CN111695354A - 基于命名实体的文本问答方法、装置及可读存储介质 - Google Patents

基于命名实体的文本问答方法、装置及可读存储介质 Download PDF

Info

Publication number
CN111695354A
CN111695354A CN202010434262.4A CN202010434262A CN111695354A CN 111695354 A CN111695354 A CN 111695354A CN 202010434262 A CN202010434262 A CN 202010434262A CN 111695354 A CN111695354 A CN 111695354A
Authority
CN
China
Prior art keywords
answer
question
text
corpus
answering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010434262.4A
Other languages
English (en)
Inventor
郝新东
王科强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010434262.4A priority Critical patent/CN111695354A/zh
Priority to PCT/CN2020/098956 priority patent/WO2021151271A1/zh
Publication of CN111695354A publication Critical patent/CN111695354A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295Named entity recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35Clustering; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/049Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Machine Translation (AREA)

Abstract

本发明涉及人工智能技术,揭露了一种基于命名实体的文本问答方法,包括:接收用户输入的咨询文本,对所述咨询文本执行命名实体识别得到实体文本集;获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集,从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集,将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。本发明还提出一种基于命名实体的文本问答装置、电子设备以及计算机可读存储介质。本发明可以解决文本回答过程计算量大,回答效果差的问题。

Description

基于命名实体的文本问答方法、装置及可读存储介质
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于命名实体的文本问答的方法、装置、电子设备及可读存储介质。
背景技术
随着近年大数据以及人工智能技术在各行各业的普及与发展,各行各业的智能场景层出不穷,其中问答系统为主要的智能场景代表。
目前问答系统主要有下述两种:一、以词向量转变方法为基础,先将用户输入文本转变为词向量,并计算与词库的文本向量在空间距离的大小,并选择空间距离最小的词库文本完成问答;二、以深度学习模型为基础完成问答。其中第一种以词向量转变方法为基础的问答系统,由于方法简单往往答非所问无法满足当前场景的要求,而第二种以深度学习模型为基础的问答系统虽然可满足当前场景的要求,但由于深度学习模型需要进行大量的数据计算,若多个用户同时使用问答系统时,由于计算量高,问答系统往往不能及时响应,时效性较差。
发明内容
本发明提供一种基于命名实体的文本问答方法、装置、电子设备及计算机可读存储介质,其主要目的解决文本回答过程计算量大,回答效果差的问题。
为实现上述目的,本发明提供的一种基于命名实体的文本问答方法,包括:
接收用户输入的咨询文本,对所述咨询文本执行命名实体识别得到实体文本集;
获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集;
从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集;
将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。
可选地,将所述回答文本集进行切分及编码操作,得到问答编码集,包括:
