CN112559769B - 问答数据库的生成方法和装置 - Google Patents
问答数据库的生成方法和装置 Download PDFInfo
- Publication number
- CN112559769B CN112559769B CN202011479586.6A CN202011479586A CN112559769B CN 112559769 B CN112559769 B CN 112559769B CN 202011479586 A CN202011479586 A CN 202011479586A CN 112559769 B CN112559769 B CN 112559769B
- Authority
- CN
- China
- Prior art keywords
- question
- keywords
- level
- sample
- questions
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004927 fusion Effects 0.000 claims description 12
- 230000036651 mood Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- PNDPGZBMCMUPRI-HVTJNCQCSA-N 10043-66-0 Chemical compound [131I][131I] PNDPGZBMCMUPRI-HVTJNCQCSA-N 0.000 description 89
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 12
- 229910052740 iodine Inorganic materials 0.000 description 12
- 239000011630 iodine Substances 0.000 description 12
- 206010020850 Hyperthyroidism Diseases 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 210000001685 thyroid gland Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- XMBWDFGMSWQBCA-RNFDNDRNSA-M iodine-131(1-) Chemical compound [131I-] XMBWDFGMSWQBCA-RNFDNDRNSA-M 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明实施例公开了一种问答数据库的生成方法和装置。其中,所述方法包括:获取样本信息,其中,所述样本信息包括:至少一个样本问题,以及与各所述样本问题对应的样本答案;基于各所述样本问题,确定至少一个初始关键词;基于各所述初始关键词,确定至少两级提问关键词,其中,至少两级关键词的后一级提问关键词基于前一级提问关键词确定,所述后一级提问关键词包括前一级提问关键词;基于包含各级提问关键词的样本问题,以及与所述样本问题对应的样本答案,生成问答数据库。以实现对用户提问的问题有针对的回答,提高问答准确性的效果。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种问答数据库的生成方法和装置。
背景技术
随着互联网的发展,用户在生活或工作中碰到一些问题时,会在网络进行提问,以得到答案,故此,一些智能问答数据库也运用而生。
目前,现在的问答数据库中具有很多问题以及该问题所对应的答案,用户在网络上进行提问时,智能问答数据库会对针对用户提问的问题在其数据库中进行匹配,当用户提问的问题匹配到数据库中的问题时,则将数据库中该问题的答案反馈给用户。但是智能问答数据库在针对用户提供的问题进行匹配时,与数据库中的问题可能匹配不精准,这样数据库返回的答案也就不能对用户提问的问题进行有效的解答,即问答准确性低。
发明内容
本发明实施例提供一种问答数据库的生成方法和装置,以实现对用户提问的问题有针对的回答,提高问答准确性的效果。
第一方面,本发明实施例提供了一种问答数据库的生成方法,该方法包括:
获取样本信息,其中,所述样本信息包括:至少一个样本问题,以及与各所述样本问题对应的样本答案;
基于各所述样本问题,确定至少一个初始关键词;
基于各所述初始关键词,确定至少两级提问关键词,其中,至少两级关键词的后一级提问关键词基于前一级提问关键词确定,所述后一级提问关键词包括前一级提问关键词;
基于包含各级提问关键词的样本问题,以及与所述样本问题对应的样本答案,生成问答数据库。
第二方面,本发明实施例还提供了一种问答数据库的生成装置,该装置包括:
样本信息获取模块,用于获取样本信息,其中,所述样本信息包括:至少一个样本问题,以及与各所述样本问题对应的样本答案;
初始关键词确定模块,用于基于各所述样本问题,确定至少一个初始关键词;
各级关键词确定模块,用于基于各所述初始关键词,确定至少两级提问关键词,其中,至少两级提问关键词的后一级提问关键词基于前一级提问关键词确定,所述后一级提问关键词包括前一级提问关键词;
问答数据库生成模块,用于基于包含各级提问关键词的样本问题,以及与所述样本问题对应的样本答案,生成问答数据库。
本发明实施例的技术方案,通过对获取的样本信息中的各样本问题,确定至少一个初始关键词,基于各初始关键词,确定至少两级提问关键词,其中,至少两级关键词的后一级提问关键词基于前一级提问关键词确定,后一级提问关键词包括前一级提问关键词,基于包含各级提问关键词的样本问题,以及与样本问题对应的样本答案,生成问答数据库,这样生成的问答数据库实现了对用户提问的问题有针对的回答,提高了问答准确性。
附图说明
图1是本发明实施例一中的问答数据库的生成方法的流程图;
图2是本发明实施例二中的问答数据库的生成方法的流程图;
图3是本发明实施例三中的问答数据库的生成方法的流程图;
图4是本发明实施例四中的问答数据库的生成方法的流程图;
图5是本发明实施例五中的问答数据库的生成方法的流程图;
图6是本发明实施例六中的问答数据库的生成装置的结构示意图;
图7是本发明实施例七中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的问答数据库的生成方法的流程图,本实施例可适用于生成一种对用户提问的问题有针对的回答,提高问答准确性的数据库的情况,该方法可以由数据库的生成装置来执行,该数据库的生成装置可以由软件和/或硬件来实现,该数据库的生成装置可以配置在电子计算设备上,具体包括如下步骤:
S110、获取样本信息,其中,样本信息包括:至少一个样本问题,以及与各样本问题对应的样本答案。
示例性的,样本信息可以是用于构建问答数据库的样本。
这里的样本信息可以包括:至少一个样本问题,以及与各样本问题对应的样本答案。
这里的样本问题可以是收集的用户问题,与各样本问题对应的样本答案可以是对收集的用户问题的解答的最好的一个答案。
在本发明实施例中,这里的要用户问题可以是从一些搜索软件等中获取到的,例如,可以是从百度知道和知乎等上收集到的。与各样本问题对应的样本答案即为在百度知道和知乎上与收集到的用户号问题对应的答案。
S120、基于各样本问题,确定至少一个初始关键词。
示例性的,初始关键词可以是对各样本问题进行预处理后,得到的至少一个词汇。
可选的,所述基于各样本问题,确定至少一个初始关键词,具体可以是:对于每个样本问题进行切词,将每个样本问题分成至少一个断句;将每个样本问题中的各断句中的预设词性的词语进行删除,得到至少一个初始关键词;其中,预设词性至少包括:副词、形容词和语气助词。
