【技术实现步骤摘要】
语料生成方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
,尤其涉及一种语料生成方法、装置、计算机设备及存储介质。
技术介绍
在如今的互联网+时代,人工智能的技术已大规模应用于交流管理等领域,问答系统是人工智能的重要领域,涉及人工智能在垂直领域的应用落地。而对于目前的问答系统来说,用户的问题绝大部分集中在头部的一些高频问题上,也就是FrequentlyAskedQuestions(FAQ)的提出动机,FAQ语料集的数量和质量是整个系统的基础,但是目前并没有通用的全覆盖的FAQ语料集,导致在针对不同的垂直领域,均需要重新构建FAQ语料集,而重新构建FAQ语料集则需要消耗大量人力和物力资源,人工成本高,且效率低。
技术实现思路
本专利技术实施例提供一种语料生成方法、装置、计算机设备及存储介质,以解决现有针对不同垂直领域均需要重新构建语料集,人工成本高且效率低的问题。一种语料生成方法,包括:获取目标问答领域对应的高频提问词以及待挖掘文本;其中,所述高频提问词用于指示所述目标问答领域中高频问题对应的主题词;根据所述高频提问词,从所述待挖掘文本中提取所述高频提问词对应的目标应答语句;对所述高频提问词与历史问答库中的多条历史提问语句进行文本相似度匹配,获取多个历史提问语句作为历史提问模板;将所述历史提问模板中的历史提问词替换成所述高频提问词,得到提问语料;其中,所述历史提问词为所述历史提问模板对应的主题词;将所述提问语料与所述高频提问词对应的目标应 ...
【技术保护点】
1.一种语料生成方法,其特征在于,包括:/n获取目标问答领域对应的高频提问词以及待挖掘文本;其中,所述高频提问词用于指示所述目标问答领域中高频问题对应的主题词;/n根据所述高频提问词,从所述待挖掘文本中提取所述高频提问词对应的目标应答语句;/n对所述高频提问词与历史问答库中的多条历史提问语句进行文本相似度匹配,获取多个历史提问语句作为历史提问模板;/n将所述历史提问模板中的历史提问词替换成所述高频提问词,得到提问语料;其中,所述历史提问词为所述历史提问模板对应的主题词;/n将所述提问语料与所述高频提问词对应的目标应答语句作为目标问答语料。/n
【技术特征摘要】
1.一种语料生成方法,其特征在于,包括:
获取目标问答领域对应的高频提问词以及待挖掘文本;其中,所述高频提问词用于指示所述目标问答领域中高频问题对应的主题词;
根据所述高频提问词,从所述待挖掘文本中提取所述高频提问词对应的目标应答语句;
对所述高频提问词与历史问答库中的多条历史提问语句进行文本相似度匹配,获取多个历史提问语句作为历史提问模板;
将所述历史提问模板中的历史提问词替换成所述高频提问词,得到提问语料;其中,所述历史提问词为所述历史提问模板对应的主题词;
将所述提问语料与所述高频提问词对应的目标应答语句作为目标问答语料。
2.如权利要求1所述语料生成方法,其特征在于,在所述将所述历史提问模板中的历史提问词替换成所述高频提问词,得到提问语料之后,所述语料生成方法还包括:
采用预训练的语言模型对所述提问语料进行语法语义检查,得到所述提问语料的得分值;
当所述得分值不小于预设分值阈值,保留所述提问语料;
当所述得分值小于所述预设分值阈值,去除所述提问语料;
所述将所述提问语料与所述高频提问词对应的目标应答语句作为目标问答语料,包括:
将所述保留的提问语料与所述高频提问词对应的目标应答语句作为所述目标问答语料。
3.如权利要求2所述语料生成方法,其特征在于,在所述获取目标问答领域对应的高频提问词以及待挖掘文本之后,所述语料生成方法还包括:
对所述高频提问词进行同义词扩充,获取所述高频提问词对应的多个目标同义词;
所述将所述保留的提问语料与所述高频提问词对应的目标应答语句作为所述目标问答语料,包括:
根据每一所述目标同义词对所述保留的提问语料中的高频提问词进行替换,得到所述高频提问词对应的多个目标提问语料;
将每一所述目标提问语料与所述高频提问词对应的目标应答语句作为所述目标问答语料。
4.如权利要求1所述语料生成方法,其特征在于,所述根据所述高频提问词,从所述待挖掘文本中提取所述高频提问词对应的目标应答语句,包括:
获取所述目标问答领域对应的语句提取模板;
根据所述语句提取模板,从所述待挖掘文本中提取所述高频提问词对应的目标应答语句。
5.如权利要求3所述语料生成方法,其特征在于,所述对所述高频提问词进行同义词扩充,获取所述高频提问词对应的多个目标同义词,包括:
将所述高频提问词输入到近似度函数中进行处理,获取与所述高频提问词相对应的多个候选同义词以及与所述候选同义词相对应的第一近似度;
基于所述第一近似度,从多个所述候选同义词中选...
【专利技术属性】
技术研发人员:谢忠玉,
申请(专利权)人:中国平安人寿保险股份有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。