智能問答的方法、裝置及系統(tǒng)的制作方法
【專利摘要】本申請實施例提供了一種智能問答的方法、裝置及系統(tǒng)，其中所述方法包括：接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞處理，得到一個或多個第一分詞；基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵詞匹配的候選建議詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分詞的詞；計算所述一個或多個第一分詞的權(quán)重；依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵詞與各候選建議詞的相似度；將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回所述客戶端。本申請實施例可以提升智能問答過程中的結(jié)果推薦準(zhǔn)確率。
【專利說明】
智能問答的方法、裝置及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本申請涉及信息推薦技術(shù)領(lǐng)域，特別是涉及一種智能問答的方法，W及，一種智能 問答的裝置，W及，一種智能問答系統(tǒng)。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)服務(wù)的日益發(fā)展，越來越多的互聯(lián)網(wǎng)企業(yè)需要提供在線客戶服務(wù)（簡 稱在線客服）來解決客戶的問題。很顯然，通過人工客服的方式不能應(yīng)對海量的用戶問答 請求，送就需要一種智能問答系統(tǒng)來通過自動回復(fù)的方式來解決用戶的訴求。智能問答系 統(tǒng)一種為了解決用戶的問答需求的系統(tǒng)，其系統(tǒng)底層是一個排序系統(tǒng)，通過理解用戶的提 問來為用戶推薦比較合適的問題答案。
[0003] 現(xiàn)有的智能問答系統(tǒng)的基本流程為：
[0004] 1.通過用戶的問答如ery (關(guān)鍵詞）來檢索知識庫；
[0005] 2.計算問答如e巧與知識庫中知識點title的相似度；
[0006] 3.將相似度值最大的結(jié)果返回給用戶。
[0007] 其中在計算相似度時，涉及到對問答如ery進(jìn)行分詞得到分詞Term, W及每個分 詞Term的權(quán)重的問題。對于分詞Term的權(quán)重，現(xiàn)有的方法有：
[0008] 方法一，不特殊設(shè)置權(quán)重，每個分詞Term的權(quán)重相同；
[0009] 方法二，通過規(guī)則的方法，為不同類型的分詞Term設(shè)置不同的權(quán)重。
[0010] 然而，目前的兩種分詞權(quán)重設(shè)置方式存在如下缺陷：
[0011] (1)方法一不能把不同分詞Term有效區(qū)分開，使相似度計算結(jié)果區(qū)分度不夠高， 實際應(yīng)用效果不理想；
[0012] (2)方法二中的人工設(shè)置權(quán)重的方法不方便進(jìn)行系統(tǒng)調(diào)優(yōu)，需要經(jīng)過多輪迭代才 能找到合適的權(quán)重設(shè)置規(guī)則，構(gòu)建成本高；
[0013] (3)方法二中，給不同類型Term設(shè)置不同權(quán)重，送種權(quán)重設(shè)置需要人工的先驗知 識，不能隨著系統(tǒng)的演進(jìn)進(jìn)行調(diào)整，維護(hù)成本高。
[0014] W上Η種缺陷都有可能影響相似度的計算結(jié)果，進(jìn)而影響到智能問答系統(tǒng)最終的 推薦效果。
[0015] 因此，目前需要本領(lǐng)域技術(shù)人員迫切解決的一個技術(shù)問題就是：提供一種智能問 答機制，W提升智能問答過程中的結(jié)果推薦準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0016] 本申請實施例所要解決的技術(shù)問題是提供一種智能問答的方法，W提升智能問答 過程中的結(jié)果推薦準(zhǔn)確率。
[0017] 相應(yīng)的，本申請實施例還提供了一種智能問答的裝置及一種智能問答系統(tǒng)，用W 保證上述方法的實現(xiàn)及應(yīng)用。
[001引為了解決上述問題，本申請公開了一種智能問答的方法，所述方法包括：
[0019] 接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞處理，得到一個或多 個第一分詞；
[0020] 基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵詞匹配的候選建議詞的集 合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分詞的詞；