根据预构建的切分词典,对所述回答文本集执行切分操作得到问答词组集;
对所述问答词组集执行所述编码操作得到问答编码集。
可选地,根据预构建的切分词典,对所述回答文本集执行切分操作得到问答词组集,包括:
步骤Ⅰ:提取所述回答文本集内每个回答文本;
步骤Ⅱ:按照预设的切分规则,对所述回答文本进行切分得到回答切分词;
步骤Ⅲ:判断所述回答切分词在所述切分词典是否出现,若所述回答切分词在所述切分词典不出现,返回步骤Ⅱ;
步骤Ⅳ:若所述回答切分词在所述切分词典出现,继续对所述回答文本进行切分,直至所述回答文本集提取完成得到所述问答词组集。
可选地,该方法还包括训练所述深度学习问答模型,其中所述训练包括:
步骤A:根据预先设定的网络组合权重函数,对多组长短期记忆网络进行组合得到待训练深度学习问答模型,并获取问答训练集和问答标签集,将所述问答训练集输入至所述待训练深度学习问答模型;
步骤B:计算每组长短期记忆网络之间的关联权重得到关联权重集;
步骤C:对所述关联权重集的进行加权求和及激活处理得到问答预测集;
步骤D:计算所述问答预测集和所述问答标签集的误差值,若所述误差值大于预设的误差阈值,根据预构建的优化函数,重新计算每组长短期记忆网络之间的关联权重得到关联权重集,并返回步骤C;
步骤E:若所述误差值小于或等于所述误差阈值,得到训练完成的所述深度学习问答模型。
可选地,所述对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集,包括:
对所述问答语料集执行命名实体识别得到问答实体集;
根据所述问答实体集所包括的问答实体,对所述问答语料集进行文本划分得到多个所述问答语料子集。
为了解决上述问题,本发明还提供一种基于命名实体的文本问答装置,所述装置包括:
实体文本计算模块,用于接收用户输入的咨询文本,对所述咨询文本执行命名实体识别,得到实体文本集;
问答语料计算模块,用于获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集;
编码模块,用于从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集;
回答文本计算模块,用于将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。
根据预先设定的网络组合权重函数,对多组长短期记忆网络进行组合得到待训练深度学习问答模型,并获取问答训练集和问答标签集,将所述问答训练集输入至所述待训练深度学习问答模型;
计算每组长短期记忆网络之间的关联权重得到关联权重集;
对所述关联权重集的进行加权求和及激活处理得到问答预测集;
计算所述问答预测集和所述问答标签集的误差值;
在所述误差值小于或等于预设的误差阈值时,得到训练完成的深度学习问答模型。
可选地,所述编码模块装置具体用于:
提取所述回答文本集内每个回答文本;
按照预设的切分规则,对所述回答文本进行切分得到回答切分词;
所述回答切分词在预构建的切分词典中出现时,对所述回答文本进行切分,直至所述回答文本集提取完成得到所述问答词组集。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的基于命名实体的文本问答方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于命名实体的文本问答方法。
本发明实施例先将接收到的咨询文本进行命名实体识别得到实体文本集,命名实体识别操作可将咨询文本变为包括人名、地名、机构名、专有名词等的实体文本集,第一次缩小了数据量;同时将获取到的问答语料集执行命名实体识别操作,进行第二次缩小数据量;另外,将完成命名实体识别得到的回答文本集进行编码输入至深度学习问答模型,由于深度学习问答模型相比于传统的词向量转变方法,计算得到的回答文本更精确,因此本发明解决文本回答过程计算量高,时效性较差的问题。
附图说明
图1为本发明一实施例提供的基于命名实体的文本问答方法的流程示意图;
图2为本发明一实施例提供的基于命名实体的文本问答方法中S3的详细流程示意图;
图3为本发明一实施例提供的基于命名实体的文本问答装置的模块示意图;
图4为本发明一实施例提供的实现基于命名实体的文本问答方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于命名实体的文本问答方法。参照图1所示,为本发明一实施例提供的基于命名实体的文本问答方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,所述基于命名实体的文本问答方法包括:
S1、接收用户输入的咨询文本,对所述咨询文本执行命名实体识别,得到实体文本集。
所述命名实体识别(Named Entity Recognition,简称NER)又称作“专名识别”,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。本发明实施例中可采用当前已公开的斯坦福识别模型(Stanford Named Entity Recognizer,简称为SNER)对所述咨询文本数据执行命名实体识别。所述斯坦福识别模型是一种以Java编程语言实现的命名实体识别程序。
