[发明专利]一种答案生成方法及设备

说明书

本发明公开了一种答案生成方法及设备，所述方法包括：获得输入文本，所述输入文本用于表征用户问题；对所述输入文本进行应答处理，获得与所述输入文本对应的应答文本；通过评价模型对所述应答文本进行准确度评价，如果评价为所述应答文本的准确度满足特定条件，根据所述应答文本确定与所述输入文本对应的输出文本；其中，所述输出文本用于表征与所述用户问题对应的问题答案；所述评价模型由生成对抗网络根据标准实体关系对训练获得，本方法通过评价模型对应答文本进行评价，使输出文本在满足内容上更加准确的情况下，句式上能够更加多样，提高了输出文本的多样性、智能性与针对性。

技术领域

本发明涉及文本处理技术领域，尤其涉及一种答案生成方法及设备。

背景技术

答案生成是一个将源文本映射到目标文本过程。通常应用在智能客服领域和其他领域，可用于将对应用户询问的源文本映射到答案文本，以解答用户的询问。目前常见的答案生成方式是利用神经网络自动生成的方式将源文本编码为一个语义向量，然后对语义向量进行解码，逐词生成得到对应文本。但是，由于神经网络的训练是数据驱动的，生成过程中会被大量其他数据影响导致生成文本的内容不可控，影响生成文本的准确性。

发明内容

本发明实施例提供了一种答案生成方法及设备，具有生成准确性较高的答案的特点。

本发明实施例一方面提供一种答案生成方法，所述方法包括：获得输入文本，所述输入文本用于表征用户问题；对所述输入文本进行应答处理，获得与所述输入文本对应的应答文本；通过评价模型对所述应答文本进行准确度评价，如果评价为所述应答文本的准确度满足特定条件，根据所述应答文本确定与所述输入文本对应的输出文本；其中，所述输出文本用于表征与所述用户问题对应的问题答案；所述评价模型由生成对抗网络根据标准实体关系对训练获得。

在一可实施方式中，所述通过评价模型对所述应答文本进行准确度评价，包括：通过评价模型对所述应答文本进行关系抽取，生成预测实体关系对；对所述预测实体关系和所述标准实体关系对进行重合度比较，获得关系重合度，所述关系重合度用于表征所述应答文本的准确度。

在一可实施方式中，所述通过评价模型对所述应答文本进行关系抽取，生成预测实体关系对，包括：以实体为抽取单位对所述应答文本进行信息抽取，获得至少一个实体名称和与所述实体名称对应的实体属性；通过评价模型对所述实体名称和实体属性进行预测，获得与所述实体名称和实体属性对应的属性关系；根据所述实体名称、实体属性和属性关系生成预测实体关系对。

在一可实施方式中，在通过评价模型对所述应答文本进行准确度评价之前，所述方法还包括：以实体为抽取单位对与所述用户问题对应的标准答案进行信息抽取，获得标准实体名称、标准实体属性和标准属性关系；将所述标准实体名称、标准实体属性和标准属性关系确定为标准实体关系对；通过所述标准实体关系对训练基于生成对抗网络的多类别多标签关系分类器，获得评价模型。

在一可实施方式中，所述将所述标准实体名称、标准实体属性和标准属性关系确定为标准实体关系对，包括：根据与所述标准实体名称具有一致性的标准实体属性和标准属性关系确定标准正样本对；根据与所述标准实体名称不具有一致性的标准实体属性和标准属性关系确定第一标准负样本对；根据与所述标准实体属性不具有一致性的标准实体名称和标准属性关系确定第二标准负样本对；将所述第一标准负样本对、所述第二标准负样本对和所述标准正样本对确定为标准实体关系对。

在一可实施方式中，所述如果所述应答文本的准确度满足特定条件，根据所述应答文本确定与所述输入文本对应的输出文本，包括：判断所述应答文本的准确度是否满足设定阈值；当所述应答文本的准确度满足设定阈值的情况下，将所述应答文本确定为与所述输入文本对应的输出文本。

在一可实施方式中，对所述输入文本进行应答处理，获得与所述输入文本对应的应答文本，包括：通过答案生成模型对输入文本进行答案预测，生成应答文本；其中，所述答案生成模型由生成对抗网络根据标准答案训练获得。