[0021] 計算所述一個或多個第一分詞的權(quán)重；
[0022] 依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵詞與各候選建議詞的相 似度；
[0023] 將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回所述客戶端。
[0024] 優(yōu)選地，所述依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵詞與各候 選建議詞的相似度的步驟包括：
[00巧]對所述候選建議詞的集合中的候選建議詞進(jìn)行分詞處理，得到對應(yīng)的一個或多個 第二分詞；
[0026] 計算所述一個或多個第二分詞的權(quán)重；
[0027] 將所述一個或多個第一分詞的權(quán)重，組織成所述提問關(guān)鍵詞的向量信息；
[0028] 將每個候選建議詞對應(yīng)的一個或多個第二分詞的權(quán)重，組織成對應(yīng)的候選建議詞 的向量信息；
[0029] 采用所述提問關(guān)鍵詞的向量信息與各候選建議詞的向量信息，計算所述提問關(guān)鍵 詞與各候選建議詞的相似度。
[0030] 優(yōu)選地，所述計算所述一個或多個第一分詞的權(quán)重的步驟包括：
[0031] 分別提取所述第一分詞的多個特征信息；
[0032] 獲取所述多個特征信息的權(quán)重；
[0033] 匯總所述多個特征信息的權(quán)重，得到所述第一分詞的權(quán)重。
[0034] 優(yōu)選地，所述獲取所述多個特征信息的權(quán)重的步驟為：
[0035] 加載預(yù)先生成的權(quán)重計算模型，所述權(quán)重計算模型包括多個特征信息及對應(yīng)的權(quán) 重的映射關(guān)系；
[0036] 在所述權(quán)重計算模型中查詢所述特征信息的權(quán)重。
[0037] 優(yōu)選地，所述權(quán)重計算模型按照如下方式生成：
[0038] 查詢?nèi)罩居涗?，獲取在先提問關(guān)鍵詞及對應(yīng)的建議詞，其中，所述建議詞為預(yù)設(shè)數(shù) 據(jù)庫中包含所述在先提問關(guān)鍵詞的一個或多個分詞的詞；
[0039] 依據(jù)所述在先提問關(guān)鍵詞及對應(yīng)的建議詞，構(gòu)建所述在先提問關(guān)鍵詞與所述建議 詞的組合；
[0040] 基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出分詞組合，所述分詞組合 為對所述在先提問關(guān)鍵詞進(jìn)行分詞處理及對所述建議詞進(jìn)行分詞處理后，得到的分詞的組 合；
[0041] 針對所說分詞組合中的每個分詞，分別提取預(yù)置的多個特征信息，形成特征信息 組合；
[0042] 對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。
[0043] 優(yōu)選地，所述基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出分詞組合的 步驟包括：
[0044] 基于所述在先提問關(guān)鍵詞與所述建議詞的組合，分別對所述在先提問關(guān)鍵詞及所 述建議詞進(jìn)行分詞處理，得到分詞列表；
[0045] 基于所述分詞列表，獲得相同分詞列表及不同分詞列表，并定義相同分詞與不同 分詞列表的關(guān)系為；相同分詞列表〉不同分詞列表；
[0046] 結(jié)合所述相同分詞列表與所述不同分詞列表的關(guān)系，構(gòu)建分詞組合。
[0047] 優(yōu)選地，所述對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型的步驟包 括：
[0048] 將所述特征信息組合轉(zhuǎn)換為特定樣本格式的特征信息組合；
[0049] 通過排序向量空間模型算法RankSVM對所述特定樣本格式的特征信息組合進(jìn)行 建模，獲得權(quán)重計算模型。
[0050] 優(yōu)選地，所述特征信息至少包括如下信息：詞頻TF、逆文檔頻率IDF、TF*IDF、 BM25、分詞長度LEN、類目信息、詞性信息。
[0051] 優(yōu)選地，在所述對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型的步驟之 后，還包括：
[0052] 依據(jù)所述日志記錄更新所述權(quán)重計算模型。
[0053] 優(yōu)選地，所述將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回所 述客戶端的步驟包括：
