[发明专利]一种多文档场景下问答方法及系统

说明书

本发明涉及一种多文档场景下问答方法，所述方法包括：对多个文档的文本信息进行编码，获得各所述文档的特征向量；对待回答问题进行编码，获得所述待回答问题的特征向量；根据各所述文档的特征向量和所述待回答问题的特征向量，确定与所述待回答问题接近的N个目标文档；从N个所述目标文档中抽取SPO三元组；根据所述SPO三元组构建知识图谱；根据所述待回答问题中实体与所述知识图谱中各节点之间的相似度，从所述知识图谱中抽取M个子图，所述M个子图构成证据图集合；利用分类器从所述证据图集合中获取目标证据图；根据所述目标证据图的节点获得待回答问题的目标答案。本发明提高了问答系统的准确性和稳定性。

技术领域

本发明涉及语言处理技术领域，特别是涉及一种多文档场景下问答方法及系统。

背景技术

智能问答系统的目的是自动为人们提供所需的信息，目前广泛应用于许多领域，如医疗、金融和电子商务中。大多数方法都集中在简单问题上，而对于复杂问题的解决一直是问答系统的挑战之一。随着互联网的广泛使用，大数据的应用成为可能，它成为了获取信息的最佳来源之一，并加速了多种问答系统的开发。目前准确高效的问答系统可以根据人们的日常需求智能提出多种解决方案并让用户进行选择，对于个人、企业和政府来说都有积极意义。

随着深度学习的快速发展，近年来出现了基于文本的端到端问答系统，该系统在回答复杂问题方面取得了较好的性能，具有良好的鲁棒性。该系统通常可以分解为三个子任务:问题分析、文档重新溯源和答案生成：在问题分析上，目前常用的思路是依靠大规模的监督阅读理解数据，这些数据可以学习阅读真实的文档和回答复杂的问题，而事先对语言结构几乎一无所知。而在选取文档和答案生成方面，目前主要采取的方案是基于循环神经网络对文章进行语义概括并从中选取和问题有关的文章作为知识来源，然后通过比较与问题的语义相似度来得出答案。然而，基于文本的端到端问答系统也有一个很明显的弱点，即缺乏可解释性，即当问答系统根据训练好的模型给出答案时并不能同时给出推导过程，这一点对于某些精密性要求很高的领域如医学来说是不可接受的。

近些年，随着知识图谱概念的流行，许多基于知识图谱的问答系统构造也被提出。这类问答系统对于一个给定的自然语言问题，主要通过语义解析来解决该问题，然后利用构建好的知识图谱进行查询和推理以得到答案。该类方法根据知识图谱的结构特点，通过输出与问题和答案相关的子图来提供答案的可解释性。基于知识图谱的问答系统可分为三类。第一种基于语义解析，其主要思想是将自然语言转换为一系列逻辑形式，将整个问题表达为语义，然后通过查询语言在知识图中查询，找到答案。这些方法依赖于从自然语言到逻辑形式的语义解析的第一步，存在错误传递的问题，导致模型性能差，召回率低。同时，这些方法的精确匹配降低了反射系数。第二种基于信息提取，该方法提取问题中的实体，并查询知识图谱，得到以该实体为中心的子图。子图中的每个节点或边都可以用作候选答案。虽然这种方法可以提高召回率，但由于依赖于自然语言与知识图谱之间的映射，仍然受到图谱不完备性的限制。第三种基于向量建模，问题和候选答案嵌入在分布式表示中。通过训练数据对分布的代表进行训练，使问题的向量表示和正确答案的得分尽可能高。这种类型的方法有效地避免了语义解析中的错误，提高了模型的性能。然而，这些方法仍然受到图谱不完备性的限制，降低了模型的可解释性。

近年来，大数据正逐渐普及，并且人们对于便利获取信息的需求不断增长，智能问答系统变得越来越重要。目前，大部分的手机平台和大型互联网企业都在研发智能化的问答系统，智能问答系统可以根据人们的输入自动分析问题并且为人们找到理想化的答案，大大地减少人们在办公中的时间成本。对于问答系统而言，其最重要的工作主要分为两个方面：对于用户需求的分析以及根据需求对于信息源的抽取。对于用户提问的分析主要依靠的是自然语言处理方面的知识，而近些年对于符合需求的信息的抽取则主要采用深度学习等方法。随着模型的进步，在问答方面的准确率也在逐渐提高，但是如今深度学习问答最大的问题就是对于推导过程的模糊性，导致相关模型一直收到质疑。

发明内容

基于此，本发明的目的是提供一种多文档场景下问答方法及系统，提高了问答系统的准确性和稳定性。