[发明专利]一种智能问答系统中答案抽取方法

说明书

本发明公开了一种智能问答系统中答案抽取方法，具体处理步骤如下：101）用户表示数据的建立步骤、102）数据处理步骤、103）答案抽取步骤；本发明对提取高质量专业的对应答案提供了可能，其数据获取更合理、精准，答案融合更科学、充分，并尽可能考虑各种可能的一种智能问答系统中答案抽取方法。

技术领域

本发明涉及文本提取技术领域，更具体的说，它涉及一种智能问答系统中答案抽取方法。

背景技术

智能问答系统允许用户利用自然语言的形式自由输入提问内容，系统能自动分析用户问题，并向用户返回一个精确、简洁的答案。相对于传统的答案获取方式，智能问答系统可为用户提供更加便捷的知识获取服务，将是未来智能化发展中人机交互的主要方式。无论是检索式还是生成式的智能问答系统，问答语料库都是系统中必不可少的一部分，为整个系统提供数据基础。实践证明问答语料库的质量将直接影响问答系统的性能。

某石化安全工程研究院因业务发展，亟需构建一个面向化工领域的智能问答系统。但是面向化工领域的问答语料库匮乏，人工构建需投入大量的人力物力，且建设周期长。因此利用化工领域问答社区中的问答信息，研究答案抽取技术，自动构建高质量的问答语料成为主要研究方向。

答案抽取技术是问答系统中非常重要的一环，问答社区中问答是由用户产生的，由于缺乏控制措施，再加上问答社区中的用户在知识水平上的局限性和自身的主观性，导致问答社区中的答案存在可靠性低、冗余度高等问题。在问答社区中，最佳答案一般通过用户给予或点赞来获得，但是对于问答社区中的单一答案通常只是涵盖了完整答案的一部分，并不能完全满足用户的提问需求，这使问答社区中的许多答案片面、不完备。故怎么从答案中抽取出相应的子句并合成高质量的，用户满意的答案，是重点要解决的问题。

发明内容

本发明为从问答社区中提取高质量专业的对应答案提供了可能，其数据获取更合理、精准，答案融合更科学、充分，并尽可能考虑各种可能的一种智能问答系统中答案抽取方法。

本发明的技术方案如下：

一种智能问答系统中答案抽取方法，具体处理步骤如下：

101)用户表示数据的建立步骤：设定一个异质信息网络G＝(V,E)，其包含对象集合V和连接集合E，一个根据该异质网络生成的元路径p:根据如下公式的分布生成元路径的游走路径P：

其中，n_t是游走路径中的第t个节点，v的类型为A_t，是具有A_t+1类型的节点v的一阶邻域集；

元路径的序列中包括用户节点和问题节点，去除元路径序列中的问题节点；设定游走路径的长度阈值，游走路径将重复遵循元路径的模式直到达到预定义的长度阈值，完成用户表示数据的建立；

102)数据处理步骤：将问答数据进行文本特征提取，并对其中答案的质量进行预测；答案的质量预测采用因子分解机，通过两两特征组合，将特征与特征之间的关联联系起来，构建交叉项特征，以此来判断问答数据的匹配价值，提高数据处理模型的效果；

设定预测答案质量的训练模型数据D＝(X,y)，其中，X∈R^n×r表示当前数据集D有n个实例，每个实例由一个维度为r的稀疏向量组成，y∈Rⁿ则表示n个实例对应的真实标签，(X_i,y_i)表示第i个实例X_i对应标签为y_i；

因子分解机能够对输入数据集D＝(X,y)不同特征间的交互进行分解建模，其d阶交互模型表示为如下公式：