[0054] 將所述相似度排序在前的N個候選建議詞及對應(yīng)的答案信息返回所述客戶端，其 中N為正整數(shù)；
[00財 或者，
[0056] 將所述相似度大于預(yù)設(shè)闊值的候選建議詞及對應(yīng)的答案信息返回所述客戶端。
[0057] 本申請還公開了一種智能問答的裝置，所述裝置包括：
[0058] 第一分詞模塊，用于接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞 處理，得到一個或多個第一分詞；
[0059] 候選建議詞獲取模塊，用于基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵 詞匹配的候選建議詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分 詞的詞；
[0060] 第一權(quán)重計算模塊，用于計算所述一個或多個第一分詞的權(quán)重；
[0061] 相似度計算模塊，用于依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵 詞與各候選建議詞的相似度；
[0062] 信息返回模塊，用于將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息 返回所述客戶端。
[0063] 優(yōu)選地，所述相似度計算模塊包括：
[0064] 第二分詞子模塊，用于對所述候選建議詞的集合中的候選建議詞進(jìn)行分詞處理， 得到對應(yīng)的一個或多個第二分詞；
[0065] 第二權(quán)重計算子模塊，用于計算所述一個或多個第二分詞的權(quán)重；
[0066] 第一向量組織子模塊，用于將所述一個或多個第一分詞的權(quán)重，組織成所述提問 關(guān)鍵詞的向量信息；
[0067] 第二向量組織子模塊，用于將每個候選建議詞對應(yīng)的一個或多個第二分詞的權(quán) 重，組織成對應(yīng)的候選建議詞的向量信息；
[0068] 計算子模塊，用于采用所述提問關(guān)鍵詞的向量信息與各候選建議詞的向量信息， 計算所述提問關(guān)鍵詞與各候選建議詞的相似度。
[0069] 優(yōu)選地，所述第一權(quán)重計算模塊包括：
[0070] 特征提取子模塊，用于分別提取所述第一分詞的多個特征信息；
[0071] 特征權(quán)重獲取子模塊，用于獲取所述多個特征信息的權(quán)重；
[0072] 匯總子模塊，用于匯總所述多個特征信息的權(quán)重，得到所述第一分詞的權(quán)重。
[0073] 優(yōu)選地，所述特征權(quán)重獲取子模塊還用于：
[0074] 加載預(yù)先生成的權(quán)重計算模型，所述權(quán)重計算模型包括多個特征信息及對應(yīng)的權(quán) 重的映射關(guān)系；
[00巧]在所述權(quán)重計算模型中查詢所述特征信息的權(quán)重。
[0076] 優(yōu)選地，所述裝置還包括：
[0077] 信息提取模塊，用于查詢?nèi)罩居涗?，獲取在先提問關(guān)鍵詞及對應(yīng)的建議詞，其中， 所述建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述在先提問關(guān)鍵詞的一個或多個分詞的詞；
[0078] 第一組合構(gòu)建模塊，用于依據(jù)所述在先提問關(guān)鍵詞及對應(yīng)的建議詞，構(gòu)建所述在 先提問關(guān)鍵詞與所述建議詞的組合；
[0079] 第二組合構(gòu)建模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出 分詞組合，所述分詞組合為對所述在先提問關(guān)鍵詞進(jìn)行分詞處理及對所述建議詞進(jìn)行分詞 處理后，得到的分詞的組合；
[0080] 第Η組合構(gòu)建模塊，用于針對所說分詞組合中的每個分詞，分別提取預(yù)置的多個 特征信息，形成特征信息組合；
[0081] 模型訓(xùn)練模塊，用于對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。
[0082] 優(yōu)選地，所述第二組合構(gòu)建模塊包括：
[0083] 分詞列表獲取子模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，分別 對所述在先提問關(guān)鍵詞及所述建議詞進(jìn)行分詞處理，得到分詞列表；
[0084] 關(guān)系定義子模塊，用于基于所述分詞列表，獲得相同分詞列表及不同分詞列表，并 定義相同分詞與不同分詞列表的關(guān)系為；相同分詞列表〉不同分詞列表；
[0085] 構(gòu)建子模塊，用于結(jié)合所述相同分詞列表與所述不同分詞列表的關(guān)系，構(gòu)建分詞 組合。
