[发明专利]一种问答检索系统的同义词挖掘方法及装置

摘要

本发明涉及一种问答检索系统的同义词挖掘方法及装置，本发明通过对问答语料分类，按类别进行关键词提取，得到待处理关键词集，同时对垂直领域内的大语料进行词向量训练，并计算词向量的余弦相似度，得到当前类别关键词的广义相关词集合，然后进行词性筛选，得到缩略相关词集，再计算缩略相关词集合内的欧式距离，得到同义词对，并统计同义词对的共现频次，计算同义词的替换概率，最终根据同义词对替换后的检索召回结果，对不满足检索召回阈值的同义词对，进行反馈修正，较好的解决了同义词替换后的语义变形问题，提高了同义词挖掘的准确度以及问答对检索结果的准确性。

主权项

1.一种问答检索系统的同义词挖掘方法，其特征在于，包括如下步骤：(1)爬取和收集垂直领域不同类别的问答语料数据集A和该领域用于训练的大语料数据集B，并对不同类别的数据集A和数据集B进行数据预处理，得到关键词提取数据和训练数据；(2)对数据集A和数据集B进行词向量训练，提取文本中同义词的特征，挖掘大语料下的广义相关词，并利用词性对其进行筛选，得到缩略相关词，再采用分类挖掘方法，在同类别下挖掘同义词对，形成最终的同义词集；(3)提取同义词对的共现频次，并根据共现频次计算确定同义词替换的概率；(4)基于同义词集进行同义词替换，并检查检索召回结果，对不满足检索召回阈值的同义词对，进行反馈修正。