如用户输入的咨询文本A为:“我糖尿病多年,最近在武汉的医院看病,可是效果不太好,所以想知道,北京的医院,对糖尿病是否有更好的治疗手段”,利用上述的斯坦福识别模型,对咨询文本A执行命名实体识别,从而得到“糖尿病”、“武汉”、“医院”、“北京”等实体文本集。
S2、获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集。
本发明实施例可以采用多种方式获取所述问答语料集,比如利用爬虫手段从网络中爬取相关的文本数据并整理得到问答语料集,采用当前已公开并可下载的公开语料集,如国家语委现代汉语语料库、近代汉语标记语料库等。
由于所述问答语料集一般数量庞大,若直接利用所述问答语料集进行文本问答,需要进行遍历查找与用户输入的咨询文本对应的回答文本,因此,会占用大量的计算资源,难以达到预期要求,因此本发明实施例对获取到的问答语料集进行命名实体识别及命名实体划分处理。
进一步地,所述S2包括:对所述问答语料集执行命名实体识别,得到问答实体集,根据所述问答实体集所包括的问答实体,对所述问答语料集进行文本划分,得到多个问答语料子集。
详细地,此步骤中的命名实体识别的识别模型可采用S1所述的斯坦福识别模型,同样也可采用其他识别模型对所述问答语料集进行识别。
由于问答语料集中包括多组语料,每组语料所包括的问答实体不尽相同,如语料A_1为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民医院”,则语料A_1所包括问答实体为“糖尿病”、“武汉”“武汉第一人民医院”,以此类推得到语料A_2包括的问答实体“肺炎”、“天津”,以及语料A_3包括的问答实体“北京”、“糖尿病”等,因此需要通过每组语料所包括的问答实体进行命名实体划分,从而得到具有相同问答实体的多个问答语料子集,如“糖尿病”的问答语料子集为语料A_1和语料A_3,“肺炎”的问答语料子集为A_2等。
S3、从所述多个问答语料子集中提取与咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集。
经过S2步骤的处理,本发明实施例已将问答语料集按照命名实体的不同划分为多个问答语料子集,但由于很多问答语料子集完全不符合用户输入的咨询文本,因此需要从多个问答语料子集中提取与咨询文本相关的问答语料子集,组成回答文本集,并同时将文本集的数据进行编码得到以词向量为基础的编码集。
进一步地,所述S3请参阅图2的详细流程示意图,包括:
S31、从多个所述问答语料子集中选择与所述实体文本集对应的问答语料子集,组成回答文本集;
如上述“糖尿病”的问答语料子集为语料A_1和语料A_3,“肺炎”的问答语料子集为A_2等,但由于用户关心的是“糖尿病”而非“肺炎”,因此去除关于“肺炎”的问答语料子集,从而得到与实体文本集对应的问答语料子集,进而组成回答文本集。
S32、根据预构建的切分词典,对所述回答文本集执行切分操作,得到问答词组集;
为了更好的将文本集的数据进行编码得到以词向量为基础的编码集,本发明先需要将所述回答文本集进行切分操作,以方便后续的编码。
详细地,所述S32包括:提取所述回答文本集内每个回答文本,按照预设的切分规则,对所述回答文本进行切分得到回答切分词,判断所述回答切分词在所述切分词典是否出现,若所述回答切分词在所述切分词典不出现,重新对所述回答文本进行切分,若所述回答切分词在所述切分词典出现,继续对所述回答文本进行切分,直至所述回答文本集提取完成得到所述问答词组集。
所述切分规格包括切分顺序、切分数量和切分公差,如语料A_1为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民医院”,预设切分顺序为逆向切分、切分数量为2个字、切分公差为2,则第一次切分语料A_1得到“医院”,判断在预构建的切分词典是否有“医院”,若有“医院”的话,则语料A_1变为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民”,并进行第二次切分得到“人民”,若在预构建的切分词典没有“医院”,则语料A_1依然为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民医院”,并根据切分公差为2得到“人民医院”,以此类推得到若干词组并汇总得到问答词组集。
S33、对所述问答词组集执行编码操作得到问答编码集。
在本发明实施例中,所述编码操作可采用Google的Word2vec工具或Huffman编码方法对所述问答词组集执行编码操作得到问答编码集。问答编码集一般为向量集,由于向量具有良好的语义特性,可用于表征各文本所具有的特征。