[0086] 優(yōu)選地，所述模型訓(xùn)練模塊包括：
[0087] 格式轉(zhuǎn)換子模塊，用于將所述特征信息組合轉(zhuǎn)換為特定樣本格式的特征信息組 合；
[0088] 訓(xùn)練子模塊，用于通過排序向量空間模型算法RankSVM對所述特定樣本格式的特 征信息組合進(jìn)行建模，獲得權(quán)重計算模型。
[008引優(yōu)選地，所述特征信息至少包括如下信息：詞頻TF、逆文檔頻率IDF、TF*IDF、 BM25、分詞長度LEN、類目信息、詞性信息。
[0090] 優(yōu)選地，所述裝置還包括：
[0091] 更新模塊，用于依據(jù)所述日志記錄更新所述權(quán)重計算模型。
[0092] 優(yōu)選地，所述信息返回模塊包括：
[0093] 第一返回子模塊，用于將所述相似度排序在前的N個候選建議詞及對應(yīng)的答案信 息返回所述客戶端，其中N為正整數(shù)；
[0094] 或者，
[0095] 第二返回子模塊，用于將所述相似度大于預(yù)設(shè)闊值的候選建議詞及對應(yīng)的答案信 息返回所述客戶端。
[0096] 本申請實施例還公開了一種智能問答系統(tǒng)，所述系統(tǒng)包括客戶端和服務(wù)器，其中，
[0097] 所述客戶端包括：
[0098] 信息發(fā)送模塊，用于向所述服務(wù)器發(fā)送提問關(guān)鍵詞；
[0099] 信息展現(xiàn)模塊，用于接收所述服務(wù)器返回的候選建議詞及對應(yīng)的答案信息，并展 現(xiàn)所述候選建議詞及對應(yīng)的答案信息；
[0100] 所述服務(wù)器包括：
[0101] 第一分詞模塊，用于接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞 處理，得到一個或多個第一分詞；
[0102] 候選建議詞獲取模塊，用于基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵 詞匹配的候選建議詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分 詞的詞；
[0103] 第一權(quán)重計算模塊，用于計算所述一個或多個第一分詞的權(quán)重；
[0104] 相似度計算模塊，用于依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵 詞與各候選建議詞的相似度；
[0105] 信息返回模塊，用于將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息 返回所述客戶端。
[0106] 與【背景技術(shù)】相比，本申請實施例包括W下優(yōu)點：
[0107] 在本申請實施例中，當(dāng)接收到提問關(guān)鍵詞W后，可W對該提問關(guān)鍵詞進(jìn)行分詞，得 到一個或多個第一分詞，進(jìn)而獲取與提問關(guān)鍵詞匹配的候選建議詞的集合，并計算每個第 一分詞的權(quán)重，然后依據(jù)該一個或多個第一分詞的權(quán)重，計算提問關(guān)鍵詞與各候選建議詞 的相似度，展現(xiàn)相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息。本申請實施例針對 不同的第一分詞，分別計算其權(quán)重，能有效的將不同的第一分詞區(qū)分開，進(jìn)而提高相似度計 算結(jié)果的區(qū)分度，提高了建議詞推薦的準(zhǔn)確率。
[010引另外，本申請實施例通過查詢?nèi)罩居涗浿杏脩粜袨榈挠涗?，獲取在先提問關(guān)鍵詞 與對應(yīng)的建議詞，基于在先提問關(guān)鍵詞與對應(yīng)的建議詞構(gòu)建在先提問關(guān)鍵詞與建議詞的組 合，并通過分詞處理得到分詞組合，W及，對分詞組合進(jìn)行特征信息提取，得到特征信息組 合，W特征信息組合作為訓(xùn)練樣本進(jìn)行模型訓(xùn)練，避免了人工構(gòu)建采集樣本并人工根據(jù)樣 本進(jìn)行模型訓(xùn)練的麻煩，減少了人工參與的成本，自動化樣本采集的過程及模型訓(xùn)練過程 還提升了模型訓(xùn)練效率和準(zhǔn)確率。
[0109] 進(jìn)一步的，本申請實施例可W通過預(yù)先建立的權(quán)重計算模型獲得第一分詞的權(quán) 重，權(quán)重計算模型因日志記錄的更新而更新，無需人工的先驗知識，方便系統(tǒng)調(diào)優(yōu)的同時， 節(jié)省了人工成本及構(gòu)建維護(hù)成本。
【附圖說明】
[0110] 圖1是本申請的一種智能問答的方法實施例一的步驟流程圖；
[0111] 圖2是本申請的一種權(quán)重計算模型建立方法實施例的步驟流程圖；
