于，所述embedding向量的生成方法包括SentenceBert模型、搜狗、腾讯、word2vec词向量，其中，所述SentenceBert模型以同一标准问下的问题文本两两结对作为相似文本对，不同标准问下的文本两两结对作为不相似文本对作为训练集进行模型训练。

6.根据权利要求4所述的一种金融领域的FAQ智能问答方法，其特征在于，所述精排打分模型基于交互式Bert模型构建，以同一标准问下的问题文本两两结对作为相似文本对，不同标准问下的文本两两结对作为不相似文本对构建训练集对交互式Bert模型进行训练，训练完成后，将交互式Bert模型学到的知识迁移到轻量级模型上，得到TinyBert轻量级模型作为精排打分模型。