S4、将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。
详细地,该方法还包括训练所述深度学习问答模型,其中,所述训练包括:
步骤A:根据预先设定的网络组合权重函数,对多组长短期记忆网络进行组合,得到待训练深度学习问答模型,并获取问答训练集和问答标签集,将所述问答训练集输入至所述待训练深度学习问答模型;
步骤B:计算每组长短期记忆网络之间的关联权重得到关联权重集;
步骤C:对所述关联权重集的进行加权求和及激活处理得到问答预测集;
步骤D:计算所述问答预测集和所述问答标签集的误差值,若所述误差值大于预设的误差阈值,根据预构建的优化函数,重新计算每组长短期记忆网络之间的关联权重得到关联权重集,并返回步骤C;
步骤E:若所述误差值小于或等于所述误差阈值,得到训练完成的所述深度学习问答模型。
本发明实施例中,所述长短期记忆网络(Long-Short Term Memory,简称LSTM)是一种类神经网络,可以以时间长度记忆事件信息,从而完成分类及预测,其中长短期记忆网络包括输入处理状态、遗忘处理状态及输出处理状态。
较佳地,所述网络组合权重函数如下所示:
Ct=αt,1·h1+αt,2·h2+…αt,T·hT
上述函数中,hi表示长短期记忆网络,i为每组长短期记忆网络的编号,αt,i对应t时刻下第i个长短期记忆网络的组合权重。
进一步地,所述计算每组长短期记忆网络之间的关联权重得到关联权重集采用如下计算公式:
ut,i=Vitanh(Wihi+St)
其中,ut,i表示第i个长短期记忆网络的关联权重,Vi,Wi分别表示深度学习问答模型的内部参数,St表示在t时刻下对应的第i个长短期记忆网络的数据处理状态。
所述对所述关联权重集的进行加权求和及激活处理得到问答预测集之前,还包括,对所述关联权重集进行归一化处理。其中,所述归一化处理采用下述公式:
Figure BDA0002501077190000081
上述公式中,T表示所述关联权重集的数量总数,ut,i表示第i个长短期记忆网络的关联权重,at,i表示归一化后的第i个长短期记忆网络的关联权重。
进一步地,所述加权求和的计算公式为:
Figure BDA0002501077190000082
所述激活处理包括:
yt=f(St-1,[yt-1;Ct])
其中,f为预构建的激活函数,Ct表示加权求和后的数值,St-1表示t-1时刻下对应的第i个长短期记忆网络的数据处理状态,yt-1表示t-1时刻下的问答预测文本,yt为t时刻下的问答预测文本。
本发明优选实施例中,所述计算所述问答预测集和所述问答标签集的误差值可采用当前已公开的指数损失函数或平方损失函数等。
本发明实施例中,所述深度学习问答模型训练完成后,可直接接受问答编码集进行智能化的回答。例如,用户输入的咨询文本A为:“我糖尿病多年,最近在武汉的医院看病,可是效果不太好,所以想知道,北京的医院,对糖尿病是否有更好的治疗手段”,通过上述S1至S3处理得到编码文本输入至训练完成的深度学习问答模型后,可以得到类似于“相比于武汉和北京所有医院中,对糖尿病最权威的治疗为北京协和医院”的回答结果。
本发明实施例先将接收到的咨询文本进行命名实体识别得到实体文本集,命名实体识别操作可将咨询文本变为包括人名、地名、机构名、专有名词等的实体文本集,第一次缩小了数据量;同时将获取到的问答语料集执行命名实体识别操作,进行第二次缩小数据量;另外,将完成命名实体识别得到的回答文本集进行编码输入至深度学习问答模型,由于深度学习问答模型相比于传统的词向量转变方法,计算得到的回答文本更精确,因此本发明解决文本回答过程计算量高,时效性较差的问题。
如图3所示,是本发明基于命名实体的文本问答装置的功能模块图。
本发明所述基于命名实体的文本问答装置100可以安装于电子设备中。根据实现的功能,所述基于命名实体的文本问答装置可以包括实体文本计算模块101、问答语料计算模块102、编码模块103、回答文本计算模块104。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述实体文本计算模块101,用于接收用户输入的咨询文本,对所述咨询文本执行命名实体识别,得到实体文本集。
所述命名实体识别(Named Entity Recognition,简称NER)又称作“专名识别”,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。本发明实施例中所述实体文本计算模块101可采用当前已公开的斯坦福识别模型(Stanford NamedEntity Recognizer,简称为SNER)对所述咨询文本数据执行命名实体识别。所述斯坦福识别模型是一种以Java编程语言实现的命名实体识别程序。
如用户输入的咨询文本A为:“我糖尿病多年,最近在武汉的医院看病,可是效果不太好,所以想知道,北京的医院,对糖尿病是否有更好的治疗手段”,利用上述的斯坦福识别模型,对咨询文本A执行命名实体识别,从而得到“糖尿病”、“武汉”、“医院”、“北京”等实体文本集。