[0112] 圖3是本申請的一種智能問答的方法實施例二的步驟流程圖；
[0113] 圖4是本申請的一種智能問答的裝置實施例的結(jié)構(gòu)框圖；
[0114] 圖5是本申請的一種智能問答系統(tǒng)實施例的結(jié)構(gòu)框圖。
【具體實施方式】
[0115] 為使本申請的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實 施方式對本申請作進(jìn)一步詳細(xì)的說明。
[0116] 本申請實施例可W應(yīng)用于在線智能問答的場景，例如，應(yīng)用于智能問答系統(tǒng) (如estion Answering System, QA)中。智能問答系統(tǒng)W-問一答形式，精確的定位用戶所 需要的提問知識，通過與用戶進(jìn)行交互，為用戶提供個性化的信息服務(wù)，節(jié)約人力資源，提 高信息處理的自動性，提高信息處理效率。
[0117] 參照圖1，示出了本申請的一種智能問答的方法實施例一的步驟流程圖，具體可W 包括如下步驟：
[0118] 步驟101，接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞處理，得到 一個或多個第一分詞；
[0119] 步驟102,基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵詞匹配的候選建議 詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分詞的詞；
[0120] 步驟103,計算所述一個或多個第一分詞的權(quán)重；
[0121] 步驟104,依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵詞與各候選建 議詞的相似度；
[0122] 步驟105,將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回所述 客戶端。
[0123] 在本申請實施例中，當(dāng)接收到客戶端發(fā)送的提問關(guān)鍵詞W后，可W對該提問關(guān)鍵 詞進(jìn)行分詞，得到一個或多個第一分詞，進(jìn)而基于該一個或多個第一分詞獲取與提問關(guān)鍵 詞匹配的候選建議詞的集合，其中，候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一 分詞的詞。計算每個第一分詞的權(quán)重，然后依據(jù)該一個或多個第一分詞的權(quán)重，計算提問關(guān) 鍵詞與各候選建議詞的相似度，并將相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息 返回客戶端，W在客戶端中進(jìn)行展現(xiàn)。本申請實施例針對不同的第一分詞，分別計算其權(quán) 重，能有效的將不同的第一分詞區(qū)分開，進(jìn)而提高相似度計算結(jié)果的區(qū)分度，提高了建議詞 推薦的準(zhǔn)確率。
[0124] W下先對本申請的權(quán)重計算模型建立過程進(jìn)行說明。參照圖2,示出了本申請的一 種權(quán)重計算模型建立方法實施例的步驟流程圖，具體可W包括如下步驟：
[01巧]步驟201，查詢?nèi)罩居涗?，獲取在先提問關(guān)鍵詞及對應(yīng)的建議詞；
[0126] 在具體實現(xiàn)中，日志記錄可W是本申請的服務(wù)器中存儲的訪問日志記錄和/或點 擊日志記錄，該訪問日志記錄是記錄用戶在服務(wù)器中的預(yù)設(shè)時間段內(nèi)的訪問行為的歷史數(shù) 據(jù)，該點擊日志記錄是記錄用戶在服務(wù)器中預(yù)設(shè)時間段內(nèi)的點擊行為的歷史數(shù)據(jù)。
[0127] 可W通過查詢?nèi)罩居涗泚慝@得服務(wù)器中所有的在先提問關(guān)鍵詞如ery及對應(yīng)的 建議詞。其中，日志記錄除了包含在先提問關(guān)鍵詞及對應(yīng)的建議詞w外，還可w包括提問時 間、提問用戶標(biāo)識等信息。
[012引所述建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述在先提問關(guān)鍵詞的一個或多個分詞的詞。具 體來說，建議詞是服務(wù)器根據(jù)在先提問關(guān)鍵詞匹配出的與在先提問關(guān)鍵詞對應(yīng)的推薦詞或 關(guān)聯(lián)詞，可W是包含在先提問關(guān)鍵詞的部分或全部分詞的詞，該建議詞是預(yù)先存儲在預(yù)設(shè) 數(shù)據(jù)庫中的，具有關(guān)聯(lián)的答案信息。
[0129] 例如，在先提問關(guān)鍵詞是"余額寶提現(xiàn)"，則建議詞可W是"余額寶提現(xiàn)失敗"、"余 額寶如何提現(xiàn)"、"余額寶定期提現(xiàn)如何設(shè)置"等等。
