【技术实现步骤摘要】
问答方法、装置、电子设备以及存储介质进行介绍
[0001]本公开涉及人工智能
,尤其涉及深度学习、自然语言处理、智能搜索
,具体涉及一种问答方法、装置、电子设备以及存储介质。
技术介绍
[0002]目前,相关技术的问答方法,主要通过提前构建问题文本库,将问题文本与问题文本库中的问题文本样本匹配,理解问题文本的主题,从而完成回答。上述方案中,由于金融市场股票在不断增多,构建问题文本库的成本高,且将问题文本与问题文本库中的问题文本样本匹配得到的主题的理解准确率低。
技术实现思路
[0003]本公开提供了一种问答方法、装置、设备以及存储介质。
[0004]根据本公开的第一方面,提供了一种问答方法,包括:获取待处理的问题文本,以及所述问题文本中的各个词语;根据各个所述词语对应的上位概念词语,生成所述问题文本对应的通用问题文本;确定所述通用问题文本的主题;根据所述主题以及所述问题文本,确定所述问题文本对应的答案文本。
[0005]根据本公开的第二方面,提供了一种潜在语义索引LSI模型的训练方法,所述方法包括:获取训练数据,其中,所述训练数据包括:各个通用问题文本样本以及所述通用问题文本样本的主题;所述通用问题文本样本根据问题文本样本以及映射关系表确定,所述映射关系表中包括词语与上位概念词语之间的映射关系;确定各个所述通用问题文本样本的文本向量;以各个所述通用问题文本样本的文本向量为输入,以各个所述通用问题文本样本的主题为输出,对初始的LSI模型进行训练,得到用于确定通用问题文本的主题 ...
【技术保护点】
【技术特征摘要】
1.一种问答方法,包括:获取待处理的问题文本,以及所述问题文本中的各个词语;根据各个所述词语对应的上位概念词语,生成所述问题文本对应的通用问题文本;确定所述通用问题文本的主题;根据所述主题以及所述问题文本,确定所述问题文本对应的答案文本。2.根据权利要求1所述的方法,其中,所述方法还包括:针对所述问题文本中的每个词语,根据所述词语查询映射关系表,获取所述词语对应的上位概念词语;所述映射关系表中包括:词语与上位概念词语之间的映射关系。3.根据权利要求1所述的方法,其中,所述确定所述通用问题文本的主题,包括:确定所述通用问题文本与预设的多个主题之间的相似度;从多个所述主题中选择对应的相似度最大的主题,作为所述通用问题文本的主题。4.根据权利要求3所述的方法,其中,所述确定所述通用问题文本与预设的多个主题之间的相似度,包括:确定所述通用问题文本中各个词语的词嵌入向量,以及所述通用问题文本中各个所述词语的出现次数;根据各个所述词语的词嵌入向量以及出现次数,确定各个所述词语的重要度;根据各个所述词语的词嵌入向量以及重要度,确定所述通用问题文本的文本向量;将所述文本向量输入预设的潜在语义索引LSI模型,获取所述LSI模型输出的所述通用问题文本与预设的多个主题之间的相似度。5.根据权利要求1所述的方法,其中,所述根据所述主题以及所述问题文本,确定所述问题文本对应的答案文本,包括:根据所述主题以及所述问题文本,确定所述问题文本对应的查询语句;获取所述查询语句对应的查询结果;根据所述查询结果,确定所述问题文本对应的答案文本。6.根据权利要求5所述的方法,其中,所述根据所述主题以及所述问题文本,确定所述问题文本对应的查询语句,包括:在所述主题为设置有多个选择条件的选择类主题的情形下,提取所述问题文本中的选择指标,以及所述选择指标对应的关系词以及指标阈值;针对每个选择指标,根据所述选择指标以及所述选择指标对应的关系词以及指标阈值,构建所述选择指标对应的搜索语句;根据所述问题文本中各个选择指标对应的搜索语句,确定所述问题文本对应的查询语句。7.根据权利要求5所述的方法,其中,所述获取所述查询语句对应的查询结果,包括:根据所述查询语句查询预设缓存列表,获取所述缓存列表中满足所述查询语句的目标数据;所述预设缓存列表中包括:各个项,以及每个项在至少一个指标上的指标数值;根据所述目标数据,确定所述查询语句对应的查询结果。8.一种潜在语义索引LSI模型的训练方法,所述方法包括:获取训练数据,其中,所述训练数据包括:各个通用问题文本样本以及所述通用问题文本样本的主题;所述通用问题文本样本根据问题文本样本以及映射关系表确定,所述映射
关系表中包括词语与上位概念词语之间的映射关系;确定各个所述通用问题文本样本的文本向量;以各个所述通用问题文本样本的文本向量为输入,以各个所述通用问题文本样本的主题为输出,对初始的LSI模型进行训练,得到用于确定通用问题文本的主题的LSI模型。9.根据权利要求8所述的方法,其中,所述确定各个所述通用问题文本样本的文本向量,包括:确定所述通用问题文本样本中各个词语的词嵌入向量,以及所述通用问题文本样本中各个词语的出现次数;根据各个所述词语的词嵌入向量以及出现次数,确定各个词语的重要度;根据各个所述词语的词嵌入向量以及重要度,确定通用问题文本样本的文本向量。10.根据权利要求8所述的方法,其中,所述以各个所述通用问题文本样本的文本向量为输入,以各个所述通用问题文本样本的主题为输出,对初始的LSI模型进行训练,得到用于确定通用问题文本的主题的LSI模型,包括:将各个所述通用问题文本样本的文本向量输入LSI模型后,获取输出的预测主题;根据所述预测主题以及所述通用问题文本样本的主题,构建损失函数;结合所述损失函数的数值,对所述LSI模型进行系数调整,实现对初始的LSI模型的训练。11.一种问答装置,包括:第一获取模块,用于获取待处理的问题文本,以及所述问题文本中的各个词语;生成模块,用于根据各个所述词语对应的上位概念词语,生成所述问题文本对应的通用问题文本;第一确定模块,用于确定所述通用问题文本的主题;第二确定模块,用于根据所述主题以及所述问题文本,确定所述问题文本对应的答案文本。12.根据权利要求11所述的装置,其中,所述装置还包括:第二获取模块;其中,所述第二获...
【专利技术属性】
技术研发人员:李可威,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
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。