[发明专利]问询指引方法及装置

说明书

本发明公开了一种问询指引方法及装置，其中所述问询指引方法包括：接收问答对；基于所述问答对中的专有词汇以及预设的问询指引策略，预测并输出包含所述专有词汇的下一个问题。本发明可通过基于端到端的深度学习框架，根据实际问询过程的问答对中所出现的专有词汇以及预设的包含专有词汇预测功能的问询指引策略，自动指引出涉及到专有词汇的下一个问题。相比事先设计模板的处理方式，本发明与真实问询内容建立关联，在保障指引内容质量的前提下，提升对实际问询中出现的专有词汇的预测能力，有效地辅助相关人员增进工作效率及后续处理的可靠性。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种问询指引方法及装置。

背景技术

随着人工智能技术的不断突破，特别是自然语言处理相关技术日趋成熟，自然语言处理技术在各个领域的应用逐渐受到重视。

举例来说，机器帮助人工完成复杂繁琐的工作，目前正成为推动司法改革，实质提升相关部门工作效率，改进司法领域信息化水平新的突破口。目前，对于法官、检察官、公安等公检法一线工作人员来说，办案过程中最重要的一个环节是根据案情需要问询或审问案情相关人员。但是由于人工作业难以避免的因素，问询过程往往会遗漏部分问题，从而造成工作效率降低甚至导致对案情错误分析、判断。

虽然目前可以采用问询指引技术，“指引”提问人提出下一个问题，减少遗漏概率，但问询过程中往往会涉及到一些专有的，诸如人名、地名、机构名、时间点等专有词汇，这些专有词汇通常在训练语料中出现频率较低，但是这些专有词汇也通常与问询过程的关键内容息息相关，同时也是指引出的下一个问题中最为重要的部分。例如警务审讯场景中，上述专有词汇会与作案动机、作案时间、作案地点等案发经过强相关，其决定了问题指引能否给出正确的问询思路。

尤其是，现有的问询指引方案主要是基于问答对分类进行语义匹配再给出人工定义问题模板方法。其需要人工设定大量特征，根据特征对当前问答对分类，根据分类结果给定事先定义好的人工书写问题模板；而预设模板的方式不仅使得问题指引结果与实际问询内容脱离，并且对于低频出现的专有词汇的预测效果十分有限，甚至多数情况下，难以根据当前对话内容在指引的问题中预测出专有词汇，导致基于问询的后续处理出现较大偏误。

发明内容

本发明的目的是提供一种问询指引方法及装置，以解决现有问询指引过度依赖模板的上述弊端。

本发明采用的技术方案如下：

一种问询指引方法，包括：

接收问答对；

基于所述问答对中的专有词汇以及预设的问询指引策略，预测并输出包含所述专有词汇的下一个问题。

可选地，所述基于所述问答对中的专有词汇以及预设的问询指引策略，预测并输出包含所述专有词汇的下一个问题包括：

预先构建问询指引模型；

对所述问答对的语句进行分词，并得到分词特征及分词所处语句位置的位置特征；

将分词特征及相应的位置特征拼接，得到分词的综合特征；

将所述问答对的所有分词的综合特征作为所述问询指引模型的输入。

可选地，所述问询指引模型的构建过程包括：

在所述问询指引模型的训练阶段，识别出输入数据及输出结果中的专有词汇；

在输入数据及输出结果中，为所述专有词汇设置标记，并通过学习得到所述标记的相关性权值；

为输入数据添加相应于所述专有词汇的所处位置的对齐标志，并基于所述对齐标志增强所述标记的相关性权值。

可选地，所述问询指引模型执行如下编码操作：