[0130] 步驟202,依據(jù)所述在先提問關(guān)鍵詞及對應(yīng)的建議詞，構(gòu)建所述在先提問關(guān)鍵詞與 所述建議詞的組合；
[0131] 在本申請實施例中，可W依據(jù)用戶對建議詞的點擊行為來構(gòu)建在先提問關(guān)鍵詞與 對應(yīng)的建議詞的組合。具體來說，建議詞可W具有關(guān)聯(lián)的入口信息，點擊該入口信息可W引 導(dǎo)用戶進(jìn)入答案信息的頁面，在獲得建議詞W后，可W將該入口信息W及建議詞的組合W 列表的形式展現(xiàn)給用戶，用戶對某個入口信息的點擊便產(chǎn)生了點擊行為。
[0132] 在獲得在先提問關(guān)鍵詞W及對應(yīng)的多個建議詞W后，統(tǒng)計出對于一個在先提問關(guān) 鍵詞，它對應(yīng)的建議詞是否被點擊，若被點擊，則構(gòu)建在先提問關(guān)鍵詞與建議詞的組合，送 種組合簡稱如ery的pair對。
[0133] 例如，對于在先提問關(guān)鍵詞如ery A，它對應(yīng)的建議詞可W包括A、B、C Η個，如果 建議詞A被點擊，建議詞Β及建議詞C未被點擊，則得到的在先提問關(guān)鍵詞與對應(yīng)的建議詞 的組合（如ery的pair對）可W為；在先提問關(guān)鍵詞如ery A〉建議詞A〉建議詞B&&建議 詞C。
[0134] 步驟203,基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出分詞組合；
[0135] 其中，所述分詞組合為對上述的如ery的pair對中的在先提問關(guān)鍵詞進(jìn)行分詞處 理及對各個建議詞進(jìn)行分詞處理后，得到的分詞的組合。具體而言，在本申請實施例的一種 優(yōu)選實施方式中，步驟203可W包括如下過程：
[0136] (1)基于在先提問關(guān)鍵詞與建議詞的組合，分別對在先提問關(guān)鍵詞及建議詞進(jìn)行 分詞處理，得到分詞列表；
[0137] 例如，針對上例的pair對；在先提問關(guān)鍵詞如ery A〉建議詞A〉建議詞B&&建議 詞C，若如ery A為"余額寶提現(xiàn)"，建議詞A為"余額寶提現(xiàn)失敗"，建議詞B為"余額寶如 何提現(xiàn)"，建議詞C為"余額寶定期提現(xiàn)如何設(shè)置"，其分詞處理后得到的分詞列表（term列 表）如下表1所不：
[013 引
[0139] 表 1
[0140] 下面介紹幾種分詞方法：
[0141] 1、基于字符串匹配的分詞方法；是指按照一定的策略將待分析的漢字串與一個預(yù) 置的機器詞典中的詞條進(jìn)行匹配，若在詞典中找到某個字符串，則匹配成功（識別出一個 詞）。實際使用的分詞系統(tǒng)，都是把機械分詞作為一種初分手段，還需通過利用各種其它的 語言信息來進(jìn)一步提高切分的準(zhǔn)確率。
[0142] 2、基于特征掃描或標(biāo)志切分的分詞方法；是指優(yōu)先在待分析字符串中識別和切分 出一些帶有明顯特征的詞，W送些詞作為斷點，可將原字符串分為較小的串再來進(jìn)機械分 詞，從而減少匹配的錯誤率；或者將分詞和詞類標(biāo)注結(jié)合起來，利用豐富的詞類信息對分詞 決策提供幫助，并且在標(biāo)注過程中又反過來對分詞結(jié)果進(jìn)行檢驗、調(diào)整，從而提高切分的準(zhǔn) 確率。
[0143] 3、基于理解的分詞方法；是指通過讓計算機模擬人對句子的理解，達(dá)到識別詞的 效果。其基本思想就是在分詞的同時進(jìn)行句法、語義分析，利用句法信息和語義信息來處理 歧義現(xiàn)象。它通常包括Η個部分：分詞子系統(tǒng)、句法語義子系統(tǒng)、總控部分。在總控部分的 協(xié)調(diào)下，分詞子系統(tǒng)可W獲得有關(guān)詞、句子等的句法和語義信息來對分詞歧義進(jìn)行判斷，即 它模擬了人對句子的理解過程。送種分詞方法需要使用大量的語言知識和信息。
[0144] 4、基于統(tǒng)計的分詞方法；是指中文信息中由于字與字相鄰共現(xiàn)的頻率或概率能夠 較好的反映成詞的可信度，所W可W對語料中相鄰共現(xiàn)的各個字的組合的頻度進(jìn)行統(tǒng)計， 計算它們的互現(xiàn)信息，W及計算兩個漢字X、Υ的相鄰共現(xiàn)概率。互現(xiàn)信息可W體現(xiàn)漢字之 間結(jié)合關(guān)系的緊密程度。當(dāng)緊密程度高于某一個闊值時，便可認(rèn)為此字組可能構(gòu)成了一個 詞。送種方法只需對語料中的字組頻度進(jìn)行統(tǒng)計，不需要切分詞典。
[0145] 似基于分詞列表，獲得相同分詞列表及不同分詞列表，并定義相同分詞與不同分 詞列表的關(guān)系為：相同分詞列表〉不同分詞列表；
