[发明专利]问答应用中相似问题确定方法、装置、电子设备

权利要求书

1.一种问答应用中相似问题确定方法，其特征在于，包括：

获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；

对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率；

根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题。

2.根据权利要求1所述的方法，其特征在于，所述通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率的步骤，包括：

确定所述领域信息的向量表示，以及，确定所述用户问题与所述扩展问题的相似度向量表示；

通过预先训练的神经网络模型，对所述领域信息的所述向量表示和所述相似度向量表示进行特征融合和映射处理，得到所述扩展问题与所述用户问题的相似概率。

3.根据权利要求2所述的方法，其特征在于，所述确定所述领域信息的向量表示的步骤，包括：

通过预设语言编码模型对所述领域信息进行特征映射，得到所述领域信息的向量表示；或者，

以所述领域信息为索引值，检索预先存储的领域信息-向量表示映射关系表，确定所述领域信息的向量表示。

4.根据权利要求2所述的方法，其特征在于，所述确定所述用户问题与所述扩展问题的相似度向量表示的步骤，包括：

通过预设相似度识别模型确定所述用户问题的第一语义向量表示，以及，确定所述扩展问题的第二语义向量表示；

根据所述第一语义向量表示和所述第二语义向量表示之间的距离，确定所述用户问题与所述扩展问题的相似度向量表示。

5.根据权利要求2所述的方法，其特征在于，所述预先训练的神经网络模型包括多头自注意力机制网络和分类网络，所述通过预先训练的神经网络模型，对所述领域信息的所述向量表示和所述相似度向量表示进行特征融合和映射处理，得到所述扩展问题与所述用户问题的相似概率的步骤，包括：

通过多头注意力机制网络，由所述领域信息的所述向量表示对所述相似度向量表示的多个不同的向量表示子空间进行特征增强和映射，得到融合所述领域信息、所述扩展问题和所述用户问题的融合向量；

通过所述分类网络对所述融合向量进行向量映射，得到所述扩展问题与所述用户问题的相似概率。

6.根据权利要求2所述的方法，其特征在于，所述通过预先训练的神经网络模型，对所述领域信息的所述向量表示和所述相似度向量表示进行特征融合和映射处理，得到所述扩展问题与所述用户问题的相似概率的步骤之前，还包括：

基于领域信息、所述领域信息对应领域内的相似问题对构造正样本；以及，基于领域信息、所述领域信息对应领域内的不相似问题对构造负样本；

基于所述正样本和负样本，训练所述神经网络模型。

7.一种问答应用中相似问题确定装置，其特征在于，包括：

问题信息及领域信息获取模块，用于获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；

扩展问题对相似概率确定模块，用于对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率；

相似问题确定模块，用于根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题。

8.根据权利要求7所述的装置，其特征在于，所述扩展问题对相似概率确定模块，进一步包括：

领域信息向量确定子模块，用于确定所述领域信息的向量表示；

扩展问题对相似向量确定子模块，用于确定所述用户问题与所述扩展问题的相似度向量表示；

相似概率确定子模块，用于通过预先训练的神经网络模型，对所述领域信息的所述向量表示和所述相似度向量表示进行特征融合和映射处理，得到所述扩展问题与所述用户问题的相似概率。