[发明专利]基于卷积神经网络的金融问题自动抽取答复方法及其系统

说明书

本发明提供了一种基于卷积神经网络的金融问题自动抽取答复方法，其特征在于，所述基于卷积神经网络的金融问题自动抽取答复方法包括：从预设渠道检索到包含预设关键词的金融问题；将所述金融问题按照第一预设算法进行转码形成问题编码；将所述问题编码输入到训练好的机器学习模型获取答案信息；以及将所述答案信息经所述预设渠道上传并填写。此外，本发明还提供了一种系统及其计算机设备。本发明技术方案有效解决了现有的网络金融问题问答中采用人力或者无法智能答复的问题。

技术领域

本发明涉及金融科技技术领域，尤其涉及基于卷积神经网络的金融问题自动抽取答复方法、系统及其计算机设备。

背景技术

金融服务与我们的生活息息相关，在使用生活中难免会遇到许多泛金融类的问题，当遇到问题用户一般会选择通过百度、知乎等渠道进行答案搜索，自助解决自己的问题，这类检索出来的答案质量得不到保障，存在误导消费者的可能。银行采用方法通常就是找一定的人力，对互联网上面的问题进行人工解答。但这种方法耗时耗力，无法大规模的推广。所以设计一种可以应用于金融行业的问题自动抽取答复系统是很有必要的。

发明内容

本发明提供了一种基于卷积神经网络的金融问题自动抽取答复方法及其系统，实现有效地自动抽取以及回答金融问题。

第一方面，本发明实施例提供一种基于卷积神经网络的金融问题自动抽取答复方法，所述基于卷积神经网络的金融问题自动抽取答复方法包括：

从预设渠道检索到包含预设关键词的金融问题；

将所述金融问题按照第一预设算法进行转码形成问题编码；

将所述问题编码输入到训练好的机器学习模型获取答案信息；以及

将所述答案信息经所述预设渠道上传并填写。

具体地，所述第一预设算法包括门机制、残差结构机制、膨胀卷积机制以及注意力机制，将所述金融问题按照第一预设算法进行转码形成问题编码包括：

将所述金融问题分词获取问题词块；

利用所述门机制以及所述残差结构机制根据所述问题词块获取到向量模型，其中，所述向量模型包括视野；

利用所述膨胀卷积机制增大所述视野；以及

利用所述注意力机制将所述向量模型转码形成所述问题编码。

具体地，将所述问题编码输入到训练好的机器学习模型获取答案信息包括：

将所述问题编码输入训练好的机器学习模型获取文档模型，其中所述文档模型包括若干答案词块，所述答案词块包括一一对应的文档向量以及位置编码；

利用注意力机制将所述文档向量转码生成文档编码；

利用指针机制根据位置编码截取所述文档编码形成新的所述文档编码；

将全部所述文档编码拼接转码形成所述答案信息。

具体地，将全部所述文档编码拼接转码形成所述答案信息还包括：

将全部所述文档编码拼接转码形成至少一个答案模型，其中，所述答案模型包括若干第二词块以及评分系数，所述第二词块包括一一对应的文档向量；

判断所述文档向量是否存在重复；

当所述文档向量存在重复，根据重复的所述文档向量选取任一所述答案模型作为所述答案信息；

当所述文档向量不存在重复，选取所述评分系数最大对应的所述答案模型作为答案信息。