[0146] 具體來說，相同分詞是指在先提問關(guān)鍵詞與各建議詞的相同詞單元，不同分詞是 指在先提問關(guān)鍵詞與各建議詞的不同詞單元。例如上述表1中，如ery A與建議詞A的相 同分詞為"余額寶"、"提現(xiàn)"，不同分詞為"失敗";如ery A與建議詞B的相同分詞為"余額 寶"、"提現(xiàn)"，不同分詞為"如何";如ery A與建議詞C的相同分詞為"余額寶"、"提現(xiàn)"，不同 分詞為"定期"、"如何"、"設(shè)置"。
[0147] 本申請實施例對于相同分詞列表可W定義為same_te;rms (如eryA,如eryB)， 表示如eryA與如eryB中相同Term的集合；對于不同分詞列表可W定義為diff_ terms (如eryA,如eryB)，表不如eryA與如eryB中不同Term的集合。例如，針對上例，same_ terms (如eryA，建議詞A) = {余額寶、提現(xiàn)}，diff_te;rms (如eryA，建議詞A) = {失敗}; same_te;rms (如eryA,建議詞 B) = {余額寶、提現(xiàn)}，diff_te;rms (如eryA,建議詞 B) = {如 何} ;same_te;rms (如eryA，建議詞 C) = {余額寶、提現(xiàn)}，diff_te;rms (如eryA，建議詞 C)= {定期、如何、設(shè)置}。
[014引 （3)結(jié)合相同分詞列表與不同分詞列表的關(guān)系，構(gòu)建分詞組合。
[0149]結(jié)合 same_te;rms (如eryA,如eryB)〉diff_te;rms (如eryA,如eryB)，構(gòu)建分詞組合 termXHermYHermZI；其中，Χ、Υ、Ζ表示分詞）。例如，針對上例，得到的分詞組合可W包括： [0150] A ;余額寶〉失敗〉如何
[OW] B;提現(xiàn)〉失敗〉如何
[0152] C;余額寶〉失敗〉定期
[0153] D;提現(xiàn)〉失敗〉定期
[0154] E;余額寶〉失敗〉設(shè)置
[0155] F;提現(xiàn)〉失敗〉設(shè)置
[0156] 上述分詞組合A-F可W組成分詞組合的集合，即term pair對集合。
[0157] 步驟204,針對所說分詞組合中的每個分詞，分別提取預(yù)置的多個特征信息，形成 特征信息組合；
[0158] 獲得分詞組合后，可W基于每個分詞提取出一些特定維度的歷史特征信息，該特 征信息可W表現(xiàn)為特征分值。作為一種示例，該特征信息至少可W包括如下信息：詞頻TF、 逆文檔頻率IDF、TF*IDF、BM25、分詞長度LEN、類目信息、詞性信息。
[0159] 對每個特征信息說明如下：
[0160] TF(te;rm化equency,詞頻）：每個分詞term在建議詞中出現(xiàn)的次數(shù)；
[016。 IDF(Inverse Document Rrequen巧，逆向文件頻率）：log(有多少個建議詞中出現(xiàn) 過該分詞term);
[0162] TFIDF:TF*IDF ;
[0163] BM25 ;常用的BM25算法得出；
[0164] LEN:分詞term的長度；
[0165] 類目信息：即類目賭，是衡量分詞term的類目分布情況（預(yù)設(shè)數(shù)據(jù)庫中有類目信 息），其中，賭的定義；S(te;rm) =-sum(p 1〇甜），其中P是term屬于某個類目的概率，例如， 在電商行業(yè)中，類目信息可W為服裝類、食品類、電子類等。
[0166] 詞性信息；分詞term的詞性（產(chǎn)品詞、修飾詞、停頓詞等），其中，可W通過通用的 分詞工具來獲得分詞term的詞性；
[0167] 應(yīng)用于本申請實施例，可W將分詞組合中的每個分詞，用對應(yīng)的特征信息的 集合表示，得到特征信息組合。也就是說，對于分詞組合termAHermB，可W表示為 feature1_A, feature2_A, ..., featureN_A>featurel_B> feature2_B. · · · . featureN_B ；其 中，featurel_A, fea1:ure2_A, . . . , fea1:ureN_A 是 Term 詞 A 對應(yīng)的特征列表，featurel_ B, feature2_B, . . . , fea1:ureN_B 是 Term 詞 B 對應(yīng)的特征列表。
[016引例如，對于上述分詞組合中的"余額寶〉失敗"，若"余額寶"的特征信息列表為（tf =1，i壯=0. 25, TFIDF = 1. 5, BM25 = 3. 2, LEN = 3)，"失敗"的特征信息列表為（tf = 3, i壯=0. 3，TFIDF = 2，BM25 = 1. 5，LEN = 2)，則。余額寶〉失敗"表示為（1,0. 25, 1. 5， 3. 2, 3)〉（3, 0.3, 2, 1.5,2)。
