[发明专利]一种问询函生成方法、系统及其装置

权利要求书

1.一种问询函生成方法，其特征在于，包括：

获取目标生成模型，所述目标生成模型由历史问询函和历史招股书对初始生成模型进行机器学习训练得到，所述目标生成模型中保存有用于生成目标问询函的规则字典，所述历史问询函与所述历史招股书具有对应关系，且所述历史问询函根据所述历史招股书生成，所述规则字典通过对历史问询函和历史招股书进行机器学习并结合人工经验得到；

获取目标招股书的文本向量；

将所述目标招股书的文本向量输入所述目标生成模型，所述目标生成模型根据所述规则字典输出所述目标招股书对应的目标问询函。

2.根据权利要求1所述的问询函生成方法，其特征在于，在所述获取目标生成模型之前，所述方法还包括：

获取所述历史问询函和所述历史招股书，并运用文本向量算法获取所述历史问询函和所述历史招股书的文本向量；

将所述历史问询函和所述历史招股书的文本向量作为训练样本输入所述初始预测模型，使用所述训练样本对所述初始生成模型进行机器学习训练得到所述目标生成模型，所述目标生成模型中保存有所述规则字典。

3.根据权利要求1所述的问询函生成方法，其特征在于，所述规则字典通过对历史问询函和历史招股书进行机器学习并结合人工经验得到包括：

运用分类算法将所述历史问询函分解为问询背景段落和问询问题段落，并识别所述问询问题段落中包含的细分问题，其中，一个审核要点对应至少一个所述问询背景段落和至少一个所述问询问题段落，同一所述审核要点对应的所述问询背景段落和所述问询问题段落具有关联关系；

确定所述细分问题对应的审核要点，其中，一个所述审核要点对应至少一个所述细分问题，并形成表示所述审核要点和所述细分问题的对应关系的第一目录；

获取所述细分问题中包含的关键词，将所述关键词作为所述细分问题的问询方向；

对每个所述审核要点对应的所述细分问题按照问询方向分别进行聚类，得到表示所述审核要点、所述问询方向和所述细分问题的对应关系的第二目录，其中，一个所述审核要点对应至少一个所述问询方向，一个所述问询方向对应至少一个所述细分问题；

将所述细分问题输入至神经网络算法模型生成问题模板，并得到表示所述审核要点、所述问询方向和所述问题模板的对应关系的第三目录，其中，一个所述审核要点对应至少一个所述问询方向，一个所述问询方向对应至少一个所述问题模板；

根据所述细分问题确定所述审核要点的触发条件，得到表示所述审核要点、所述问询方向、所述问题模板和所述触发条件的对应关系的第四目录，所述触发条件用来判断是否要对所述审核要点进行问询；

对所述问询背景段落和所述历史招股书进行机器学习获得用于生成所述问询背景段落的摘要改写规则；

所述规则字典包括所述第四目录和所述摘要改写规则。

4.根据权利要求3所述的问询函生成方法，其特征在于，所述获取所述细分问题中包含的关键词，将所述关键词作为所述细分问题的问询方向包括：

对所述细分问题进行基于词的粒度的分词匹配得到预处理分词集合，运用文本向量算法和文本分类算法对所述预处理分词集合进行处理得到关键词种子词库；

对所述关键词种子词库进行基于人工经验的近义词词典进行扩充得到关键词词库；

或者对所述关键词种子词库运用文本向量算法计算词语的相似度对所述关键词种子词库进行扩充，得到所述关键词词库；

根据所述关键词词库获取所述细分问题中包含的关键词，将所述关键词作为所述细分问题的问询方向。

5.根据权利要求3所述的问询函生成方法，其特征在于，所述将所述细分问题输入至神经网络算法模型生成问题模板包括：

运用文本向量算法获取所述细分问题的文本向量，将所述细分问题的文本向量作为训练样本输入初始文本识别模型进行机器学习训练，得到目标文本识别模型，所述目标文本识别模型中保存有所述细分问题中的实体文本、属性文本和属性值文本的识别方法；

将所述细分问题中的所述实体文本、所述属性文本和所述属性值文本替换为占位符，得到所述问题模板。