[发明专利]基于文本相似度算法的相似问题生成方法、系统、电子装置和存储介质

权利要求书

1.一种基于文本相似度算法的相似问题生成方法，其特征在于，所述方法包括：

获取交互场景文本数据，生成问答对文本数据；

计算所述问答对文本数据中的答案文本与行业问答对语料中的答案文本的文本相似度，确定答案文本相似度最大值对应的行业问答对语料；

计算所述问答对文本数据中的问题文本与所述答案文本相似度最大值对应的行业问答对语料中的问题文本的文本相似度，确定问题文本相似度最大值对应的问答对文本数据；

将所述问题文本的相似度最大值与预设阈值进行比对，若满足所述预设阈值，则将所述问题文本相似度最大值对应的问答对文本数据中的问题文本补充到对应的行业问答对语料中，作为所述对应的行业问答对语料中的问题文本的相似问题。

2.根据权利要求1所述的方法，其特征在于，所述获取交互场景文本数据，生成问答对文本数据，包括：

获取交互场景文本数据，将所述交互场景文本数据中的连续交互文本按时间顺序进行拼接；

并将拼接后的交互场景文本数据按交互轮次进行分组，在每个交互轮次下根据顺序组合用户文本和客服文本，得到问答对文本数据。

3.根据权利要求2所述的方法，其特征在于，所述将所述交互场景文本数据中的连续交互文本按时间顺序进行拼接之前，包括：

对所述交互场景文本 数据进行数据清洗，去除交互轮数大于第二预设阈值的交互场景文本数据。

4.根据权利要求1所述的方法，其特征在于，通过文本相似度算法分别计算所述问答对文本数据中的答案文本与行业问答对语料中的答案文本的文本相似度以及所述问答对文本数据中的问题文本与所述答案文本相似度最大值对应的行业问答对语料中的问题文本的文本相似度；其中，所述文本相似度为余弦相似度算法、欧式距离、曼哈顿距离、闵可夫斯基距离、切比雪夫距离中的任意一种。

5.根据权利要求2所述的方法，其特征在于，所述计算所述问答对文本数据中的答案文本与行业问答对语料中的答案文本的文本相似度，确定答案文本相似度最大值对应的行业问答对语料，包括：

计算所述问答对文本数据中每个交互轮次的答案文本与行业问答对语料中的答案文本的文本相似度，确定每个交互轮次的答案文本相似度最大值对应的行业问答对语料。

6.根据权利要求5所述的方法，其特征在于，所述计算所述问答对文本数据中的问题文本与所述答案文本相似度最大值对应的行业问答对语料中的问题文本的文本相似度，确定问题文本相似度最大值对应的问答对文本数据，包括：

分别计算所述问答对文本数据中每个交互轮次的问题文本与所述每个交互轮次的答案文本相似度最大值对应的行业问答对语料中的问题文本的文本相似度，确定每个交互轮次的问题文本相似度最大值对应的问答对文本数据。

7.如权利要求6所述的方法，其特征在于，所述将所述问题文本的相似度最大值与预设阈值进行比对，包括：

将所述每个交互轮次下的问题文本相似度最大值分别与预设阈值进行比对。

8.一种基于文本相似度算法的相似问题生成系统，其特征在于，所述系统包括：数据获取模块、答案文本相似度计算模块、问题文本相似度计算模块和相似问题提取模块：

所述数据获取模块，用于获取交互场景文本数据，生成问答对文本数据；

所述答案文本相似度计算模块，用于计算所述问答对文本数据中的答案文本与行业问答对语料中的答案文本的文本相似度，确定答案文本相似度最大值对应的行业问答对语料；

所述问题文本相似度计算模块，用于计算所述问答对文本数据中的问题文本与所述答案文本相似度最大值对应的行业问答对语料中的问题文本的文本相似度，确定问题文本相似度最大值对应的问答对文本数据；

所述相似问题提取模块，用于将所述问题文本的相似度最大值与预设阈值进行比对，若满足所述预设阈值，则将所述问题文本相似度最大值对应的问答对文本数据中的问题文本补充到对应的行业问答对语料中，作为所述对应的行业问答对语料中的问题文本的相似问题。