所述问答语料计算模块102,用于获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集。
本发明实施例所述问答语料计算模块102可以采用多种方式获取所述问答语料集,比如利用爬虫手段从网络中爬取相关的文本数据并整理得到问答语料集,采用当前已公开并可下载的公开语料集,如国家语委现代汉语语料库、近代汉语标记语料库等。
由于所述问答语料集一般数量庞大,若直接利用所述问答语料集进行文本问答,需要进行遍历查找与用户输入的咨询文本对应的回答文本,因此,会占用大量的计算资源,难以达到预期要求,因此本发明实施例利用所述问答语料计算模块102对获取到的问答语料集进行命名实体识别及命名实体划分处理。
详细地,所述问答语料计算模块102具体用于:对所述问答语料集执行命名实体识别,得到问答实体集,根据所述问答实体集所包括的问答实体,对所述问答语料集进行文本划分,得到多个问答语料子集。
优选地,所述问答语料计算模块102中采用的命名实体识别的识别模型可以是上述所述的斯坦福识别模型,同样也可采用其他识别模型对所述问答语料集进行识别。
由于问答语料集中包括多组语料,每组语料所包括的问答实体不尽相同,如语料A_1为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民医院”,则语料A_1所包括问答实体为“糖尿病”、“武汉”“武汉第一人民医院”,以此类推得到语料A_2包括的问答实体“肺炎”、“天津”,以及语料A_3包括的问答实体“北京”、“糖尿病”等,因此所述问答语料计算模块102需要通过每组语料所包括的问答实体进行命名实体划分,从而得到具有相同问答实体的多个问答语料子集,如“糖尿病”的问答语料子集为语料A_1和语料A_3,“肺炎”的问答语料子集为A_2等。
所述编码模块103,用于从所述多个问答语料子集中提取与咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集。
本发明实施例已将问答语料集按照命名实体的不同划分为多个问答语料子集,但由于很多问答语料子集完全不符合用户输入的咨询文本,因此需要利用所述编码模块103从多个问答语料子集中提取与咨询文本相关的问答语料子集,组成回答文本集,并同时将文本集的数据进行编码得到以词向量为基础的编码集。
详细地,所述编码模块103具体用于:从多个所述问答语料子集中选择与所述实体文本集对应的问答语料子集,组成回答文本集;根据预构建的切分词典,对所述回答文本集执行切分操作,得到问答词组集;对所述问答词组集执行编码操作得到问答编码集。
如上述“糖尿病”的问答语料子集为语料A_1和语料A_3,“肺炎”的问答语料子集为A_2等,但由于用户关心的是“糖尿病”而非“肺炎”,因此去除关于“肺炎”的问答语料子集,从而得到与实体文本集对应的问答语料子集,进而组成回答文本集。
为了更好的将文本集的数据进行编码得到以词向量为基础的编码集,本发明先需要将所述回答文本集进行切分操作,以方便后续的编码。
详细地,具体地所述切分操作包括:提取所述回答文本集内每个回答文本,按照预设的切分规则,对所述回答文本进行切分得到回答切分词,判断所述回答切分词在所述切分词典是否出现,若所述回答切分词在所述切分词典不出现,重新对所述回答文本进行切分,若所述回答切分词在所述切分词典出现,继续对所述回答文本进行切分,直至所述回答文本集提取完成得到所述问答词组集。
所述切分规格包括切分顺序、切分数量和切分公差,如语料A_1为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民医院”,预设切分顺序为逆向切分、切分数量为2个字、切分公差为2,则第一次切分语料A_1得到“医院”,判断在预构建的切分词典是否有“医院”,若有“医院”的话,则语料A_1变为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民”,并进行第二次切分得到“人民”,若在预构建的切分词典没有“医院”,则语料A_1依然为:“在武汉所有的医院中,对糖尿病治疗的权威排名第一是武汉第一人民医院”,并根据切分公差为2得到“人民医院”,以此类推得到若干词组并汇总得到问答词组集。
在本发明实施例中,所述编码操作可采用Google的Word2vec工具或Huffman编码方法对所述问答词组集执行编码操作得到问答编码集。问答编码集一般为向量集,由于向量具有良好的语义特性,可用于表征各文本所具有的特征。
所述回答文本计算模块104,用于将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。
进一步地,本发明所述基于命名实体的文本问答装置100还包括模型训练模块105,用于:
根据预先设定的网络组合权重函数,对多组长短期记忆网络进行组合,得到待训练深度学习问答模型,并获取问答训练集和问答标签集,将所述问答训练集输入至所述待训练深度学习问答模型;