示例性的,预设词性可以是预先设置的词性,可选的,这里的预设词性至少包括:副词、形容词和语气助词。例如,可以是“吗”、“呢”、“嘞”、“非常”“的”和“好”等。
当获取到各样本问题后,对各样本问题进行切词,这样就将每个样本问题分成了至少一个断句,将每个样本问题中的各断句中的预设词性的词语删除,即可得到至少一个初始关键词。
具体的例如,以一个样本问题为“碘131治疗好不好呢”为例,对该样本问题进行切词,则形成“碘131”、“治疗”、“好”、“不好”和“呢”,在形成的各断句中将预设词性的词汇进行删除,即将“好”、“不好”和“呢”进行删除,得到初始关键词“碘131”和“治疗”。
S130、基于各初始关键词,确定至少两级提问关键词,其中,至少两级关键词的后一级提问关键词基于前一级提问关键词确定,后一级提问关键词包括前一级提问关键词。
示例性的,提问关键词可以是样本问题中的关键词汇,基于这些关键词汇可后续用于匹配用户提问的问题。
根据确定的各初始关键词,可确定至少两级提问关键词,在各级提问关键词中,后一级提问关键词基于前一级提问关键词确定,后一级提问关键词包括前一级提问关键词。
S140、基于包含各级提问关键词的样本问题,以及与样本问题对应的样本答案,生成问答数据库。
示例性的,确定了各级提问关键词后,将包含各级提问关键词的样本问题,以及与该包含各级提问关键词的样本问题对应的样本答案,生成问答数据库。
具体的,样本问题有“碘131是什么”、“碘131治疗是什么”,以及“哪些人群需要做甲状腺基因检测”,确定了一级提问关键词为“碘131”,则将包含该一级提问关键词的样本问题为“碘131是什么”和“碘131治疗是什么”,则将该“碘131是什么”和“碘131治疗是什么”的样本问题,以及与该“碘131是什么”和“碘131治疗是什么”的样本问题对应的样本答案一起生成问答数据库。
这样问答数据库中的问题包含至少两级关键词,这样后续在用户利用该生成的问答数据库寻求答案的时候,可精确匹配到要寻求答案的问题,并将要寻求的答案反馈给客户。解决了现有技术中的问答数据库中只有一级关键词,无法精确匹配到用户提问的问题的情况。
例如,现有技术中的问答数据库中只有一级提问关键词,比如只有一级提问关键词“碘131”,而本发明实施例中具有至少两级提问关键词,比如一级提问关键词“碘131”、二级提问关键词“碘131-治疗”,若此时用户提出问题“碘131治疗是什么”,则现有技术中的问答数据库中可能匹配到的问题是“碘131是什么”,即现有技术中的问答数据库给反馈回来的答案可能对应于“碘131是什么”的答案;然而本发明实施例中具有二级关键词“碘131-治疗”,则在用户提问“碘131治疗是什么”时,本发明实施例中的问答数据库可精确匹配到问题“碘131治疗是什么”的答案。这样提高了问答的精确性。
本发明实施例的技术方案,通过对获取的样本信息中的各样本问题,确定至少一个初始关键词,基于各初始关键词,确定至少两级提问关键词,其中,至少两级关键词的后一级提问关键词基于前一级提问关键词确定,后一级提问关键词包括前一级提问关键词,基于包含各级提问关键词的样本问题,以及与样本问题对应的样本答案,生成问答数据库,这样生成的问答数据库实现了对用户提问的问题有针对的回答,提高了问答准确性。
实施例二
图2为本发明实施例二提供的问答数据库的生成方法的流程图,本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中,可选的,所述基于各所述初始关键词,确定至少两级提问关键词,包括:计算各初始关键词在各样本问题中出现的总次数确定第一级提问关键词;对于除第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
如图2所示,本发明实施例的方法具体包括如下步骤:
S210、获取样本信息,其中,样本信息包括:至少一个样本问题,以及与各样本问题对应的样本答案。
S220、基于各样本问题,确定至少一个初始关键词。
S230、计算各初始关键词在各样本问题中出现的总次数确定第一级提问关键词。
示例性的,第一级提问关键词是基于各初始关键词在各样本问题中出现的总次数来确定的提问关键词。
在本发明实施例中,当确定出各初始关键词后,具体的可以是利用词频大于阈值和tf-idf技术来获取第一级提问关键词。
在本发明实施例中,具体的可以是计算出各初始关键词在每个样本问题中出现的次数,统计各初始关键词在各样本问题中出现的总次数,将总次数大于预设阈值的初始关键词挑选出来作为第一级提问关键词。
S240、对于除第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
示例性的,候选提问关键词可以是由各级提问关键词与各初始关键词所组成的组合形成的提问关键词。
如下表格1所示,表格最上面一行是第一级提问关键词,表格最左边一列是初始关键词,表格中的a11、a12、……、a104是对应的第一级提问关键词与初始关键词所组成的候选提问关键词在各样本问题中出现的总次数,表格中的“—”表示无意义。
需要说明的是,在表格1中最上面的那一行的第一级提问关键词中,前一个第一级提问关键词在各样本问题中的出现的总次数大于后一个第一级提问关键词在各样本问题中的出现的总次数,即最上面一行的第一级提问关键词在各样本问题中的出现的总次数的大小关系为:碘131>甲亢>禁碘>甲状腺>基因。
表格1
碘131 | 甲亢 | 禁碘 | 甲状腺 | 基因 | |
碘131 | — | a12 | a13 | a14 | a15 |
为什么 | a21 | a22 | a23 | a24 | a25 |
价值 | a31 | a32 | a33 | a34 | a35 |
注意 | a41 | a42 | a43 | a44 | a45 |
人群 | a51 | a52 | a53 | a54 | a55 |
甲亢 | a61 | — | a63 | a64 | a65 |
禁碘 | a71 | a72 | — | a74 | a75 |
甲状腺 | a81 | a82 | a83 | — | a85 |
安全 | a91 | a92 | a93 | a94 | a95 |
基因 | a101 | a102 | a103 | a104 | — |
对于除第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合可得到候选提问关键词,基于候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
对于某一个第二级提问关键词而言,例如,将二级提问关键词“碘131-为什么”与初始关键词“注意”进行组成可形成候选提问关键词,根据该候选提问关键词在各样本问题中出现的总次数,可确定候选级别的提问关键词。
需要说明的是,对于某一个第一级提问关键词而言,将第一级提问关键词与各初始关键词组合也可形成候选提问关键词,以该候选提问关键词可确定二级提问关键词,例如,对于第一级提问关键词“碘131”与初始提问关键词“为什么”可组成候选提问关键词“碘131-为什么”,根据候选关键词“碘131-为什么”在各样本问题中出现的总次数,可确定该候选提问关键词“碘131-为什么”是否可作为二级关键词。
可选的,所述基于候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词,包括:将候选提问关键词在各样本问题中出现的总次数大于等于预设次数阈值的候选提问关键词确定为各级提问关键词。
示例性的,预设次数阈值可以是预先设置的次数阈值。
在得到候选提问关键词后,根据候选提问关键词在各样本问题中出现的总次数与预设次数阈值的比较,确定各级提问关键词。具体的可以是将在各样本问题中出现的总次数大于等于预设次数阈值的候选提问关键词作为各级提问关键词。
