[发明专利]一种基于多模型融合的检索式智能问答方法及装置

权利要求书

1.一种基于多模型融合的检索式智能问答方法，其特征在于，包括：

对用户问句进行文本预处理，进行分词和命名实体识别，得到所述问句的分词结果和所述问句的实体标记；

将所述分词结果和实体标记经过规则分类器，匹配规则库中的规则，将所述规则对应的标准问和所述标准问的答案返回给用户。

2.根据权利要求1所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述匹配规则库中的规则，将规则对应的标准问和所述标准问的答案返回给用户，包括：

若匹配到规则库中的所述规则，则将所述规则对应的所述标准问和所述标准问的答案返回给用户；

若未匹配到规则库中的所述规则，则使用算法模型进行预测，通过在知识库中匹配到与用户问比较相似的相似问或标准问，并将所述标准问和标准问的答案返回给用户。

3.根据权利要求1所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述对用户问句进行文本预处理，至少包括：

使用BiLSTM+CRF模型，对所述用户问进行实体标注，找出所述用户问中的所有实体，并给出实体类型和得分；

根据所述用户问和所述实体类型和得分，生成句式。

4.根据权利要求2所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述规则为采用句式生成的方法，自动化生成规则。

5.根据权利要求1所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述匹配规则库中的规则前，采用Elasticsearch检索的方法，获取规则库。

6.根据权利要求4所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述自动化生成规则，包括：

标识命名实体；

代替所述命名实体，生成新的问句，得到规则。

7.根据权利要求1所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述匹配规则库中的规则，包括：

采用Elasticsearch检索，获取进一步精细检索需要的所述规则库；

根据所述预处理生成的句式，在所述规则库中进行规则匹配，若规则匹配所述规则，则直接返回所述规则对应的所述标准问；若未匹配到规则库中的所述规则，则使用算法模型分析。

8.根据权利要求7所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述使用算法模型分析，包括：改进的小样本分类算法、改进的文本分类算法、融合的算法模型。

9.根据权利要求8所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述改进的小样本分类算法，包括：

构建结构网络模型，其中，所述结构网络模型包括编码器模块、归纳模块和关系模块，将Text CNN模型作为所述编码器模块中的编码器，所述归纳模块使用动态路由归纳算法做类别映射；所述关系模块使用神经张量层和激活函数RELU计算文本的得分，使用交叉熵作为损失函数；

通过所述损失函数中最小化损失函数，训练出算法模型，使用所述编码器模块的输出作为算法模型的输出，保存所述算法模型，所述算法模型的输入为一个所述标准问，输出为所述标准问的特征向量，将知识库中的所有标准问和相似问，输入到所述算法模型中，取所述编码器模块的输出结果作为所述标准问和相似问的特征向量，计算所述标准问和相似问的特征向量的平均值作为所述标准问的类向量，保存所述类向量到文件中；

用户问句通过所述算法模型预测，得到所述用户问句的特征向量，计算所述用户问句的特征向量与所述类向量的余弦距离，排序，取至少一个距离最小的所述余弦距离作为所述用户问句的相似标准问，并返回相似度得分。

10.根据权利要求8所述的一种基于多模型融合的检索式智能问答方法，其特征在于，所述改进的文本分类算法包括：结构网络模型构建、算法模型训练、算法模型预测，其中，所述算法模型训练中，使用语料增强的技术方式，增加训练语料。