[发明专利]基于树核计算的智能对话系统应答方法及智能对话系统

权利要求书

1.一种基于树核计算的智能对话系统应答方法，其特征在于，包括如下步骤：

S0、训练中文词语的词向量，得到词向量表；

S1、获取用户输入问题句子A1，同时在后台系统中按序选取一问题句子作为A2；

S2、输入两组待比较问题句子A1和A2至分词工具中得到句子词语集合C1与句子词语集合C2；

S3、将所述句子词语集合C1与所述句子词语集合C2分别输入至句法分析器中以句法树的形式表示，得到句法树T1与句法树T2；

S4、对所述句法树T1与所述句法树T2进行修剪；

S5、将修剪后的所述句法树T1与修剪后的所述句法树T2输入至树核计算模型中，所述树核计算模型通过计算后输出所述句法树T1与所述句法树T2的相似度分值TK(T1，T2)；

S6、根据所述相似度分值TK(T1，T2)计算获得所述问题句子A1与所述问题句子A2的相似度分值Similary(A1，A2)；

S7、记录所述相似度分值Similary(A1，A2)，并判断所述后台系统中是否存在另一问题句子可作为A2，若是，则执行步骤S2，若否，则执行步骤S8；

S8、根据获得的所述相似度分值Similary(A1，A2)，选取与所述问题句子A1相似度最大的问题句子作为第一句子，并将所述第一句子所对应的答案作为结果输出。

2.根据权利要求1所述的基于树核计算的智能对话系统应答方法，其特征在于，所述步骤S5中对所述句法树T1和所述句法树T2中两个节点的比较计算包括如下计算公式：

(1)当节点n₁和节点n₂均为句法树中的叶子节点时，节点的树核计算公式为：

Δ_MPTK(n₁，n₂)＝COS(Vec_n1，Vec_n2)，其中Vec_n1，Vec_n2分别表示节点n₁和节点n₂在词向量表中的词向量，COS函数为向量的余弦相似度计算函数；

(2)当节点n₁和节点n₂均为句法树中的非叶子节点，且节点的标签相同，则节点的树核计算公式为：

其中△_p函数计算以n₁和n₂根节点的子节点数量为P的相同子树的数量，C_n1和C_n2表示节点n₁和节点n₂的子节点列表，l_m＝min(length(c_n1)，length(c_n2))，μ表示句法树的高度，λ表示子序列的长度；

(3)当节点n₁和节点n₂为非(1)与(2)中的情况，则节点的树核计算公式为：

Δ_MPTK(n₁，n₂)＝0；

在计算完节点的Δ_MPTK(n₁，n₂)，对所述句法树T1和所述句法树T2的树核计算公式为：

其中，N_T1表示句法树T1的节点集合，N_T2表示句法树T2的节点集合，n₁和n₂分别表示所述句法树T1和所述句法树T2的任一节点。

3.根据权利要求1所述的基于树核计算的智能对话系统应答方法，其特征在于，所述步骤S6为将所述相似度分值TK(T1，T2)按照以下公式处理，得到所述问题句子A1与所述问题句子A2的相似度分值Similary(A1，A2)：

Similary(A1，A2)＝TK(T1，T2)*5。

4.根据权利要求1所述的基于树核计算的智能对话系统应答方法，其特征在于，所述步骤S0为以word2vec模型来训练中文词语的词向量，得到词向量表。