[发明专利]一种基于孪生网络BERT模型的智能问答匹配方法及系统

权利要求书

1.一种基于孪生网络BERT模型的智能问答匹配方法，其特征在于，所述方法包括以下步骤：

S1：收集问题和答案作为数据集；

S2：对所述数据集中的问题进行分词操作，获得智能问答语料库；

S3：将智能问答语料库导入数据库，在数据库中建立词语对应问题的倒排索引；

S4：获取用户问题，将用户问题分词后得到的每个词语放入数据库中检索得到若干候选问题；

S5：分别利用编辑距离、TF-IDF和word2vec三种算法得出用户问题与每个候选问题的字面相似度得分，并利用基于孪生网络的BERT模型得出用户问题与每个候选问题的语义相似度得分；

S6：将所述S5中得到的字面相似度得分和语义相似度得分输入逻辑回归模型，得到最终得分，将最终得分最高的候选问题作为最相似问题，从数据库中检索最相似问题对应的答案，完成智能问答匹配。

2.根据权利要求1所述的一种基于孪生网络BERT模型的智能问答匹配方法，其特征在于，所述S1具体包括：

收集问题和答案，根据关键词词典将问题和答案中的关键词别称改写为标准表述方式，将改写后的问题和答案作为数据集。

3.根据权利要求1所述的一种基于孪生网络BERT模型的智能问答匹配方法，其特征在于，所述S2具体包括：

利用结巴分词工具对所述数据集中的问题进行分词、过滤停用词，获得智能问答语料库，所述智能问答语料库包括词语、问题和答案。

4.根据权利要求1所述的一种基于孪生网络BERT模型的智能问答匹配方法，其特征在于，所述S4具体包括：

利用结巴分词工具对用户问题进行分词、过滤停用词，将用户问题分词后得到的每个词语放入数据库中检索得到若干候选问题。

5.根据权利要求1所述的一种基于孪生网络BERT模型的智能问答匹配方法，其特征在于，所述S5具体包括：

基于编辑距离算法获得用户问题与每个候选问题的字面相似度得分；

基于TF-IDF算法分别获得用户问题和每个候选问题的词频向量，将用户问题的词频向量与每个候选问题的词频向量的余弦相似度作为字面相似度得分；

基于word2vec算法分别获得用户问题和每个候选问题的句向量，将用户问题的句向量与每个候选问题的句向量的余弦相似度作为字面相似度得分；

将用户问题分别与每个候选问题分别组合，同时输入基于孪生网络的BERT模型，两个BERT模型共享参数，采用平均池化策略，得到输入的两个问题的语义向量，将两个语义向量的余弦相似度作为语义相似度得分。

6.根据权利要求5所述的一种基于孪生网络BERT模型的智能问答匹配方法，其特征在于，所述编辑距离算法指两个字符串之间，由一个转成另一个所需要的最少编辑操作次数，次数越少则相似度越高。

7.根据权利要求1所述的一种基于孪生网络BERT模型的智能问答匹配方法，其特征在于，所述S6具体包括：

将3种字面相似度得分和语义相似度得分作为特征，对每一个特征乘以一个权重，训练逻辑回归模型，得到最终得分，将最终得分最高的候选问题作为最相似问题，从数据库中检索最相似问题对应的答案，完成智能问答匹配。