[发明专利]一种基于深度学习辅助生成相似问句的方法

权利要求书

1.一种基于深度学习辅助生成相似问句的方法，其特征在于，包括以下步骤：

S1：在客服系统中进行知识库建表，根据客服系统中的历史问法，对问句进行分词、倒排索引后，存入到开源软件中；

S2：对初始问句进行预处理，并在开源软件中进行搜索，返回topN的历史问法，生成拓展问句；

S3：将拓展问句输入到第一深度学习模型中进行处理；

S4：采用第一深度学习模型来判断拓展问句属于哪类标准问题，最后根据结果进行打标；

S5：将所述拓展问句作为初始问句来重复步骤S2~S4，将生成的拓展问句的信息传入到第二深度学习模型中以判断拓展问句是否和初始问句属于同一类标准问题；

所述步骤S4中的第一深度学习模型为多分类bert模型，所述步骤S5中的第二深度学习模型为二分类bert模型；

所述多分类bert模型和的二分类bert模型均由bert预训练中文模型微调而来，具体为：在知识库中，对拓展问句分词后进行特征提取，利用bert预训练中文模型进行编码，将对应的标准问题进行one-hot编码，作为模型训练的输出数据，对bert预训练中文模型进行微调，获得多分类bert模型和的二分类bert模型；

所述步骤S4中的多分类模型对拓展问句进行处理的过程为：所述拓展问句输入到多分类bert模型中，进行softmax操作，选取概率最大的分数所对应的标签，并设定域值，判断是否接受这个拓展问句，在重复步骤S2~S4的过程中，后一次生成的拓展问句，设定的域值要比前一次高；

所述拓展问句的信息包括拓展问句的文本、分数以及所述拓展问句第几次生成的。

2.根据权利要求1所述的基于深度学习辅助生成相似问句的方法，所述二分类bert模型的输出层采用cross entry作为损失函数，以进行模型训练，输出当前的拓展问句是否和初始问句属于同一类标准问题。

3.根据权利要求1所述的基于深度学习辅助生成相似问句的方法，其特征在于，所述步骤S5中的重复步骤共进行3次。