[发明专利]问答处理方法、装置、计算机设备和存储介质有效

专利信息
申请号: 201910428635.4 申请日: 2019-05-22
公开(公告)号: CN110334179B 公开(公告)日: 2020-12-29
发明(设计)人: 赵正锐;刘进步;孙俊 申请(专利权)人: 深圳追一科技有限公司
主分类号: G06F16/33 分类号: G06F16/33;G06F16/332;G06F40/253;G06F40/211;G06F40/289
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 陈小娜;邓云鹏
地址: 518051 广东省深圳市南山区粤海*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 问答 处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种问答处理方法,所述方法包括:

接收用户问句答复指令,根据所述用户问句答复指令获取用户问句;

使用所述用户问句构建多个语法树;

计算所述多个语法树的语法特征与所述用户问句的问句特征的相似度,根据所述相似度确定目标语法树,其中,将所述语法树的子节点转换为子节点词向量,将所述语法树的子节点词向量输入已训练的第一特征提取模型中进行提取,得到根节点词向量,将所述根节点词向量作为所述语法树的语法特征;

将所述目标语法树转化为查询语句,并执行所述查询语句,得到与所述用户问句答复指令相对应的用户问句答复。

2.根据权利要求1所述的方法,其特征在于,所述使用所述用户问句构建多个语法树,包括:

将所述用户问句预处理,得到基本词汇序列;

根据所述基本词汇序列使用语法规则构建多个语法树。

3.根据权利要求2所述的方法,其特征在于,所述将所述用户问句预处理,得到基本词汇序列,包括:

将所述用户问句分词,得到分词结果;

识别所述分词结果对应的特定类型,得到具有所述特定类型的词片;

将所述特定类型的词片按照所述语法规则组合,得到基本词汇序列。

4.根据权利要求3所述的方法,其特征在于,所述识别所述分词结果对应的特定类型,得到具有所述特定类型的词片,包括:

将所述分词结果输入到已训练的命名实体识别模型中进行识别,得到分词结果对应的特定类型;其中,所述命名实体识别模型通过使用神经网络算法训练得到;

根据所述分词结果对应的特定类型将所述分词结果标记为特定类型的词片。

5.根据权利要求1-4任意一项所述的方法,其特征在于,所述计算所述多个语法树的语法特征与所述用户问句的问句特征的相似度,根据所述相似度确定目标语法树,包括:

提取所述多个语法树的语法特征和所述用户问句的问句特征;

计算所述语法特征与所述问句特征的相似度得分,根据所述相似度得分对所述多个语法树进行排序,得到所述多个语法树的排序结果;

从排序结果选取最大相似度得分或者超过预设阈值的相似度得分对应的语法树作为目标语法树。

6.根据权利要求5所述的方法,其特征在于,提取所述多个语法树的语法特征和所述用户问句的问句特征,包括:

将所述语法树的子节点转换为子节点词向量,将所述语法树的子节点词向量输入已训练的第一特征提取模型中进行提取,得到根节点词向量;其中,所述第一特征提取模型通过使用递归神经网络算法训练得到;

将所述根节点词向量作为所述语法树的语法特征;

将所述用户问句输入已训练的第二特征提取模型中进行提取,得到问句向量;其中,所述第二特征提取模型通过使用循环神经网络算法训练得到;

将所述问句向量作为所述用户问句的问句特征。

7.根据权利要求1-4任意一项所述的方法,其特征在于,在所述将所述目标语法树转化为查询语句,并在知识图谱中执行所述查询语句,得到用户问句答复之后,还包括:

将所述用户问句答复返回终端,以使所述终端展示所述用户问句答复。

8.一种问答处理装置,其特征在于,所述装置包括:

问句获取模块,用于接收用户问句答复指令,根据所述用户问句答复指令获取用户问句;

构建树模块,用于使用所述用户问句构建多个语法树;

目标树确定模块,用于计算所述多个语法树的语法特征与所述用户问句的问句特征的相似度,根据所述相似度确定目标语法树,其中,将所述语法树的子节点转换为子节点词向量,将所述语法树的子节点词向量输入已训练的第一特征提取模型中进行提取,得到根节点词向量,将所述根节点词向量作为所述语法树的语法特征;

语句执行模块,用于将所述目标语法树转化为查询语句,并执行所述查询语句,得到用户问句答复。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳追一科技有限公司,未经深圳追一科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910428635.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top