[发明专利]一种问句自动生成方法及系统

说明书

本发明公开了一种问句自动生成方法，包括对原始数据进行语义向量初始化，得到数据语义初始化向量序列；根据数据语义初始化向量序列确定待提问目标的位置；对数据语义初始化向量序列和待提问目标的位置进行语义编码，得到数据语义编码加强后的向量序列；根据数据语义编码加强后的向量序列，确定问句类型；根据数据语义编码加强后的向量序列和问句类型，生成与待提问目标和问句类型相符合的问句。还公开了一种系统，包括数据初始化模块、位置确定模块、编码获取模块、问句类型选择模块和问句生成模块。本发明给定一个待提问的数据源，能自动生成高质量的与之相符合的问句，不受限于语法和语义的中间表示、转换规则或模板且不需要人工干预。

技术领域

本发明涉及数据挖掘和数据处理技术领域，具体的说，是一种问句自动生成方法及问句生成系统。

背景技术

随着互联网的高速推进，对话系统，智慧教育等领域得到了极大的发展，人们对更流畅的对话过程以及挖掘有价值的问句有了进一步的要求。问句自动生成作为问答系统的一个逆向任务，具备提供大规模高质量问答对的潜质从而为问答系统提供流畅的问句回复；在智慧教育领域中，问句自动生成可以发掘有价值的待提问目标，同时生成与之相符合的问句，从而可以作为知识衡量评价的重要一环。

问句自动生成旨在发掘文本中待提问的目标，然后据此生成有价值的问句。现有技术中，问句自动生成的主流方法有基于规则的方法和基于神经网络的方法两类。

基于规则的方法通常根据数据源的特点，将输出语句转换为语法结构表示，利用结构表示匹配预先设计好的模板以语法和语义为依托，首先应用语法或语义解析，以获取中间符号表示；然后再问句生成部分采用transformation-或template-based方法将中间表示转换为自然语言问题。Transformation-based方法重排输入语句的表达形式(surfacefrom)以生成问句；Template-based方法从预定义的问句模板来生成问句。该方法实现简单，可定制，但同时问句的表示受限于语法和语义的中间表示、转换规则或模板；模板需要预定义，需要人工干预；依赖于词的句法角色，而非语义角色。

基于神经网络的方法主要利用深度学习中的Seq2Seq技术，自动生成问句。其允许在一个统一的框架里联合优化多个不同的问题，在此框架中，传统的parsing-based内容选择策略被attention机制和copy机制等更灵的方式替换；另外，问句生成完全数据驱动，相对于transformation规则不要求更多的人力，且比问句模板更具备语言灵活性(languageflexibility)。该方法无需预定义模块，鲁棒性较好，但是，其纯粹的基于编码解码端到端的方法，通常生成的问句与待提问目标无关或者问句类型不符合，生成问句的语言质量、问题质量仍有大量的提升空间。

发明内容

本发明的目的在于提供一种问句自动生成方法及系统，用于解决现有技术中基于规则的方法受限于语法和语义的中间表示、转换规则或模板以及需要人工干预的问题，以及基于神经网络的方法存在生成的问句与待提问目标无关或者问句类型不相符合的现象。

本发明通过下述技术方案解决上述问题：

一种问句自动生成方法，包括：

步骤S100：对原始数据进行语义向量初始化，得到数据语义初始化向量序列；

步骤S200：根据所述数据语义初始化向量序列确定待提问目标的位置；

步骤S300：对所述数据语义初始化向量序列和待提问目标的位置进行语义编码，得到数据语义编码加强后的向量序列；

步骤S400：根据所述数据语义编码加强后的向量序列和待提问目标的编码向量信息，确定问句类型；

步骤S500：根据所述数据语义编码加强后的向量序列和问句类型，生成与待提问目标和问句类型相符合的问句。

可选地，所述步骤S100具体包括：