(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210767114.3 (22)申请日 2022.07.01 (71)申请人 西安工程大 学 地址 710048 陕西省西安市碑林区金花 南 路19号 (72)发明人 朱欣娟　赵钊　尚爱国　焦一凯　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 王丹 (51)Int.Cl. G06F 16/33(2019.01) G06F 40/211(2020.01) G06F 40/295(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) (54)发明名称 一种基于深度语义的问题 精确检索方法 (57)摘要 本发明公开了一种基于深度语义的问题精 确检索方法， 首先利用预训练文本表征模型提取 知识库中问题的文本表征向量， 随后将提取后的 向量做归一化处理、 持久化至磁盘， 计算5种关于 精确计算的相似度特征， 这5种相似度特征作为 分类‑判别模型的输入， 从而对候选问题进行精 确判断， 最后将判断为True的答案返回给用户。 本发明的五种外部相似度特征， 能很好地捕捉到 句子的细 节特征， 在一定程度上提高了用户问句 精确检索与识别的准确性； 另外， 通过分类 ‑判别 模型能够预测或者判断候选问句的问题状态可 以为用户返回唯一正确答案， 解决了以往问答系 统答非所问的缺陷。 权利要求书2页 说明书5页 附图1页 CN 115098638 A 2022.09.23 CN 115098638 A 1.一种基于深度语义的问题 精确检索方法， 其特 征在于， 具体按照以下步骤实施： 步骤1、 文本语义特 征比对 在文本语义特征比对阶段， 对案例库CB中存放的搜集到的用户问答数据对进行整理合 并形成知识库KB； 通过预训练文本表征模型将知识库问题转化为文本表征向量， 并将输出 结果持久化至磁 盘中， 从而 使得用户问题可以与知识库问题进行相似度计算； 步骤2、 精确检索特 征计算 使用文本表征向量在案例库CB中检索出最相关的k条问句， k＞1， 这一步称为top ‑k候 选； 针对短文本在精确 检索特征计算阶段， 基于top ‑k候选问答对， 为待检索的短文本问句 构造五种相似度特征， 分别是用户问句与top ‑k候选问句文本表征相似度Deep_Score， 用户 问句与top ‑k候选问句特征相似度Sim(Q,KBQ)， 用户问句与top ‑k候选问句实体特征相似度 Sim(Q,KBQE)， 用户问句与top ‑k候选问句答案 特征相似度Si m(Q,KBA)， 用户问句与top ‑k候 选问句意图特 征相似度Sim(Q,KBQR)； 步骤3、 候选问句状态判断 根据步骤2获得的精确检索特征相似度构建分类 ‑判别模型， 所述分类 ‑判别模型用于 判断问题是否可以被回答， 分类 ‑判别模型对步骤2的5种相似度特征进 行建模， 加强了问题 的主要特征； 分类 ‑判别模型输出True代表该候选问句与用户提问问句相似， 其答案可以作 为最终答案返回， 输出False代表该候选问句与用户提问问句不相似， 其答案不可以作为最 终答案返回。 2.根据权利要求1所述的一种基于深度语义的问题精确检索方法， 其特征在于， 步骤1 具体如下： 步骤1.1、 将案例库数据输入预训练文本表征模型提取文本的特 征向量； 步骤1.2、 使用向量处 理工具来持久化特 征向量； 具体如下： 步骤1.2.1、 通过步骤1.1得到特征向量， 对特征向量做归一化处理， 使用向量处理工具 Faiss将处理后的文本表征向量 集合持久化到磁 盘中； 步骤1.2.2、 随后对用户问题文本表征向量与知识库表征向量做相似度计算， 对计算结 果进行高效排序。 3.根据权利要求2所述的一种基于深度语义的问题精确检索方法， 其特征在于， 所述步 骤2具体按照以下步骤实施： 步骤2.1、 计算用户问句与top ‑k候选问句特征相似度Sim(Q,KBQ)， 其中， Q代表用户问 句语义块特征， KBQ代表 候选问句语义块特征， Q与KBQ的最大观测值作为特征相似度Sim(Q, KBQ)， 即Sim(Q,KBQ)＝max(Q∩KBQ)； 步骤2.2、 计算用户问句与top ‑k候选问句实体特征相似度Sim(Q,KBQE)， Sim(Q,KBQE) ＝max(Q∩KBQE)， 其中KBQE表示使用命名实体提取算法得 出的候选问句实体特 征； 步骤2.3、 计算用户问句与top ‑k候选问句答案特征相似度Sim(Q,KBA)， Sim(Q,KBA)＝ max(Q∩KBA)， 其中KBA 代表候选问句的答案语义 块特征； 步骤2.4、 计算用户问句与top ‑k候选问句意图特征相似度Sim(Q,KBQR)， Sim(Q,KBQR) ＝max(Q∩KBQR)， 其中KBQR表示使用文本意图提取算法得 出的候选问句意图特 征； 步骤2 .5、 计算用户问句与top ‑k候选问句文本表征相似度Deep_Score权　利　要　求　书 1/2 页 2 CN 115098638 A 2其中eu， ek分别表示用户问题文本表征向量和知识库问题文 本表征向量； 所述用户问句语义块特征Q是使用语义块提取算法f(q)来对问句中的语义块进行提 取。 4.根据权利要求3所述的一种基于深度语义的问题精确检索方法， 其特征在于， 所述步 骤3具体为： 步骤3.1、 在步骤2中， 构建了五个维度的特征相似度值， 采用逻辑回归模型对上述五个 维度的特征进行建模， 得到了维度为5 ×m的矩阵V， 其中， m≥1； V代表了知识库候选问题在 用户问题上 的贡献矩阵， 通过用户输入问题与贡献矩阵V的线性归一化计算来获取到用户 问题的详细特 征； 步骤3.2、 基于步骤3.1的设计， 使用非线性 阈值函数来优化分类 ‑判别模型， 分类 ‑判别 模型输出True代表该候选问句与待检索问句相似， 其答案可以作为待检索问句的答案， 输 出False代表该候选问句与待检索问句不相似， 算法为用户返回第一个标记为True的问句。 5.根据权利要求3所述的一种基于深度语义的问题精确检索方法， 其特征在于， 步骤3 所述分类 ‑判别模型是将分类特征提取与判别算法相融合的模 型， 所述分类 ‑判别模型训练 原理为： I(V； w, α )＝T(softmax(wV+b1)α +b2). 其中V为输入， w， α， 为模型的学习参数， b1,b2为偏置项。 6.根据权利要求3所述的一种基于深度语义的问题精确检索方法， 其特征在于， 步骤1 所述案例库CB由从文旅机构收集到的问答对组成， 其中包含了3217对问答对； 所述知识库 KB是由人工对所述问答对进行检验标注， 每条数据由大类编号、 小类编号、 问题、 答案四个 属性组成， 共3217 条数据。权　利　要　求　书 2/2 页 3 CN 115098638 A 3