[发明专利]一种基于企业实体的智能问答方法及装置

权利要求书

1.一种基于企业实体的智能问答方法，应用于服务器，其特征在于，所述方法包括：

识别用户输入问句中的目标企业实体；

基于企业实体与企业知识库的对应关系，获得所述目标企业实体对应的最终企业实体；

确定所述最终企业实体的属性集合，并将所述属性集合作为所述目标企业实体的候选答案集合；

基于MV-LSTM模型，确定所述用户输入问句与所述属性集合中的每个属性的匹配值，并将最大匹配值对应的属性作为所述用户输入问句的最终答案。

2.根据权利要求1所述方法，其特征在于，所述基于企业实体与企业知识库的对应关系，获得所述目标企业实体对应的最终企业实体，包括：

对所述目标企业实体进行实体消歧处理，基于企业实体与企业知识库的对应关系，获得所述目标企业实体对应的第一候选企业实体集合；

确定所述第一候选企业实体集合中每个企业实体的流行度；

确定所述第一候选企业实体集合中每个企业实体与所述目标企业实体的相似度，将所述相似度由大到小排序，确定相似度结果大的K个企业实体作为第二候选企业实体集合；

将所述第二候选企业实体集合中的每个企业实体的相似度和流行度线性加权，确定所述线性加权后值最大的企业实体为所述目标企业实体对应的最终企业实体。

3.根据权利要求2所述方法，其特征在于，所述对所述目标企业实体进行实体消歧处理之前，所述方法还包括：

采用完全匹配方法，判断所述企业知识库中是否有与所述目标企业实体完全匹配的企业实体，如果是，则将所述匹配的企业实体作为所述目标企业实体对应的最终企业实体；

如果否，则根据简称或品牌名与企业全称的对应关系，判断所述企业知识库中是否有与所述目标企业实体对应的企业实体，如果是，则将所述对应的企业实体作为所述目标企业实体对应的最终企业实体；

如果否，执行所述对所述目标企业实体进行实体消歧处理步骤。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于MV-LSTM模型，确定所述用户输入问句与所述属性集合中的每个属性的匹配值，并将最大匹配值对应的属性作为所述用户输入问句的最终答案，包括：

将所述用户输入问句和所述属性集合分别进行Embedding向量化处理；

将向量化后的用户输入问句和属性集合分别输入到双向的LSTM网络结构，得到每个时刻t的隐层输出并将该时刻的双向隐层输出拼接后得到分别使用Cosine函数、双线性函数和Tensor函数计算问句和属性的对应隐层输出的任意两个时间步之间相似度值，三个相似度函数计算所得的相似值分别构成三个相似矩阵M_m×n。

对所述三个相似矩阵分别使用K-Max Pooling提取所述相似矩阵M_m×n的关键匹配特征；

将提取的三个相似度矩阵的关键匹配特征使用全连接层连接和线性转换计算得分，将计算所的分值确定为所述用户输入问句与所述属性集合中的每个属性的匹配值；

将最大匹配值对应的属性作为所述用户输入问句的最终答案。

5.根据权利要求4所述方法，其特征在于，所述识别用户输入问句中的目标企业实体，包括：

基于BiLSTM-CRF模型，识别用户输入问句中的目标企业实体。

6.根据权利要求5所述方法，其特征在于，所述基于BiLSTM-CRF模型，识别用户输入问句中的目标企业实体，包括：

将所述用户输入问句内的各个单字向量化后输入到BiLSTM-CRF模型中，获得各个单字的标签；

采用维特比算法计算出最大概率的标签序列；

根据所述标签序列，确定所述用户输入问句中的目标企业实体。

7.根据权利要求6所述方法，其特征在于，所述企业实体的属性包括但不限于以下属性的一种或几种：

公司类型、企业地址、经营范围、所属行业、注册资本，股东信息、对外投资和一致行动人。