[发明专利]在知识库中定位问题的方法及装置

说明书

本发明公开了一种在知识库中定位问题的方法及装置，其中该方法包括：获取用户的问题；将用户的问题到知识库中去匹配，得到与用户的问题相似的多个候选问题；对用户的问题和每一候选问题分别进行分词、去除停用词处理，并进行词向量表示，得到第一集合和多个第二集合；根据第一集合与多个第二集合，得到用户的问题与每一候选问题的杰卡德Jaccard相似系数；Jaccard相似系数为第一与第二集合的交集元素在第一与第二集合的并集元素中所占的比例；将Jaccard相似系数超过预设阈值对应的候选问题作为与用户的问题匹配的知识库问题。本发明可以在保证性能的前提下，提升在知识库中定位问题的准确率，进而提升用户体验。

技术领域

本发明涉及数据处理技术领域，尤其涉及在知识库中定位问题的方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着人工智能技术的发展，智能问答在生活中广泛应用。智能问答通过相似问模型对用户问题的打分值来选择要匹配的库内知识点。相似问模型由标准问和相似问的问题对语料训练而来，为了保证模型良好的泛化能力，在训练集上达不到100％拟合，从而出现用户问的问题与后台知识库中问题一模一样时，智能问答系统无法准确命中的现象，即无法准确在知识库中定位问题。

现有方案还有的采用传统的字符串匹配，去后台库里进行查询。字符串匹配效率低，一般知识库里存在上十万条问题，拿用户问题与库里问题进行匹配，耗时较长，无法满足智能问答的快速响应要求。

发明内容

本发明实施例提供一种在知识库中定位问题的方法，用以在保证性能的前提下，提升在知识库中定位问题的准确率，该方法包括：

获取用户的问题；

将用户的问题到知识库中去匹配，得到与用户的问题相似的多个候选问题；

对用户的问题进行分词、去除停用词处理，并进行词向量表示，得到第一集合；对每一候选问题进行分词、去除停用词处理，并进行词向量表示，得到多个第二集合；

根据第一集合与多个第二集合，得到用户的问题与每一候选问题的杰卡德Jaccard相似系数；所述Jaccard相似系数为第一集合与第二集合的交集元素在第一集合与第二集合的并集元素中所占的比例；

将Jaccard相似系数超过预设阈值对应的候选问题作为与用户的问题匹配的知识库问题；与用户的问题匹配的知识库问题用于匹配出答案提供给所述用户。

本发明实施例还提供一种在知识库中定位问题的装置，用以在保证性能的前提下，提升在知识库中定位问题的准确率，该装置包括：

获取单元，用于获取用户的问题；

匹配单元，用于将用户的问题到知识库中去匹配，得到与用户的问题相似的多个候选问题；

处理单元，用于对用户的问题进行分词、去除停用词处理，并进行词向量表示，得到第一集合；对每一候选问题进行分词、去除停用词处理，并进行词向量表示，得到多个第二集合；

Jaccard相似系数确定单元，用于根据第一集合与多个第二集合，得到用户的问题与每一候选问题的杰卡德Jaccard相似系数；所述Jaccard相似系数为第一集合与第二集合的交集元素在第一集合与第二集合的并集元素中所占的比例；

定位单元，用于将Jaccard相似系数超过预设阈值对应的候选问题作为与用户的问题匹配的知识库问题；与用户的问题匹配的知识库问题用于匹配出答案提供给所述用户。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述在知识库中定位问题方法。