[发明专利]基于图神经网络的问题单分类方法、设备及存储介质

权利要求书

1.一种基于图神经网络的问题单分类方法，其特征在于，所述方法包括：

对输入的多个问题单样本进行分词处理，所述多个问题单样本为经过标注的问题单样本；

基于问题单词典生成每个问题单样本的特征向量，所述特征向量的维度为问题单词典中词的个数，特征向量的元素为问题单词典中每个词在对应的单个问题单样本中出现的次数的表征值；

针对每个问题单样本，提取问题单样本中的关键词生成每个问题单样本的关键词集合，计算问题单样本两两之间的相似性度量值；

以问题单样本的特征向量作为节点，以问题单样本两两之间的相似性度量值作为边，构建所述多个问题单样本对应的样本图数据结构；

基于构建的样本图数据结构，生成所述多个问题单样本对应的特征矩阵F和邻接矩阵A，其中特征矩阵F由样本图数据结构中所有节点组成，邻接矩阵由问题单样本两两之间的相似性度量值组成；

将特征矩阵F和邻接矩阵A作为图卷积神经网络模型的输入，对图卷积神经网络模型进行训练。

2.根据权利要求1所述的方法，其特征在于，

由问题单标题、问题描述和解决方案字段的内容拼接成问题单样本，在执行完对所述问题单样本的分词处理后，剔除所述问题单样本中与分类无关的字符。

3.根据权利要求1所述的方法，其特征在于，

基于预设的相似性度量值阈值确定所述样本图数据结构中两个节点之间是否存在边的连接关系，当两个节点之间的相似性度量值大于所述阈值则确定为存在边的关系，否则确定为不存在边的关系。

4.根据权利要求1所述的方法，其特征在于，在计算问题单样本两两之间的相似性度量值之前，所述方法还包括：

采用实体识别工具对问题单样本中的实体进行识别；

将问题单样本中与问题单分类无关的实体清洗掉；

采用词重要性度量工具提取问题单样本中预设数量的关键词生成所述每个问题单样本的关键词集合。

5.一种基于图神经网络的问题单分类方法，其特征在于，所述方法包括：

对输入的多个问题单进行分词处理；

基于问题单词典生成每个问题单的特征向量，所述特征向量的维度为问题单词典中词的个数，特征向量的元素为问题单词典中每个词在对应的单个问题单中出现的次数的表征值；

针对每个问题单，提取问题单中的关键词生成每个问题单的关键词集合，计算问题单两两之间的相似性度量值；

以问题单的特征向量作为节点，以问题单两两之间的相似性度量值作为边，构建所述多个问题单的问题单图数据结构；

基于构建的问题单图数据结构，生成所述多个问题单对应的特征矩阵和邻接矩阵，其中特征矩阵由问题单图数据结构中所有节点组成，邻接矩阵由问题单两两之间的相似性度量值组成；

将所述多个问题单对应的特征矩阵和邻接矩阵作为图卷积神经网络模型的输入，所述图卷积神经网络模型输出每个问题单的分类结果。

6.根据权利要求5所述的方法，其特征在于，

所述问题单由问题单标题、问题描述和解决方案字段的内容拼接成而成，在执行完对所述问题单的分词处理后，剔除所述问题单中与分类无关的字符。

7.根据权利要求5所述的方法，其特征在于，

基于预设的相似性度量值阈值确定所述问题单图数据结构中两个节点之间是否存在边的连接关系，当两个节点之间的相似性度量值大于所述阈值则确定为存在边的关系，否则确定为不存在边的关系。

8.根据权利要求5所述的方法，其特征在于，在计算问题单两两之间的相似性度量值之前，所述方法还包括：

采用实体识别工具对问题单中的实体进行识别；

将问题单中与问题单分类无关的实体清洗掉；

采用词重要性度量工具提取问题单中预设数量的关键词生成所述每个问题单的关键词集合。