[发明专利]一种中文自动应答方法及系统

说明书

技术领域

本发明涉及计算机应用领域，尤其涉及一种中文自动应答方法及系统。

背景技术

自然语言理解技术是人工智能领域中的一个重要研究方向，它使计算机能够理解和运用人类的自然语言，可以实现人与计算机之间基于自然语言的有效通信。这里的自然语言包括人类使用的各种自然语言，例如中文、英文等等。QA(automatic Question Answering，自动应答)系统是一种以自然语言理解技术为核心，一方面完成对用户问题的分析处理，另一方面完成正确答案生成的系统。

自动应答系统的性能主要通过准确率和召回率两个指标进行表征，下面分别予以说明：

自动应答系统的准确率是指自动应答系统做出正确应答的次数与总共的应答次数的比值，例如用户向自动应答系统输入了100个问题语句，自动应答系统做出了100次应答，其中有20个是正确的，那么这个自动应答系统的准确率就是20％。

自动应答系统的召回率是指自动应答系统做出正确应答的次数与自动应答系统问答语句库中对应存在正确应答的个数的比值，例如用户向自动应答系统中输入了100个问题语句，自动应答系统做出了100次应答，其中有20次是正确的，但是针对用户输入的100个问题语句，自动应答系统问答语句库中具有其中25个问题语句的正确应答，那么这个自动应答系统的召回率就是80％。

现有技术中的中文自动应答系统大多是参考英文自动应答系统，采用简单的模式匹配技术实现的。其基本的算法就是从第一个词开始，对用户当前输入的问题语句和问答语句库中预先存储的全部问题语句进行匹配，如果两个词相同就继续下一个词的匹配，重复这一过程直到用户输入的整个问题语句匹配完毕，如果匹配成功就将问答语句库中的该问题语句对应的系统应答返回给用户。但是相比英文句子而言，中文句子具有用词灵活、句法复杂多变的特点，因此仅采用简单的模式匹配技术的中文自动应答系统普遍存在问答语句库覆盖面窄、系统的准确率和召回率低的缺点，下面举例说明采用简单的模式匹配技术实现的中文自动应答系统的缺点。

假设自动应答系统的问答语句库中存在以下一组问答语句对，其中包括一个问题语句和相应的系统应答：

问题语句：地球为什么围绕太阳转？

系统应答：因为地球是太阳的行星。

这样当用户向自动应答系统中输入“地球为什么围绕太阳转？”这一问题语句时，系统会将用户当前输入的问题语句和问答语句库中预先存储的全部问题语句进行匹配，通过匹配能够查找到问答语句库中存储的上述问答语句对，将该问答语句对中的系统应答取出返回给用户。但是，当用户输入与上述问题语句的句义相同，句法不同的其他句子时，由于系统问答语句库中没有存储相应的问题语句，因此无法给出正确的应答。例如，当用户输入“地球为何围绕太阳转？”或者“地球围绕太阳转是什么原因？”时，系统无法给出正确的应答。

若希望在现有中文自动应答系统中解决上述问题，就必须在系统的问答语句库中再构造下面两组问答语句对：

用户句子：地球为何围绕太阳转？

系统应答：因为地球是太阳的行星。

以及

用户句子：地球围绕太阳转是什么原因？

系统应答：因为地球是太阳的行星。

但是中文的句法非常灵活，而且用词灵活多变，所以通过增加问答语句对来解决上述问题，无论是从工作量还是系统效率的角度来看，都是不可接受的。

综上可见，现有技术中采用简单的模式匹配技术实现中文自动应答时，存在着建立中文问答语句库工作量巨大，且覆盖面窄的问题。

发明内容

本发明提供一种中文自动应答方法及系统，用以解决现有技术中采用模式匹配技术实现中文自动应答时，建立中文问答语句库的工作量巨大且覆盖面窄的问题。

本发明技术方案包括：

一种中文自动应答方法，包括步骤：

A、确定用户输入的中文语句的类别及关键词序列，从问答语句库中查找与用户输入语句类别相同的关键词序列；

B、将用户输入语句的关键词序列与所述查找到的关键词序列进行匹配，将其中匹配成功的关键词序列对应的应答语句返回给用户。

较佳的，确定用户输入语句的类别及关键词序列的具体步骤为：

对用户输入语句进行中文分词处理，得到词序列；

根据所述词序列中包含的句类特征词确定用户输入语句的类别，将句类特征词及停用词从所述词序列中删除，余下的词序列为用户输入语句的关键词序列。

较佳的，所述步骤B中，若匹配不成功，则向用户返回缺省应答语句。

较佳的，所述步骤B具体包括步骤：