具体的,如上述表格1所示,最上面一行为第一级提问关键词,最左边一列为初始关键词,计算各第一级提问关键词与各初始关键词所组成的候选提问关键词在各样本问题中出现的总次数(如表中的a11、a12、……、a104),将总次数大于等于预设次数阈值的第一级关键词与初始关键词所组成的候选提问关键词抽取出来作为第二级提问关键词。
同样的,在确定出第二级提问关键词后,将表格1中的最上面一行替换为各第二级提问关键词,表格1最左边一列的初始关键词不变,将各第二级提问关键词分别与各初始关键词进行组合形成候选提问关键词,计算各第二级提问关键词分别与各初始关键词进行组合形成各候选提问关键词在各样本问题中的出现的总次数,将总次数大于等于预设次数阈值的第二级关键词与初始关键词所组成的候选提问关键词抽取出来作为第三级提问关键词。
依照上述方法,依次确定其他级别的提问关键词,这样即可得到各级提问关键词。
这里利用前一级提问关键词与各初始关键词组合形成候选提问关键词,将候选提问关键词中在各样本问题中出现的总次数大于等于预设次数阈值的候选提问关键词抽取出来,确定各级提问关键词,这样可精确确定各级提问关键词,保证后一级提问关键词包含前一级提问关键词,这样以便后续用户在利用构建的问答数据库寻求详细问题的答案时,问答数据库可根据提问的详细问题时,可精确对应到问题所对应的答案。
需要说明的是,在确定完各级提问关键词后,还需要把包含各级提问关键词的样本问题抽取出来,与各级提问关键词相对应。
例如,对于第二级提问关键词“碘131-治疗”而言,还需把包含第二级提问关键词“碘131-治疗”的样本问题抽取出来,比如,包含第二级提问关键词“碘131-治疗”的样本问题有:“碘131治疗是什么”和“碘131治疗效果如何”,这样样本问题:“碘131治疗是什么”和“碘131治疗效果如何”为第二级提问关键词“碘131-治疗”所对应的样本问题。
在本发明实施例中,为了避免无限循环的确定各级提问关键词,即在确定到了第五级提问关键词后,还继续确定后一级提问关键词,甚至是后m级提问关键词,可在确定各级提问关键词之前,预先设置一个最大级别n,这样当确定到第n级提问关键词后,就不再确定第n+1级提问关键词。
具体的,上述的n的值可根据用户需求自行设定,这里不做限定,只要是可有效的将各样本问题的各级提问关键词进行区分开来就可以。
S250、基于包含各级提问关键词的样本问题,以及与样本问题对应的样本答案,生成问答数据库。
本发明实施例的技术方案,通过利用前一级提问关键词与各初始关键词组合形成候选提问关键词,将候选提问关键词中在各样本问题中出现的总次数大于等于预设次数阈值的候选提问关键词抽取出来,确定各级提问关键词,这样可精确确定各级提问关键词,保证后一级提问关键词包含前一级提问关键词,这样以便后续用户在利用构建的问答数据库寻求详细问题的答案时,问答数据库可根据提问的详细问题时,可精确对应到问题所对应的答案。
实施例三
图3为本发明实施例三提供的问答数据库的生成方法的流程图,本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中,可选的,在确定各级提问关键词之后,所述方法还包括:对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题。
如图3所示,本发明实施例的方法具体包括如下步骤:
S310、获取样本信息,其中,样本信息包括:至少一个样本问题,以及与各样本问题对应的样本答案。
S320、基于各样本问题,确定至少一个初始关键词。
S330、计算各初始关键词在各样本问题中出现的总次数确定第一级提问关键词。
S340、对于除第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
S350、对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题。
示例性的,当确定了各级提问关键词后,需对各级提问关键词进行去重,这是因为可能存在这样一种情况:在一个等级的提问关键词中,两个提问关键词相同的情况,这种情况下,要将其中一个提问关键词进行剔除,以此来更新各级提问关键词,以及包含更新后的各级提问关键词的样本问题。
这样可保证各级提问关键词中的提问关键词均为不同的提问关键词,确定后续问答数据库的简洁。
可选的,所述对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题,包括:对于除第一级提问关键词外的各级提问关键词,如果同一级别中两个提问关键词中的词汇相同,则舍弃两个提问关键词中的任意一个提问关键词,以更新各级提问关键词;对于包含更新后的各级提问关键词的样本问题,在包含前一级提问关键词的样本问题中删除包含后一级提问关键词的样本问题,将保留的仅包含前一级提问关键词的样本问题作为前一级提问关键词所对应的样本问题,以更新包含更新后的各级提问关键词的样本问题。
示例性的,对除第一级提问关键词外的各级提问关键词,如果同一级别中两个提问关键词中的词汇相同,则舍弃两个提问关键词中的任意一个提问关键词,以更新各级提问关键词。
例如,以第二级提问关键词为例进行说明,对于第二级提问关键词“碘131-治疗”和“治疗-碘131”,这两个均为第二级提问关键词,但这两个第二级提问关键词是一样的,所以要将其中一个进行剔除,以此来更新各级提问关键词,以及包含更新后的各级提问关键词的样本问题。
在本发明实施例中,如果同一级别中两个提问关键词中的词汇相同,在舍弃两个提问关键词中的任意一个提问关键词,以更新各级提问关键词时,优选的是将该级别提问关键词中所包含的上一级提问关键词在各样本问题中出现的总次数大的那个提问关键词保留。
需要说明的是,对于除第一级提问关键词外的各级提问关键词,其由至少两个词汇组成,由于后一级提问关键词由前一级提问关键词和初始关键词组成,因此,对于某一级提问关键词而言,其最后一个词汇为初始关键词,初始关键词之前的为当前级别的提问关键词的前一级提问关键词。
例如,对于第二级关键词“碘131-治疗”而言,最后的一个词汇“治疗”为初始关键词,“治疗”之前的“碘131”为第一级提问关键词。再例如,对于第三级提问关键词“碘131-治疗-注意”,则最后一个词汇“注意”为初始关键词,“注意”之前的“碘131-治疗”为第二级提问关键词。
在本发明实施例中,以第二级提问关键词为例进行说明,对于第二级提问关键词“碘131-治疗”和“治疗-碘131”,这两个均为第二级提问关键词,但这两个第二级提问关键词是一样的,所以要将其中一个进行剔除,以此来更新各级提问关键词。在剔除其中一个提问关键词时,对于第二级提问关键词“碘131-治疗”和“治疗-碘131”而言,其所包含的第一级提问关键词分别为“碘131”和“治疗”,若对于第一级提问关键词“碘131”和“治疗”而言,“碘131”在各样本问题中出现的总次数大于“治疗”在各样本问题中出现的总次数,则保留的第二级提问关键词为“碘131-治疗”,即删除“治疗-碘131”。
各级提问关键词更新完成后,还需对包含各级提问关键词的样本问题进行更新。具体的更新方式可以是:对于包含更新后的各级提问关键词的样本问题,在包含前一级提问关键词的样本问题中删除包含后一级提问关键词的样本问题,将保留的仅包含前一级提问关键词的样本问题作为前一级提问关键词所对应的样本问题,以更新包含更新后的各级提问关键词的样本问题。
具体的,例如,对于第一级提问关键词,可以获取到包含第一级提问关键词的句子。例如,第一级提问关键词为“碘131”,包含“碘131”的样本问题有:1、甲亢放射性碘131治疗是什么?2、碘131治疗好不好?3、碘131前为什么要“禁碘饮食?4、为什么要进行碘131治疗?
通过第一级提问关键词和初始关键词,得到第二级提问关键词:“碘131-为什么”和“碘131-甲亢”,对应的可以获取包含第二级提问关键词的样本问题,例如:包含“碘131-为什么”的样本问题有:1、碘131前为什么要“禁碘饮食?2、为什么要进行碘131治疗。包含“碘131-甲亢”的样本问题有:甲亢放射性碘131治疗是什么?
然后需要剔除包含第一级提问关键词的样本问题下包含第二级提问关键词的样本问题,例如,在包含“碘131”的样本问题中删除包含“碘131-为什么”和“碘131-甲亢”的样本问题,那么,包含第一级提问关键词“碘131”的样本问题就只剩:碘131治疗好不好?
这样可以使最后剩下的包含该级别提问关键词的样本问题是只与该级别提问关键词有关的问题,并不包含与该级别提问关键词的下一级提问关键词有关的样本问题。
例如,继续上述例子,在包含“碘131”的样本问题中将包含“碘131-为什么”和“碘131-甲亢”的样本问题删除后,确保包含“碘131”的问题中就只会有与“碘131”相关的样本问题,即只会有例如“碘131是什么”这样的理论问题。这样后续用户在利用构建的问答数据库提问有关“碘131”的问题时,问答数据库可精确匹配到“碘131”的问题,而不会匹配到“碘131-治疗”的问题,这样可得到用户想要的精确答案,实现了对用户提问的问题有针对的回答,提高问答准确性的效果。
S360、基于包含各级提问关键词的样本问题,以及与样本问题对应的样本答案,生成问答数据库。
需要说明的是,在得到更新后的各级提问关键词,以及包含更新后的各级提问关键词的样本问题后,基于包含更新后的各级提问关键词的样本问题,以及与包含更新后的各级提问关键词的样本问题对应的样本答案,生成问答数据库。
本发明实施例的技术方案,通过在确定至少两级提问关键词之后,对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题,这样可以使最后剩下的包含该级别提问关键词的样本问题是只与该级别提问关键词有关的问题,并不包含与该级别提问关键词的下一级提问关键词有关的样本问题,这样以便用户后续在利用构建的问答数据库寻求答案时,可得到用户想要的精确答案,实现了对用户提问的问题有针对的回答,提高问答准确性的效果。
实施例四
图4为本发明实施例四提供的问答数据库的生成方法的流程图,本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中,可选的,所述基于包含各级提问关键词的样本问题,以及与样本问题对应的样本答案,生成问答数据库,包括:对于包含每级提问关键词的样本问题进行聚类,形成每级提问关键词所对应的聚类问题;计算每级提问关键词所对应的聚类问题中提问关键词的熵,将熵小于预设熵阈值的关键词和包含熵小于预设熵阈值的提问关键词的样本问题进行删除;对保留的各级提问关键词和包含保留的各级提问关键词的样本问题进行热点融合,得到包含保留的各级提问关键词的目标样本问题;基于目标样本问题和目标样本问题所对应的样本答案,生成问答数据库。
如图4所示,本发明实施例的方法具体包括如下步骤:
S410、获取样本信息,其中,样本信息包括:至少一个样本问题,以及与各样本问题对应的样本答案。
S420、基于各样本问题,确定至少一个初始关键词。
S430、计算各初始关键词在各样本问题中出现的总次数确定第一级提问关键词。
S440、对于除第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
S450、对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题。
S460、对于包含每级提问关键词的样本问题进行聚类,形成每级提问关键词所对应的聚类问题。
示例性的,在得到更新后的各级提问关键词,以及包含更新后的各级提问关键词的样本问题后,对于包含每级提问关键词的样本问题进行聚类,这样就可得到各级提问关键词所对应的聚类问题。
具体的,以第二级提问关键词,以及包含第二级提问关键词的样本问题来进行举例说明,例如,第二级提问关键词为“碘131-治疗”,对于包含该第二级提问关键词的样本问题有:1、碘131治疗是什么?2、碘131治疗好不好?
对于上述的两个包含第二级提问关键词为“碘131-治疗”的样本问题有:1、碘131治疗是什么?2、碘131治疗好不好?进行聚类,可得到两类聚类问题,分别为:碘131治疗的理论问题,如:碘131治疗是什么,以及碘131治疗效果评估,如:碘131治疗好不好。这样就可将包含“碘131”的样本问题聚类成了两类问题。依据上述对包含“碘131”的样本问题的聚类方式,将包含各级提问关键词的样本问题进行聚类,这样可形成各级提问关键词所对应的聚类问题。
这样可对包含同等级别的同一提问关键词的不同样本问题进行聚类,得到各类不同的样本问题,以便后续当用户利用构建的问答数据库进行寻求答案时,可有针对性的对用户提问的问题,得到同类型问题的多个答案以供用户选取,提高了用户体验。
在本发明实施例中,对于长度较短的样本问题,可采用余弦相似度来计算包含同等级别的同一提问关键词的各样本问题之间的距离,然后根据包含同等级别的同一提问关键词的各样本问题之间的距离,利用singlepass算法对包含同等级别的同一提问关键词的各样本问题进行聚类,得到包含各级提问关键词的样本问题的聚类。
在本发明实施例中,对于长度较长的样本问题,可采用编辑距离来计算包含同等级别的同一提问关键词的各样本问题之间的相似度,然后利用singlepass算法对包含同等级别的同一提问关键词的各样本问题进行聚类,得到包含各级提问关键词的样本问题的聚类。
S470、计算每级提问关键词所对应的聚类问题中提问关键词的熵,将熵小于预设熵阈值的关键词和包含熵小于预设熵阈值的提问关键词的样本问题进行删除。
示例性的,在得到各级提问关键词所对应的聚类问题后,计算各级提问关键词所对应的聚类问题中提问关键词的熵,然后将熵小于预设熵阈值的关键词和包含熵小于预设熵阈值的提问关键词的样本问题进行删除。
在得到各级提问关键词所对应的聚类问题中提问关键词的熵后,若熵大于等于预设熵阈值,则说明该级别的提问关键词的混乱程度太大,无法成为一类热点问题,因此,需将熵小于预设熵阈值的关键词和包含熵小于预设熵阈值的提问关键词的样本问题进行删除。
这样已确保在后续构建的问答数据库中的样本问题均是具有热点的问题。
S480、对保留的各级提问关键词和包含保留的各级提问关键词的样本问题进行热点融合,得到包含保留的各级提问关键词的目标样本问题。
示例性的,目标样本问题可以是最终要保留在问答数据库中的样本问题,即根据最初采集的用户问题进行上述一系列的处理后,得到最终要在构建的问答数据库中的用户号问题。
在将熵小于预设熵阈值的关键词和包含熵小于预设熵阈值的提问关键词的样本问题进行删除后,对保留下来的各级提问关键词和包含保留的各级提问关键词的样本问题进行热点融合,即可得到最终包含保留的各级提问关键词的目标样本问题。
需要说明的是,这里的对保留下来的各级提问关键词和包含保留的各级提问关键词的样本问题进行热点融合,具体的可以是对包含保留的各级提问关键词的样本问题中的同等类型的样本问题进行热点融合。例如,保留下来的第二级提问关键词为:“碘131-安全”和“碘131-危险”,那包含这两个第二级提问关键词的样本问题就是同一种类型的样本问题(均为碘131是否安全),这样可将包含这两个第二级提问关键词的样本问题进行融合,形成一个样本问题。
在本发明实施例中,进行热点融合的方式可以是利用机器学习模型来进行的,具体的可以是采用与上述聚类方式相同的方式来进行融合,这样即可形成问答数据库中的热点问题的中心词(即各级提问关键词)和对应的问题句子(即包含各级提问关键词的样本问题)。
这样可最终形成构建问答数据库的各级提问关键词,以及包含各级提问关键词的样本问题,以及与样本问题对应的样本答案。
S490、基于目标样本问题和目标样本问题所对应的样本答案,生成问答数据库。
示例性的,对最后确定的目标样本问题,可根据目标样本问题,以及与目标样本问题对应的样本答案,共同生成问答数据库。以便后续用户可直接利用该构建好的问答数据库来进行相关问题的检索。
本发明实施例的技术方案,通过对于包含每级提问关键词的样本问题进行聚类,形成每级提问关键词所对应的聚类问题,计算每级提问关键词所对应的聚类问题中提问关键词的熵,将熵小于预设熵阈值的关键词和包含熵小于预设熵阈值的提问关键词的样本问题进行删除,对保留的各级提问关键词和包含保留的各级提问关键词的样本问题进行热点融合,得到包含保留的各级提问关键词的目标样本问题,基于目标样本问题和目标样本问题所对应的样本答案,生成问答数据库,这样即可形成包含有至少两级提问关键词的问答数据库,以便后续用户可直接利用该构建好的问答数据库来进行相关问题的检索,以便可基于构建好的问答数据库对用户提问的问题有针对的回答,提高了问答准确性。
实施例五
图5为本发明实施例五提供的问答数据库的生成方法的流程图,本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中,可选的,在所述生成问答数据库之后,所述方法还包括:接收外部输入的待回答问题;基于待回答问题,将待回答问题与问答数据库中的目标样本问题进行匹配;若匹配成功,则返回目标样本问题所对应的样本答案。
如图5所示,本发明实施例的方法具体包括如下步骤:
S501、获取样本信息,其中,样本信息包括:至少一个样本问题,以及与各样本问题对应的样本答案。
S502、基于各样本问题,确定至少一个初始关键词。
S503、计算各初始关键词在各样本问题中出现的总次数确定第一级提问关键词。
S504、对于除第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
S505、对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题。
S506、对于包含每级提问关键词的样本问题进行聚类,形成每级提问关键词所对应的聚类问题。
S507、计算每级提问关键词所对应的聚类问题中提问关键词的熵,将熵小于预设熵阈值的关键词和包含熵小于预设熵阈值的提问关键词的样本问题进行删除。
S508、对保留的各级提问关键词和包含保留的各级提问关键词的样本问题进行热点融合,得到包含保留的各级提问关键词的目标样本问题。
S509、基于目标样本问题和目标样本问题所对应的样本答案,生成问答数据库。
S510、接收外部输入的待回答问题。
示例性的,待回答问题可以是需进行答案搜索的问题。例如,可以是用户输入的需进行回答的问题。
在构建好问答数据库后,该问答数据库可用于对用户提问的问题,返回其对应的答案。
S511、基于待回答问题,将待回答问题与问答数据库中的目标样本问题进行匹配。
示例性的,在利用问答数据库时,首先要接收外部输入的待回答问题,根据接收的待回答问题,在问答数据库中寻找与待回答问题对应的目标样本问题,即将待回答问题与问答数据库中的目标样本问题进行匹配。
S512、若匹配成功,则返回目标样本问题所对应的样本答案。
示例性的,当待回答问题与问答数据库中的某一目标样本问题匹配成功后,问答数据库将与该匹配成功的目标样本问题对应的样本答案反馈给用户。
这样即可实现了利用构建好的问答数据库,对用户提问的问题,提供有针对性的回答,提高了问答的准确性。
在本发明实施例中,在构建好问答数据库后,可与问答数据库进行一个人机交互,即该问答数据库可设置在一个客户端的服务器中,当用户在客户端中输入要寻求答案的待回答问题后,问答数据库可根据该待回答问题对问答数据库中的目标样本问题进行匹配,当匹配成功后,即可将该匹配成功的样本问题对应的样本答案反馈至客户端。
在一种实施例方式中,可选的,上述所述基于待回答问题,将待回答问题与问答数据库中的目标样本问题进行匹配,具体可以是:在待回答问题输入的过程中,基于输入的待回答问题中的字符信息,与问答数据库中的目标样本问题的各级提问关键词进行匹配。
示例性的,字符信息可以是待回答问题的每个字符的信息,例如,用户在输入待回答问题时是每个字符依次进行输入的,则根据用户输入的待回答问题的各个字符信息,可与问答数据库中的目标样本问题的各级提问关键词进行匹配。
对应的,在步骤S512中匹配成功之后,所述方法还包括:将包含匹配成功的各级别关键词的目标样本问题生成推荐待回答问题;基于推荐待回答问题的触发指令,则返回推荐待回答问题的答案。
示例性的,推荐待回答问题可以是根据问答数据库中的目标样本问题的各级提问关键词与用户输入的待回答问题的字符匹配成功后,问答数据库中包含与待回答问题的字符匹配成功的各级提问关键词的目标样本问题所形成的问题。
当问答数据库中的目标样本问题的各级提问关键词与用户输入的待回答问题的字符匹配成功后,可将包含匹配成功的各级别关键词的目标样本问题生成推荐待回答问题;基于推荐待回答问题的触发指令,则返回推荐待回答问题的答案。
例如,用户想要输入的待回答问题是:碘131治疗是什么?用户在输入该待回答问题时,需将该待回答问题的各字符信息依次进行输入,当用户在输入该待回答问题的过程中,比如,用于输入到了:“碘131治疗”,还没输入“是什么”还未输入,根据用户已输入的字符信息,可与问答数据库中的各目标样本问题的各级提问关键词进行匹配,此时匹配成功了第二级提问关键词“碘131-治疗”,则将包含该“碘131-治疗”的目标样本问题生成推荐待回答问题,若包含“碘131-治疗”的目标样本问题有:1、碘131治疗是什么,2、碘131治疗好不好,则将目标样本问题有:1、碘131治疗是什么,2、碘131治疗好不好,生成推荐待回答问题。具体的可以是在用户输入待回答问题处生成一个下来菜单,在该下拉菜单中具有“碘131治疗是什么”和“碘131治疗好不好”这两个问题。
当生成推荐待回答问题后,若推荐待回答问题中有用户要问的问题,则可基于用户对该推荐待回答问题的触发操作,生成推荐待回答问题的触发指令,问答数据库即可将与该推荐待回答问题的答案反馈给用户。
在另一种实施方式中,可选的,上述所述基于待回答问题,将待回答问题与问答数据库中的目标样本问题进行匹配,具体还可以是:将问答数据库中的各级提问关键词按各级提问关键词出现的频率按大到小的顺序从前往后排序;从问答数据库中召回在问答数据库中排序靠前的第一预设数量的各级提问关键词,并得到排序靠前的预设数量的各级提问关键词的第一得分;基于排序靠前的预设数量的各级关键词,召回第二预设数量的包含排序靠前的预设数量的各级提问关键词的目标样本问题,并得到包含排序靠前的预设数量的各级提问关键词的第二预设数量的各目标样本问题的第二得分;基于第一得分和第二得分,确定与待回答问题匹配的目标样本问题。
示例性的,第一预设数量可以是预先设置的召回排序靠前的各级提问关键词的数量。
第二预设数量可以是预先设置的召回包含第一预设数量的各级提问关键词的目标样本问题的数量。
第一得分可以是各级提问关键词被召回的得分。
第二得分可以是包含被召回的各级提问关键词的目标样本问题被召回的得分。
当对于生成的推荐待回答问题中,如果没有用户想要提问的问题,则用户会将自己想要问的问题输入完成后,在从问答数据库中进行匹配。
当用户输入自己想问的问题后,可从问答数据库中的各级提问关键词按各级提问关键词出现的频率按从大到小的顺序从前往后进行排序,利用tfidf技术召回在问答数据库中排序靠前的第一预设数量的各级提问关键词,例如,可以是召回在问答数据库中排序靠前的前n个各级提问关键词,并得到排序靠前的第一预设数量的各级提问关键词的第一得分。
根据召回的预设数量的各级提问关键词,从包含召回的第一预设数量的各级提问关键词的目标样本问题中,召回第二预设数量的目标样本问题,并得到召回的第二预设数量的各目标样本问题的第二得分。
根据该第一得分和第二得分,可确定与待回答问题匹配的目标样本问题,这样即可返回与待回答问题匹配的目标样本问题的答案。
在本发明实施例中的,这里的第一得分是在利用tfidf技术召回排序靠前的第一预设数量的各级提问关键词时,基于tfidf技术得到。
这里的第二得分可以是利用深度匹配网络,来获取召回的第二预设数量的各目标样本问题的得分。
可选的,所述基于第一得分和第二得分,确定与待回答问题匹配的目标样本问题,具体可以是:基于第一得分和第二得分,以及第一得分的第一权重和第二得分的第二权重,确定第二预设数量的包含排序靠前的第一预设数量的各级关键词的各目标样本问题的总得分;当总得分大于预设得分阈值时,确定总得分最大的包含排序靠前的第一预设数量的各级关键词的各目标样本问题为与待回答问题匹配的目标样本问题。
示例性的,第一权重可以是预先设置的第一得分的权重。
第二权重可以是预先设置的第二得分的权重。
预设得分阈值可以是预先设置的第二预设数量的包含排序靠前的第一预设数量的各级关键词的各目标样本问题的总得分的阈值。
当得到第一得分和第二得分后,可根据第一得分和第二得分,以及第一得分的第一权重和第二得分的第二权重,来确定第二预设数量的包含排序靠前的第一预设数量的各级关键词的各目标样本问题的总得分,将总得分中大于等于预设得分阈值的目标样本问题确定为与待回答问题匹配的目标样本问题。得到与待回答问题匹配的目标样本问题后,将该与待回答问题匹配的目标样本问题的答案反馈给用户。
这样在生成的推荐待回答问题中没有用户要问的问题时,可采用问答检索的方式来得到用户要问的问题的答案,提高了用户体验。
本发明实施例的技术方案,通过接收外部输入的待回答问题;基于待回答问题,将待回答问题与问答数据库中的目标样本问题进行匹配;若匹配成功,则返回目标样本问题所对应的样本答案,这样即可实现了利用构建好的问答数据库,对用户提问的问题,提供有针对性的回答,提高了问答的准确性。
实施例六
图6为本发明实施例六提供的问答数据库的生成装置的结构示意图,如图6所示,该装置包括:样本信息获取模块31、初始关键词确定模块32、各级关键词确定模块33和问答数据库生成模块34。
其中,样本信息获取模块31,用于获取样本信息,其中,所述样本信息包括:至少一个样本问题,以及与各所述样本问题对应的样本答案;
初始关键词确定模块32,用于基于各所述样本问题,确定至少一个初始关键词;
各级关键词确定模块33,用于基于各所述初始关键词,确定至少两级提问关键词,其中,至少两级提问关键词的后一级提问关键词基于前一级提问关键词确定,所述后一级提问关键词包括前一级提问关键词;
问答数据库生成模块34,用于基于包含各级提问关键词的样本问题,以及与所述样本问题对应的样本答案,生成问答数据库。
在本发明实施例的技术方案的基础上,初始关键词确定模块32包括:
切词单元,用于对于每个样本问题进行切词,将每个所述样本问题分成至少一个断句;
初始关键词确定单元,用于将每个样本问题中的各断句中的预设词性的词语进行删除,得到至少一个初始关键词;其中,所述预设词性至少包括:副词、形容词和语气助词。
在本发明实施例的技术方案的基础上,各级关键词确定模块33包括:
第一级提问关键词确定单元,用于计算各所述初始关键词在各样本问题中出现的总次数确定第一级提问关键词;
各级提问关键词确定单元,用于对于除所述第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于所述候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
在本发明实施例的技术方案的基础上,各级提问关键词确定单元具体用于:
对于除所述第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,将所述候选提问关键词在各样本问题中出现的总次数大于等于预设次数阈值的所述候选提问关键词确定为各级提问关键词。
在本发明实施例的技术方案的基础上,该装置还包括:
更新模块,用于对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题。
在本发明实施例的技术方案的基础上,更新模块具体用于:
对于除第一级提问关键词外的各级提问关键词,如果同一级别中两个提问关键词中的词汇相同,则舍弃所述两个提问关键词中的任意一个提问关键词,以更新各级提问关键词;对于包含更新后的各级提问关键词的样本问题,在包含前一级提问关键词的样本问题中删除包含后一级提问关键词的样本问题,将保留的仅包含前一级提问关键词的样本问题作为前一级提问关键词所对应的样本问题,以更新包含更新后的各级提问关键词的样本问题。
在本发明实施例的技术方案的基础上,问答数据库生成模块34包括:
聚类单元,用于对于包含每级提问关键词的样本问题进行聚类,形成每级提问关键词所对应的聚类问题;
熵计算单元,用于计算每级提问关键词所对应的聚类问题中提问关键词的熵,将熵小于预设熵阈值的关键词和包含所述熵小于预设熵阈值的提问关键词的样本问题进行删除;
热点融合单元,用于对保留的各级提问关键词和包含所述保留的各级提问关键词的样本问题进行热点融合,得到包含所述保留的各级提问关键词的目标样本问题;
问答数据库生成单元,用于基于所述目标样本问题和所述目标样本问题所对应的样本答案,生成问答数据库。
在本发明实施例的技术方案的基础上,该装置还包括:
待回答问题接收模块,用于接收外部输入的待回答问题;
匹配模块,用于基于所述待回答问题,将所述待回答问题与问答数据库中的目标样本问题进行匹配;
答案反馈模块,用于若所述待回答问题与问答数据库中的目标样本问题匹配成功,则返回所述目标样本问题所对应的样本答案。
在本发明实施例的技术方案的基础上,匹配模块具体用于:
将问答数据库中的各级提问关键词按各级提问关键词出现的频率按大到小的顺序从前往后排序;从所述问答数据库中召回在问答数据库中排序靠前的第一预设数量的各级提问关键词,并得到所述排序靠前的预设数量的各级提问关键词的第一得分;基于所述排序靠前的预设数量的各级关键词,召回第二预设数量的包含所述排序靠前的预设数量的各级提问关键词的目标样本问题,并得到包含所述排序靠前的预设数量的各级提问关键词的第二预设数量的各目标样本问题的第二得分;基于所述第一得分和所述第二得分,确定与所述待回答问题匹配的目标样本问题。
本发明实施例所提供的问答数据库的生成装置可执行本发明任意实施例所提供的问答数据库的生成方法,具备执行方法相应的功能模块和有益效果。
实施例七
图7为本发明实施例七提供的一种电子设备的结构示意图,如图7所示,该电子设备包括处理器70、存储器71、输入装置72和输出装置73;电子设备中处理器70的数量可以是一个或多个,图7中以一个处理器70为例;电子设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接,图7中以通过总线连接为例。
存储器71作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的问答数据库的生成方法对应的程序指令/模块(例如,样本信息获取模块31、初始关键词确定模块32、各级关键词确定模块33和问答数据库生成模块34)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的问答数据库的生成方法。
存储器71可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器71可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器71可进一步包括相对于处理器70远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例八
本发明实施例八还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种问答数据库的生成方法。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的问答数据库的生成方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机电子设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述问答数据库的生成装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种问答数据库的生成方法,其特征在于,包括:
获取样本信息,其中,所述样本信息包括:至少一个样本问题,以及与各所述样本问题对应的样本答案;
基于各所述样本问题,确定至少一个初始关键词;
基于各所述初始关键词,确定至少两级提问关键词,其中,至少两级关键词的后一级提问关键词基于前一级提问关键词确定,所述后一级提问关键词包括前一级提问关键词;
基于包含各级提问关键词的样本问题,以及与所述样本问题对应的样本答案,生成问答数据库;
其中,所述基于各所述初始关键词,确定至少两级提问关键词,包括:计算各所述初始关键词在各样本问题中出现的总次数确定第一级提问关键词;其中,所述第一级提问关键词为总次数大于预设阈值的初始关键词;
对于除所述第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于所述候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
2.根据权利要求1所述的方法,其特征在于,所述基于各所述样本问题,确定至少一个初始关键词,包括:
对于每个样本问题进行切词,将每个所述样本问题分成至少一个断句;
将每个样本问题中的各断句中的预设词性的词语进行删除,得到至少一个初始关键词;
其中,所述预设词性至少包括:副词、形容词和语气助词。
3.根据权利要求1所述的方法,其特征在于,所述基于所述候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词,包括:
将所述候选提问关键词在各样本问题中出现的总次数大于等于预设次数阈值的所述候选提问关键词确定为各级提问关键词。
4.根据权利要求1或3所述的方法,其特征在于,在所述确定至少两级提问关键词之后,所述方法还包括:
对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题。
5.根据权利要求4所述的方法,其特征在于,所述对各级提问关键词进行去重,更新各级提问关键词以及包含更新后的各级提问关键词的样本问题,包括:
对于除第一级提问关键词外的各级提问关键词,如果同一级别中两个提问关键词中的词汇相同,则舍弃所述两个提问关键词中的任意一个提问关键词,以更新各级提问关键词;对于包含更新后的各级提问关键词的样本问题,在包含前一级提问关键词的样本问题中删除包含后一级提问关键词的样本问题,将保留的仅包含前一级提问关键词的样本问题作为前一级提问关键词所对应的样本问题,以更新包含更新后的各级提问关键词的样本问题。
6.根据权利要求1所述的方法,其特征在于,所述基于包含各级提问关键词的样本问题,以及与所述样本问题对应的样本答案,生成问答数据库,包括:
对于包含每级提问关键词的样本问题进行聚类,形成每级提问关键词所对应的聚类问题;
计算每级提问关键词所对应的聚类问题中提问关键词的熵,将熵小于预设熵阈值的关键词和包含所述熵小于预设熵阈值的提问关键词的样本问题进行删除;
对保留的各级提问关键词和包含所述保留的各级提问关键词的样本问题进行热点融合,得到包含所述保留的各级提问关键词的目标样本问题;
基于所述目标样本问题和所述目标样本问题所对应的样本答案,生成问答数据库。
7.根据权利要求1所述的方法,其特征在于,在所述生成问答数据库之后,所述方法还包括:
接收外部输入的待回答问题;
基于所述待回答问题,将所述待回答问题与问答数据库中的目标样本问题进行匹配;
若匹配成功,则返回所述目标样本问题所对应的样本答案。
8.根据权利要求7所述的方法,其特征在于,所述基于所述待回答问题,将所述待回答问题与问答数据库中的目标样本问题进行匹配,包括:
将问答数据库中的各级提问关键词按各级提问关键词出现的频率按大到小的顺序从前往后排序;
从所述问答数据库中召回在问答数据库中排序靠前的第一预设数量的各级提问关键词,并得到所述排序靠前的预设数量的各级提问关键词的第一得分;
基于所述排序靠前的预设数量的各级关键词,召回第二预设数量的包含所述排序靠前的预设数量的各级提问关键词的目标样本问题,并得到包含所述排序靠前的预设数量的各级提问关键词的第二预设数量的各目标样本问题的第二得分;
基于所述第一得分和所述第二得分,确定与所述待回答问题匹配的目标样本问题。
9.一种问答数据库的生成装置,其特征在于,包括:
样本信息获取模块,用于获取样本信息,其中,所述样本信息包括:至少一个样本问题,以及与各所述样本问题对应的样本答案;
初始关键词确定模块,用于基于各所述样本问题,确定至少一个初始关键词;
各级关键词确定模块,用于基于各所述初始关键词,确定至少两级提问关键词,其中,至少两级提问关键词的后一级提问关键词基于前一级提问关键词确定,所述后一级提问关键词包括前一级提问关键词;
问答数据库生成模块,用于基于包含各级提问关键词的样本问题,以及与所述样本问题对应的样本答案,生成问答数据库;
其中,所述各级关键词确定模块包括:
第一级提问关键词确定单元,用于计算各所述初始关键词在各样本问题中出现的总次数确定第一级提问关键词;其中,所述第一级提问关键词为总次数大于预设阈值的初始关键词;
各级提问关键词确定单元,用于对于除所述第一级提问关键词之外的各级提问关键词,将前一级提问关键词和初始关键词进行组合得到的候选提问关键词,基于所述候选提问关键词在各样本问题中出现的总次数,确定各级提问关键词。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479586.6A CN112559769B (zh) | 2020-12-15 | 2020-12-15 | 问答数据库的生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479586.6A CN112559769B (zh) | 2020-12-15 | 2020-12-15 | 问答数据库的生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112559769A CN112559769A (zh) | 2021-03-26 |
CN112559769B true CN112559769B (zh) | 2024-04-16 |
Family
ID=75063869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011479586.6A Active CN112559769B (zh) | 2020-12-15 | 2020-12-15 | 问答数据库的生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559769B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050933B (zh) * | 2021-06-02 | 2022-04-12 | 上海钛米机器人股份有限公司 | 脑图数据处理方法、装置、设备及存储介质 |
CN116610792B (zh) * | 2023-07-20 | 2023-11-03 | 深圳市吉斯凯达智慧科技有限公司 | 一种基于ai服务的智能政策问答机器人及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101068177A (zh) * | 2007-03-27 | 2007-11-07 | 腾讯科技(深圳)有限公司 | 一种互动问答系统及其实现方法 |
CN101086843A (zh) * | 2006-06-07 | 2007-12-12 | 中国科学院自动化研究所 | 一种应用于语音问答系统中的句子相似度识别方法 |
CN102999481A (zh) * | 2012-12-07 | 2013-03-27 | 金川集团股份有限公司 | 中文项目集合的关键词可问答式自动完成的软件实现方法 |
JP2014071161A (ja) * | 2012-09-27 | 2014-04-21 | Dainippon Printing Co Ltd | 学習システム、プログラム及び学習通信システム |
CN105373568A (zh) * | 2014-09-02 | 2016-03-02 | 联想(北京)有限公司 | 问题答案自动学习方法和装置 |
CN105868377A (zh) * | 2016-03-31 | 2016-08-17 | 北京奇艺世纪科技有限公司 | 一种信息推送方法及装置 |
CN106503101A (zh) * | 2016-10-14 | 2017-03-15 | 五邑大学 | 电商客服自动问答系统语句关键词提取方法 |
CN106682192A (zh) * | 2016-12-29 | 2017-05-17 | 北京奇虎科技有限公司 | 一种基于搜索关键词训练回答意图分类模型的方法和装置 |
CN107704506A (zh) * | 2017-08-30 | 2018-02-16 | 华为技术有限公司 | 智能应答的方法和装置 |
CN108920461A (zh) * | 2018-06-26 | 2018-11-30 | 武大吉奥信息技术有限公司 | 一种多类型且含复杂关系的实体抽取方法及装置 |
CN110019304A (zh) * | 2017-12-18 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 扩展问答知识库的方法及存储介质、终端 |
CN111460095A (zh) * | 2020-03-17 | 2020-07-28 | 北京百度网讯科技有限公司 | 问答处理方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-15 CN CN202011479586.6A patent/CN112559769B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101086843A (zh) * | 2006-06-07 | 2007-12-12 | 中国科学院自动化研究所 | 一种应用于语音问答系统中的句子相似度识别方法 |
CN101068177A (zh) * | 2007-03-27 | 2007-11-07 | 腾讯科技(深圳)有限公司 | 一种互动问答系统及其实现方法 |
JP2014071161A (ja) * | 2012-09-27 | 2014-04-21 | Dainippon Printing Co Ltd | 学習システム、プログラム及び学習通信システム |
CN102999481A (zh) * | 2012-12-07 | 2013-03-27 | 金川集团股份有限公司 | 中文项目集合的关键词可问答式自动完成的软件实现方法 |
CN105373568A (zh) * | 2014-09-02 | 2016-03-02 | 联想(北京)有限公司 | 问题答案自动学习方法和装置 |
CN105868377A (zh) * | 2016-03-31 | 2016-08-17 | 北京奇艺世纪科技有限公司 | 一种信息推送方法及装置 |
CN106503101A (zh) * | 2016-10-14 | 2017-03-15 | 五邑大学 | 电商客服自动问答系统语句关键词提取方法 |
CN106682192A (zh) * | 2016-12-29 | 2017-05-17 | 北京奇虎科技有限公司 | 一种基于搜索关键词训练回答意图分类模型的方法和装置 |
CN107704506A (zh) * | 2017-08-30 | 2018-02-16 | 华为技术有限公司 | 智能应答的方法和装置 |
CN110019304A (zh) * | 2017-12-18 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 扩展问答知识库的方法及存储介质、终端 |
CN108920461A (zh) * | 2018-06-26 | 2018-11-30 | 武大吉奥信息技术有限公司 | 一种多类型且含复杂关系的实体抽取方法及装置 |
CN111460095A (zh) * | 2020-03-17 | 2020-07-28 | 北京百度网讯科技有限公司 | 问答处理方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于自动生成知识库的智能问答系统设计;王飞鸿等;《中国科技信息》(第201812期);全文 * |
邻域问答系统生成器的研究;刘文华等;《北京信息科技大学学报》;第24卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112559769A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109147934B (zh) | 问诊数据推荐方法、装置、计算机设备和存储介质 | |
CN106649818B (zh) | 应用搜索意图的识别方法、装置、应用搜索方法和服务器 | |
CN108427707B (zh) | 人机问答方法、装置、计算机设备和存储介质 | |
EP3648099A1 (en) | Voice recognition method, device, apparatus, and storage medium | |
CN105824959B (zh) | 舆情监控方法及系统 | |
JP6150282B2 (ja) | ノン・ファクトイド型質問応答システム及びコンピュータプログラム | |
CN112559769B (zh) | 问答数据库的生成方法和装置 | |
CN110457672B (zh) | 关键词确定方法、装置、电子设备及存储介质 | |
CN111159363A (zh) | 一种基于知识库的问题答案确定方法及装置 | |
CN110134777B (zh) | 问题去重方法、装置、电子设备和计算机可读存储介质 | |
CN109710834B (zh) | 相似网页检测方法、装置、存储介质及电子设备 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN105630890A (zh) | 基于智能问答系统会话历史的新词发现方法及系统 | |
CN105630940A (zh) | 一种基于可读性指标的信息检索方法 | |
CN112182145A (zh) | 文本相似度确定方法、装置、设备和存储介质 | |
CN113282754A (zh) | 针对新闻事件的舆情检测方法、装置、设备和存储介质 | |
CN116882372A (zh) | 文本生成方法、装置、电子设备以及存储介质 | |
CN111881360A (zh) | 一种舆情数据处理的方法、系统、设备及可读存储介质 | |
Yousif et al. | The effect of combining different semantic relations on arabic text classification | |
CN110929169A (zh) | 基于改进Canopy聚类协同过滤算法的职位推荐方法 | |
JP6365274B2 (ja) | 共通操作情報生成プログラム、共通操作情報生成方法、及び共通操作情報生成装置 | |
CN110209765B (zh) | 一种按语义搜索关键词的方法和装置 | |
CN113486649B (zh) | 文本评论的生成方法以及电子设备 | |
CN112800314B (zh) | 搜索引擎询问自动补全的方法、系统、存储介质及设备 | |
Sun et al. | Hybrid Dialogue State Tracking for Real World Human-to-Human Dialogues. |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |