[发明专利]面向税务咨询业务的智能问答系统

权利要求书

1.一种面向税务咨询业务的智能问答系统，其特征在于，包括：

一台安装Android操作系统终端设备，用于采集用户语音问题，并将语音数据实时转化为文本数据传入计算机；还用于将最终匹配的答案返回给用户进行展示；

一台计算机，用于对实时传入的文本问题进行理解检索；

所述终端设备安装有应用软件程序，该应用软件包括语音转化模块1、问题返回模块4，用于采集用户语音数据、为用户提供精准的问题答案、为用户提供友好的界面；

所述计算机上安装有服务软件系统，该服务软件系统包括问题理解模块2、问题检索模块3，用于进行语义分析，以便理解问题，用于检索相似度最高问题；

系统工作时语音转化模块1将用户输出的语音数据转化为文本数据，通过问题理解模块2进行语义理解，使用问题检索模块3检索答案，并通过问题返回模块4将处理结果传输给终端用户；

其中：

所述的语音转化模块1，用于完成用户语音信号转化为对应文本的信息的功能，包括通过对用户语音的采集，对语音信息进行特征提取，形成待识别模型，并与参考模型进行匹配，寻找相似度最高的模型并最终输出识别结果；其输入的是语音信息，输出为文本信息；

所述的问题理解模块2，用于完成对文本信息的处理，包括对输入文本进行分词、对文本进行分类、删除文本中包含的停用词；其输入的是问题文本，输出为特征词；

所述的问题检索模块3，用于完成对用户输入问题与税务语料库中问答的匹配，包括通过两个给定问题之间的匹配程度的比较，将两个问题共同特征最多的一些问题检索出来；其输入的是问题特征，输出的是多个相似度最高的问题编号；

所述的问题返回模块4，用于完成对匹配问题的展示，预先设定返回问题数量，将相似度最高的问题答案返回给用户；其输入是需返回的问题编号，输出为对应的问题及答案；

所述的问题理解模块2包括中文分词模块21、文本分类模块22、去停用词模块23；其中，中文分词模块21用于对输入文本进行分词，以确定文本中包含的特征词；文本分类模块22用于根据已训练分类数据，对文本进行分类；去停用词模块，用于删除文本中包含的停用词；中文分词模块21确定文本中包含的特征词传输给文本分类模块22；文本分类模块22对问题进行分类；将特征词传输给去停用词模块23进行处理；

所述的问题检索模块3，使用词语移动距离(WMD)模型进行相似度计算；

系统在投入自动运行前需要进行数据的采集以及训练；问题检索模块3需使用税务问答语料库，它是税务咨询系统核心的问答库，是回答用户问题的数据来源；问题检索模块3还需要使用词向量训练库，用于完成对不同词语特征的训练，为后续相似度计算使用；文本分类模块22需使用经过人工分类的训练集，提取每一个分类的特征，用于完成对陌生问题的分类任务；去停用词模块23需采集停用词表；

文本分类模块22使用长短时神经网络LSTM网络，该网络设计有记忆模块用于完成对历史数据的保存，而记忆模块由记忆细胞构成，信息可以自由地在各个记忆单元中传输而不受梯度消失的影响；所述记忆细胞主要由输入门、遗忘门、输出门构成；各种门的设置主要是用于调节记忆细胞自身和外部环境之间的关系，其中输入门主要决定是否对接收到的数据进行改变，遗忘门用于决定记忆细胞自身前一时刻的状态是否被删除，输出门则影响的是其他的神经细胞；

所述记忆细胞在每一个时刻进行更新的方式为：

假设h为LSTM单元的输出，C为LSTM记忆单元的值，x为输入，W为对应的权重矩阵，σ、tanh为激活函数，b为乘离率(BIAS)向量；更新过程用如下公式进行描述：

(1)时刻t神经细胞的值记为

其中：W_xc为时刻t对应输入数据的权值，x_t为时刻t的输入，W_hc为上一时刻LSTM单元输出的权值，h_t-1为上一时刻LSTM单元输出，b_c为时刻t对应神经细胞的乘离率(BIAS)向量；

(2)计算输入门的值记为i_t：

i_t＝σ(W_xix_t+W_cic_t-1+b_i) (2)

其中，W_xi为时刻t对应输入数据的权值，x_t为时刻t的输入，W_ci为上一时刻神经细胞的权值，c_t-1为上一时刻神经细胞的值，b_i为时刻t对应输入门的乘离率(BIAS)向量；

(3)计算遗忘门在时刻t的值记为f_t：

f_t＝σ(W_xfx_t+W_hfh_t-1+b_f) (3)

其中，W_xf为时刻t对应输入数据的权值，x_t为时刻t的输入，W_hf为上一时刻LSTM单元输出的权值，h_t-1为上一时刻LSTM单元输出，b_f为时刻t对应遗忘门的乘离率(BIAS)向量；

(4)结合神经细胞在时刻t的值和遗忘门的值，对神经细胞进行更新，更新后的神经细胞值记为C_t：

其中，C_t-1为上一时刻神经细胞的值；

(5)结合神经细胞新的值由σsi函数激活的隐藏层来计算哪部分信息输出记为o_t：

o_t＝σ(W_x0x_t+W_hoc_t-1+b_o) (5)

(6)用一个tanh函数来对最终的更新进行过滤，来决定要最终的输出h_t：

h_t＝o_t*tanh(C_t) (6) 。