计算每组长短期记忆网络之间的关联权重得到关联权重集;
对所述关联权重集的进行加权求和及激活处理得到问答预测集;
计算所述问答预测集和所述问答标签集的误差值;
在所述误差值小于或等于预设的误差阈值时,得到训练完成的深度学习问答模型。
本发明实施例中,所述长短期记忆网络(Long-Short Term Memory,简称LSTM)是一种类神经网络,可以以时间长度记忆事件信息,从而完成分类及预测,其中长短期记忆网络包括输入处理状态、遗忘处理状态及输出处理状态。
较佳地,所述网络组合权重函数如下所示:
Ct=αt,1·h1t,2·h2+…αt,T·hT
上述函数中,hi表示长短期记忆网络,i为每组长短期记忆网络的编号,αt,i对应t时刻下第i个长短期记忆网络的组合权重。
进一步地,所述计算每组长短期记忆网络之间的关联权重得到关联权重集采用如下计算公式:
ut,i=Vitanh(Wihi+St)
其中,ut,i表示第i个长短期记忆网络的关联权重,Vi,Wi分别表示深度学习问答模型的内部参数,St表示在t时刻下对应的第i个长短期记忆网络的数据处理状态。
所述对所述关联权重集的进行加权求和及激活处理得到问答预测集之前,还包括,对所述关联权重集进行归一化处理。其中,所述归一化处理采用下述公式:
Figure BDA0002501077190000131
上述公式中,T表示所述关联权重集的数量总数,ut,i表示第i个长短期记忆网络的关联权重,at,i表示归一化后的第i个长短期记忆网络的关联权重。
进一步地,所述加权求和的计算公式为:
Figure BDA0002501077190000132
所述激活处理包括:
yt=f(St-1,[yt-1;Ct])
其中,f为预构建的激活函数,Ct表示加权求和后的数值,St-1表示t-1时刻下对应的第i个长短期记忆网络的数据处理状态,yt-1表示t-1时刻下的问答预测文本,yt为t时刻下的问答预测文本。
本发明优选实施例中,所述计算所述问答预测集和所述问答标签集的误差值可采用当前已公开的指数损失函数或平方损失函数等。
本发明实施例中,所述深度学习问答模型训练完成后,可直接接受问答编码集进行智能化的回答。例如,用户输入的咨询文本A为:“我糖尿病多年,最近在武汉的医院看病,可是效果不太好,所以想知道,北京的医院,对糖尿病是否有更好的治疗手段”,通过上述S1至S3处理得到编码文本输入至训练完成的深度学习问答模型后,可以得到类似于“相比于武汉和北京所有医院中,对糖尿病最权威的治疗为北京协和医院”的回答结果。
本发明实施例先将接收到的咨询文本进行命名实体识别得到实体文本集,命名实体识别操作可将咨询文本变为包括人名、地名、机构名、专有名词等的实体文本集,第一次缩小了数据量;同时将获取到的问答语料集执行命名实体识别操作,进行第二次缩小数据量;另外,将完成命名实体识别得到的回答文本集进行编码输入至深度学习问答模型,由于深度学习问答模型相比于传统的词向量转变方法,计算得到的回答文本更精确,因此本发明解决文本回答过程计算量高,时效性较差的问题。
如图4所示,是本发明实现基于命名实体的文本问答方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于命名实体的文本问答程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于命名实体的文本问答程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于命名实体的文本问答程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图4示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于命名实体的文本问答程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
接收用户输入的咨询文本,对所述咨询文本执行命名实体识别得到实体文本集;
获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集;
从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集;
将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于命名实体的文本问答方法,其特征在于,所述方法包括:
接收用户输入的咨询文本,对所述咨询文本执行命名实体识别,得到实体文本集;
获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集;
从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集;
将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。
2.如权利要求1所述的基于命名实体的文本问答方法,其特征在于,所述将所述回答文本集进行切分及编码操作,得到问答编码集,包括:
根据预构建的切分词典,对所述回答文本集执行切分操作得到问答词组集;
对所述问答词组集执行所述编码操作得到问答编码集。
3.如权利要求2所述的基于命名实体的文本问答方法,其特征在于,所述根据预构建的切分词典,对所述回答文本集执行切分操作得到问答词组集,包括:
步骤Ⅰ:提取所述回答文本集内每个回答文本;
步骤Ⅱ:按照预设的切分规则,对所述回答文本进行切分得到回答切分词;
步骤Ⅲ:判断所述回答切分词在所述切分词典是否出现,若所述回答切分词在所述切分词典不出现,返回步骤Ⅱ;
步骤Ⅳ:若所述回答切分词在所述切分词典出现,继续对所述回答文本进行切分,直至所述回答文本集提取完成得到所述问答词组集。
4.如权利要求1所述的基于命名实体的文本问答方法,其特征在于,该方法还包括训练所述深度学习问答模型,其中所述训练包括:
步骤A:根据预先设定的网络组合权重函数,对多组长短期记忆网络进行组合得到待训练深度学习问答模型,并获取问答训练集和问答标签集,将所述问答训练集输入至所述待训练深度学习问答模型;
步骤B:计算每组长短期记忆网络之间的关联权重得到关联权重集;
步骤C:对所述关联权重集的进行加权求和及激活处理得到问答预测集;
步骤D:计算所述问答预测集和所述问答标签集的误差值,若所述误差值大于预设的误差阈值,根据预构建的优化函数,重新计算每组长短期记忆网络之间的关联权重得到关联权重集,并返回步骤C;
步骤E:若所述误差值小于或等于所述误差阈值,得到训练完成的所述深度学习问答模型。
5.如权利要求1至4中任意一项所述的基于命名实体的文本问答方法,其特征在于,所述对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集,包括:
对所述问答语料集执行命名实体识别得到问答实体集;
根据所述问答实体集所包括的问答实体,对所述问答语料集进行文本划分得到多个所述问答语料子集。
6.一种基于命名实体的文本问答装置,其特征在于,所述装置包括:
实体文本计算模块,用于接收用户输入的咨询文本,对所述咨询文本执行命名实体识别,得到实体文本集;
问答语料计算模块,用于获取问答语料集,并对所述问答语料集执行命名实体识别及命名实体划分,得到多个问答语料子集;
编码模块,用于从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集,组成回答文本集,并将所述回答文本集进行切分及编码操作,得到问答编码集;
回答文本计算模块,用于将所述问答编码集输入至预训练完成的深度学习问答模型中,得到所述咨询文本的回答文本。
7.如权利要求6所述的基于命名实体的文本问答装置,其特征在于,所述装置还包括模型训练模块,用于:
根据预先设定的网络组合权重函数,对多组长短期记忆网络进行组合得到待训练深度学习问答模型,并获取问答训练集和问答标签集,将所述问答训练集输入至所述待训练深度学习问答模型;
计算每组长短期记忆网络之间的关联权重得到关联权重集;
对所述关联权重集的进行加权求和及激活处理得到问答预测集;
计算所述问答预测集和所述问答标签集的误差值;在所述误差值小于或等于预设的误差阈值时,得到训练完成的深度学习问答模型。
8.如权利要求6所述的基于命名实体的文本问答装置,其特征在于,所述编码模块装置具体用于:
提取所述回答文本集内每个回答文本;
按照预设的切分规则,对所述回答文本进行切分得到回答切分词;
在所述回答切分词在预构建的切分词典中出现时,对所述回答文本进行切分,直至所述回答文本集提取完成得到所述问答词组集。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任意一项所述的基于命名实体的文本问答方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的基于命名实体的文本问答方法。
CN202010434262.4A 2020-05-20 2020-05-20 基于命名实体的文本问答方法、装置及可读存储介质 Pending CN111695354A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010434262.4A CN111695354A (zh) 2020-05-20 2020-05-20 基于命名实体的文本问答方法、装置及可读存储介质
PCT/CN2020/098956 WO2021151271A1 (zh) 2020-05-20 2020-06-29 基于命名实体的文本问答的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010434262.4A CN111695354A (zh) 2020-05-20 2020-05-20 基于命名实体的文本问答方法、装置及可读存储介质

Publications (1)

Publication Number Publication Date
CN111695354A true CN111695354A (zh) 2020-09-22

Family

ID=72478029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010434262.4A Pending CN111695354A (zh) 2020-05-20 2020-05-20 基于命名实体的文本问答方法、装置及可读存储介质

Country Status (2)

Country Link
CN (1) CN111695354A (zh)
WO (1) WO2021151271A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528010A (zh) * 2020-12-15 2021-03-19 建信金融科技有限责任公司 知识推荐方法、装置、计算机设备及可读存储介质
CN112989829A (zh) * 2021-02-10 2021-06-18 海尔数字科技(上海)有限公司 一种命名实体识别方法、装置、设备及存储介质
CN115270799A (zh) * 2022-09-27 2022-11-01 北京云迹科技股份有限公司 命名实体识别方法及装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113887930B (zh) * 2021-09-29 2024-04-23 平安银行股份有限公司 问答机器人健康度评估方法、装置、设备及存储介质
CN115292461B (zh) * 2022-08-01 2024-03-12 北京伽睿智能科技集团有限公司 基于语音识别的人机交互学习方法及系统
CN116662522B (zh) * 2023-07-28 2023-12-12 阿里巴巴达摩院(杭州)科技有限公司 问题答案推荐方法、存储介质和电子设备
CN116662523B (zh) * 2023-08-01 2023-10-20 宁波甬恒瑶瑶智能科技有限公司 一种基于gpt模型的生化知识问答方法、系统及存储介质
CN117235240B (zh) * 2023-11-14 2024-02-20 神州医疗科技股份有限公司 一种基于异步消费队列的多模型结果融合问答方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8311335B2 (en) * 2009-01-28 2012-11-13 Xerox Corporation Model-based comparative measure for vector sequences and word spotting using same
CN108846130B (zh) * 2018-06-29 2021-02-05 北京百度网讯科技有限公司 一种问题文本生成方法、装置、设备和介质
CN109299478A (zh) * 2018-12-05 2019-02-01 长春理工大学 基于双向长短期记忆神经网络的智能自动问答方法及系统
CN110297893B (zh) * 2019-05-16 2024-03-19 平安科技(深圳)有限公司 自然语言问答方法、装置、计算机装置及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528010A (zh) * 2020-12-15 2021-03-19 建信金融科技有限责任公司 知识推荐方法、装置、计算机设备及可读存储介质
CN112989829A (zh) * 2021-02-10 2021-06-18 海尔数字科技(上海)有限公司 一种命名实体识别方法、装置、设备及存储介质
CN112989829B (zh) * 2021-02-10 2024-03-08 卡奥斯数字科技(上海)有限公司 一种命名实体识别方法、装置、设备及存储介质
CN115270799A (zh) * 2022-09-27 2022-11-01 北京云迹科技股份有限公司 命名实体识别方法及装置

Also Published As

Publication number Publication date
WO2021151271A1 (zh) 2021-08-05

Similar Documents

Publication Publication Date Title
CN111695354A (zh) 基于命名实体的文本问答方法、装置及可读存储介质
CN112131366B (zh) 训练文本分类模型及文本分类的方法、装置及存储介质
CN110705301B (zh) 实体关系抽取方法及装置、存储介质、电子设备
CN112287069B (zh) 基于语音语义的信息检索方法、装置及计算机设备
CN113378970B (zh) 语句相似性检测方法、装置、电子设备及存储介质
CN113722483B (zh) 话题分类方法、装置、设备及存储介质
CN111581623B (zh) 智能数据交互方法、装置、电子设备及存储介质
CN113806508A (zh) 基于人工智能的多轮对话方法、装置及存储介质
CN113821622B (zh) 基于人工智能的答案检索方法、装置、电子设备及介质
CN112988963A (zh) 基于多流程节点的用户意图预测方法、装置、设备及介质
CN115238670B (zh) 信息文本抽取方法、装置、设备及存储介质
CN113515938A (zh) 语言模型训练方法、装置、设备及计算机可读存储介质
CN113657105A (zh) 基于词汇增强的医学实体抽取方法、装置、设备及介质
CN111475645B (zh) 知识点标注方法、装置及计算机可读存储介质
CN115221276A (zh) 基于clip的中文图文检索模型训练方法、装置、设备及介质
CN114662484A (zh) 语义识别方法、装置、电子设备及可读存储介质
CN113918704A (zh) 基于机器学习的问答方法、装置、电子设备及介质
CN114461777A (zh) 智能问答方法、装置、设备及存储介质
CN111931503B (zh) 信息抽取方法及装置、设备、计算机可读存储介质
CN116450829A (zh) 医疗文本分类方法、装置、设备及介质
CN112632264A (zh) 智能问答方法、装置、电子设备及存储介质
CN116881446A (zh) 一种语义分类方法、装置、设备及其存储介质
CN116383766A (zh) 基于多模态数据的辅诊方法、装置、设备及存储介质
CN116341646A (zh) Bert模型的预训练方法、装置、电子设备及存储介质
CN115346095A (zh) 视觉问答方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination