基于深度神经网络的问答方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于深度神经网络的问答方法、装置及存储介质，应用于智能问答设备，所述方法包括：对输入问题进行文本纠错处理得到信息语句；将所述信息语句输入到预设算法库中，输出答复语句，所述预设算法库中包括任务型对话算法和基于深度神经网络的检索型问答算法，所述任务型对话算法用于识别所述信息语句中预设类型的任务意图，所述基于深度神经网络的检索型问答算法用于识别所述信息语句与预设问题库中的语句相似度。本发明专利技术可解决目前回答准确率低、响应时间长和不能综合处理任务和垂直领域问答的问题。

【技术实现步骤摘要】
基于深度神经网络的问答方法、装置及存储介质
本专利技术涉及人工智能，尤其涉及一种基于深度神经网络的问答方法、装置及存储介质。
技术介绍
智能问答系统为将积累的无序语料信息，进行有序和科学的整理，并建立基于知识的分类模型；这些分类模型可以指导新增加的语料咨询和服务信息，节约人力资源，提高信息处理的自动性，降低网站运行成本。基于对网站多年积累的关于政府和企业的基本情况常见问题及其解答，整理为规范的问答库形式，以支撑各种形式问题的智能问答。然而在当前智能问答系统中，普遍存在回答准确率低、响应时间较长等问题。
技术实现思路
本专利技术针对现有的回答准确率低、响应时间较长的问题，提供了一种基于深度神经网络的问答方法、装置及存储介质。本专利技术就上述技术问题而提出的技术方案如下：第一方面，本专利技术提供了一种基于深度神经网络的问答方法，所述方法包括：对输入问题进行文本纠错处理得到信息语句；将所述信息语句输入到预设算法库中，输出答复语句，所述预设算法库中包括任务型对话算法和基于深度神经网络的检索型问答算法，所述任务型对话算法用于识别所述信息语句中预设类型的任务意图，所述基于深度神经网络的检索型问答算法用于识别所述信息语句与预设问题库中的语句相似度。根据上述的基于深度神经网络的问答方法，所述方法包括：所述将所述信息语句输入到预设算法库中，输出答复语句，包括：利用所述任务型对话算法对所述信息语句进行识别；若识别出所述信息语句中不包含预设类型的任务意图，则利用所述基于深度神经网络的检索型问答算法对所述信息语句进行识别；若识别出所述信息语句与预设问题库中的语句相似度达预设相似度以上，则输出与相似度达预设相似度以上的语句对应的答复语句。根据上述的基于深度神经网络的问答方法，所述将所述信息语句输入到预设算法库中，输出答复语句，还包括：利用所述基于深度神经网络的检索型问答算法对所述信息语句进行识别；若识别出所述信息语句与预设问题库中的语句相似度未达预设相似度以上，则利用所述任务型对话算法对所述信息语句进行识别；若识别出所述信息语句包含预设类型的任务意图，则输出与所述预设类型的任务意图匹配的答复语句。根据上述的基于深度神经网络的问答方法，所述对输入问题进行文本纠错处理得到信息语句包括：基于预设规则和语言模型对输入问题进行语句预处理以得到符合预设规则的文本字符串；利用混淆词典库对所述文本字符串进行混淆度计算以确定所述文本字符串中的错误字词；获取所述错误字词、所述错误字词的位置及错误类型；获取替换所述错误字词的候选词列表；对利用所述候选词列表中的候选词替换所述错误字词后的语句进行混淆度计算；输出混淆度最低的语句。根据上述的基于深度神经网络的问答方法，所述利用所述任务型对话算法对所述信息语句进行识别包括：利用双向长短时记忆模型和条件随机场模型对所述信息语句进行BIEO编码模式以得到槽位标记列表；根据所述槽位标记列表确定所述信息语句是否包含预设类型的任务意图，所述预设类型的任务意图至少包括地点查询任务和/或组合任务意图。根据上述的基于深度神经网络的问答方法，所述利用所述基于深度神经网络的检索型问答算法对所述信息语句进行识别包括：对所述信息语句进行切词处理及去停用词处理得到语料结果；从预设问题库中召回按相似度高低顺序排列的预设个数的高顺位相似语句，所述预设个数的高顺位相似语句与所述语料结果均具有相似度；利用预设深度模型获取所述预设个数的高顺位相似语句的深度语义相似度；根据深度语义相似度和字面相似度对所述预设个数的高顺位相似语句进行重新排列得到按综合相似度高低顺序排列的相似语句；获取语句相似度达到预设相似度以上的按综合相似度高低顺序排列的相似语句。根据上述的基于深度神经网络的问答方法，获取最高顺位的按综合相似度高低顺序排列的相似语句。根据上述的基于深度神经网络的问答方法，所述方法包括：若识别出所述信息语句与预设问题库中的语句相似度未达预设相似度以上，则对所述信息语句进行敏感词检测；若检测出所述信息语句中包含敏感词，则随机输出预设问答结果库中的答复语句。第二方面，本专利技术还提供一种基于深度神经网络的问答装置，应用于智能问答设备，所述装置包括：预处理模块，用于对输入问题进行文本纠错处理得到信息语句；预处理模块，用于对输入问题进行文本纠错处理得到信息语句；处理模块，用于将所述信息语句输入到预设算法库中，输出答复语句，所述预设算法库中包括任务型对话算法和基于深度神经网络的检索型问答算法，所述任务型对话算法用于识别所述信息语句中预设类型的任务意图，所述基于深度神经网络的检索型问答算法用于识别所述信息语句与预设问题库中的语句相似度。第三方面，本专利技术还提供一种基于深度神经网络的问答存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于深度神经网络的问答方法的步骤。本专利技术实施例提供的技术方案带来的有益效果是：本专利技术提供的基于深度神经网络的问答方法先利用文本纠错算法对用户输入的问题进行处理以得到符合规范的信息语句，其后再利用任务型对话算法和基于深度神经网络的检索型问答算法分别对所述信息语句进行识别，在识别后返回相应的问答结果，以解决目前回答准确率低、响应时间长和不能综合处理任务和垂直领域问答的问题。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的基于深度神经网络的问答方法在第一实施方式下的流程图；图2为本专利技术提供的基于深度神经网络的问答系统的纠正流程示意图；图3为本专利技术提供的基于深度神经网络的问答系统的FAQBot模块流程示意图；图4为本专利技术提供的基于深度神经网络的问答方法在第二实施方式下的流程图；图5为本专利技术提供的基于深度神经网络的问答方法在第三实施方式下的流程图；图6为本专利技术提供的基于深度神经网络的问答系统整体模块结构示意图；图7为本专利技术提供的基于深度神经网络的问答装置的模块结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。参见图1，为本专利技术提供的基于深度神经网络的问答方法在第一实施方式下的流程图。本专利技术提供的基于深度神经网络的问答方法，主要应用于智能问答设备，通过与用户进行问答交互，为用户提供更佳的信息服务，提升用户的问答体验。步骤S101：对输入问题进行文本纠错处理得到信息语句。本步骤中，所述输入问题可以为用户输入的文本形式的问题，也可为对用户输入的语音进行转化得到本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的问答方法，其特征在于，所述方法包括：/n对输入问题进行文本纠错处理得到信息语句；/n将所述信息语句输入到预设算法库中，输出答复语句，所述预设算法库中包括任务型对话算法和基于深度神经网络的检索型问答算法，所述任务型对话算法用于识别所述信息语句中预设类型的任务意图，所述基于深度神经网络的检索型问答算法用于识别所述信息语句与预设问题库中的语句相似度。/n

【技术特征摘要】
1.一种基于深度神经网络的问答方法，其特征在于，所述方法包括：
对输入问题进行文本纠错处理得到信息语句；
将所述信息语句输入到预设算法库中，输出答复语句，所述预设算法库中包括任务型对话算法和基于深度神经网络的检索型问答算法，所述任务型对话算法用于识别所述信息语句中预设类型的任务意图，所述基于深度神经网络的检索型问答算法用于识别所述信息语句与预设问题库中的语句相似度。


2.根据权利要求1所述基于深度神经网络的问答方法，其特征在于，所述将所述信息语句输入到预设算法库中，输出答复语句，包括：
利用所述任务型对话算法对所述信息语句进行识别；
若识别出所述信息语句中不包含预设类型的任务意图，则利用所述基于深度神经网络的检索型问答算法对所述信息语句进行识别；
若识别出所述信息语句与预设问题库中的语句相似度达预设相似度以上，则输出与相似度达预设相似度以上的语句对应的答复语句。


3.根据权利要求1所述基于深度神经网络的问答方法，其特征在于，所述将所述信息语句输入到预设算法库中，输出答复语句，还包括：
利用所述基于深度神经网络的检索型问答算法对所述信息语句进行识别；
若识别出所述信息语句与预设问题库中的语句相似度未达预设相似度以上，则利用所述任务型对话算法对所述信息语句进行识别；
若识别出所述信息语句包含预设类型的任务意图，则输出与所述预设类型的任务意图匹配的答复语句。


4.根据权利要求1至3任一项所述基于深度神经网络的问答方法，其特征在于，所述对输入问题进行文本纠错处理得到信息语句包括：
基于预设规则和语言模型对输入问题进行语句预处理以得到符合预设规则的文本字符串；
利用混淆词典库对所述文本字符串进行混淆度计算以确定所述文本字符串中的错误字词；
获取所述错误字词、所述错误字词的位置及错误类型；获取替换所述错误字词的候选词列表；
对利用所述候选词列表中的候选词替换所述错误字词后的语句进行混淆度计算；
输出混淆度最低的语句。


5.根据权利要求2至3任一项所述基于深度神经网络的问答方法，其特征在于，所述利用所述任务型对话算法对所述信息语句进行识别包括...

【专利技术属性】
技术研发人员：童昌东，苗应亮，张浒，许金金，熊大华，
申请(专利权)人：盛视科技股份有限公司，
类型：发明
国别省市：广东;44