[发明专利]一种基于概率推理的询问优化方法、系统和介质

说明书

本发明提出基于概率推理的询问优化方法、系统和介质，包括创建问答语料库，分别提取所述问答语料库中的询问文本和答复文本的特征信息，根据所述询问文本和所述答复文本的特征信息构建问答结构图；创建概率推理网络，将所述问答结构图输入所述概率推理网络，通过对所述概率推理网络的历史统计，估计对应网络节点的跳转概率；根据所述跳转概率，计算跳转到各问答结构图节点下，最终得到答案的概率，依据此概率选取最高概率推理网络节点对应的问答结构图节点，获取与所述问答结构图节点对应的询问文本特征信息；本发明可以有效提高咨询效率。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种基于概率推理的询问优化方法、系统和介质。

背景技术

对话模型往往是一问一答，上下文相关，句子长度不一样，即由一个文本序列转化成另一文本序列的模型，目前普遍应用seq2seq模型来实现，对话模型的智能不仅得益于其丰富且较为正规的语料，还有其中的损失评价函数问题。而领域知识中的咨询机器人往往基于知识库或者知识图谱的回答，对话流程的控制等同于实体节点的跳转。但是人在咨询领域知识时的表达更为多样，不同人的回答往往相差很大，语料质量往往比较差，且损失函数也没有很好地选择。

发明内容

鉴于以上现有技术存在的问题，本发明提出一种基于概率推理的询问优化方法、系统和介质，主要解决如何缩短咨询交流过程的问题。

为了实现上述目的及其他目的，本发明采用的技术方案如下。

一种基于概率推理的询问优化方法，包括：

创建问答语料库，分别提取所述问答语料库中的询问文本和答复文本的特征信息，根据所述询问文本和所述答复文本的特征信息构建问答结构图；

预设初始节点跳转概率，根据所述初始节点跳转概率创建概率推理网络，将所述问答结构图输入所述概率推理网络，通过所述概率推理网络的历史统计估计对应网络节点的跳转概率；

根据所述跳转概率，计算跳转到各问答结构图节点下，最终得到答案的概率，依据此概率选取最高概率推理网络节点对应的问答结构图节点，获取与所述问答结构图节点对应的询问文本特征信息。

可选地，所述特征信息包括文本实体、文本实体间的关系和文本实体的属性。

可选地，所述构建问答结构图，包括：

根据所述询问文本的特征信息构建询问结构图；

根据所述答复文本的特征信息构建答复结构图；

以所述询问结构图节点为父节点，以所述答复结构图的节点为子节点，创建问答结构图，所述父节点向所述子节点单向跳转。

可选地，所述通过所述概率推理网络的历史统计估计对应网络节点的跳转概率，包括：

所述概率推理网络每次跳转后生成跳转记录；

根据所述跳转记录统计经过多次问答结构图输入后，所述概率推理网络中对应节点经历的跳转次数；

根据所述跳转次数计算所述概率推理网络对应节点的跳转概率。

可选地，所述通过所述概率推理网络的历史统计估计对应网络节点的跳转概率之后，还包括：

将对应网络节点的跳转概率进行比较，获取比较结果；

根据所述比较结果，对所述问答结构图对应节点进行打分。

可选地，所述通过所述概率推理网络统计对应网络节点的跳转概率之后，还包括：

将邻近两次问答结构图输入后，将所述网络节点的跳转概率计算结果进行比较，以相比较大的概率值作为对应节点的跳转概率。

可选地，所述跳转概率表示为：