[0169] 步驟205,對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。
[0170] 對于分詞組合每個分詞都用對應(yīng)的特征信息集合表示，得到特征信息組合W后， 可W將該特征信息組合作為訓(xùn)練樣本集合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。在具體實現(xiàn) 中，可W采用排序向量空間模型算法RankSVM來進(jìn)行模型訓(xùn)練。
[017。 RankSVM是一種pair-wise的Rank學(xué)習(xí)算法，它可W對一組term詞的排序樣本進(jìn) 行學(xué)習(xí)，獲得到排序模型（MocM)。因為RankSVM是基于SVM進(jìn)行開發(fā)的，它支持各種不同 的核函數(shù)進(jìn)行分類，包括高斯核、多項式核、線性核等。其中，高斯核和多項式核可W將低維 問題轉(zhuǎn)化為高維問題，從而提高模型的準(zhǔn)確率，但是送兩種核的模型訓(xùn)練速度較慢，同時在 線上預(yù)測復(fù)雜度比較高；而線性核雖然泛化能力較弱，但是它訓(xùn)練速度較快，因此，本申請 實施例的模型訓(xùn)練優(yōu)選地使用線性核進(jìn)行。
[0172] 在本申請實施例的一種優(yōu)選實施例中，步驟205可W包括如下子步驟：
[0173] 子步驟S10,將所述特征信息組合轉(zhuǎn)換為特定樣本格式的特征信息組合；
[0174] 在實際中，特定樣本格式可W為RankSVM所需的樣本格式。RankSVM所需的樣本格 式的特征信息組合可 W為；（1, featurel_A, fea1:ure2_A, . . . , fea1:ureN_A)、（0, fea1:urel_ B,feature2_B, . . . , featureN_B)，
[0Π 5] 其中，1，0表示該樣本的序關(guān)系，1代表的樣本優(yōu)于0代表的樣本。
[0176] 子步驟S20,通過RankSVM對所述特定樣本格式的特征信息組合進(jìn)行建模，獲得權(quán) 重計算模型。
[0177] 在具體實現(xiàn)中，通過RankSVM對特定樣本格式的特征信息組合進(jìn)行建模，得到的 權(quán)重計算模型為一組權(quán)重列表，送組權(quán)重列表是特征信息的權(quán)重組成的列表，特征信息的 權(quán)重表征每個特征信息在分類時的有效性，例如，得到的權(quán)重計算模型為{Wei曲t(tf)= 0.02，胖61曲1(1壯）=0.21，￥61曲1燈尸10巧=0.7，￥61曲1度125)=0.1，胖61曲1(1^腳= 0.引。
[0178] 在實際中，可W設(shè)置一測試樣本對權(quán)重計算模型進(jìn)行準(zhǔn)確率檢驗，并不斷迭代，使 得權(quán)重計算模型的準(zhǔn)確率達(dá)到最優(yōu)。
[0179] 另外，由于日志記錄是隨著用戶行為的變化而變化的，因此可W依據(jù)日志記錄更 新權(quán)重計算模型，使得權(quán)重計算模型隨著智能問答系統(tǒng)的演進(jìn)而調(diào)整，W降低對權(quán)重計算 模型的維護(hù)成本。
[0180] 在本申請實施例中，通過查詢?nèi)罩居涗浿杏脩粜袨榈挠涗?，獲取在先提問關(guān)鍵詞 與對應(yīng)的建議詞，基于在先提問關(guān)鍵詞與對應(yīng)的建議詞構(gòu)建在先提問關(guān)鍵詞與建議詞的組 合，并通過分詞處理得到分詞組合，W及，對分詞組合進(jìn)行特征信息提取，得到特征信息組 合，W特征信息組合作為訓(xùn)練樣本進(jìn)行模型訓(xùn)練，避免了人工構(gòu)建采集樣本并人工根據(jù)樣 本進(jìn)行模型訓(xùn)練的麻煩，減少了人工參與的成本，自動化樣本采集的過程及模型訓(xùn)練過程 還提升了模型訓(xùn)練效率和準(zhǔn)確率。
[0181] 參照圖3,示出了本申請的一種智能問答的方法實施例二的步驟流程圖，具體可W 包括如下步驟：
[0182] 步驟301，接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞處理，得到 一個或多個第一分詞；
[0183] 提問關(guān)鍵詞可W是用戶在客戶端提供的交互頁面中輸入的提問信息，客戶端接收 到用戶輸入的提問關(guān)鍵詞W后，依據(jù)提問關(guān)鍵詞生成提問請求，并將提問請求發(fā)送至服務(wù) 器。
[0184] 服務(wù)器接收到提問關(guān)鍵詞W后，對提問關(guān)鍵詞進(jìn)行分詞處理，得到一個或多個第 一分詞。其中，此處對于提問關(guān)鍵詞的分詞處理的方式及下述對于候選建議詞的分詞方式， 均可W參照圖2實施例中的分詞處理方式，在此不再賞述了。
[0185] 需要說明的是，服務(wù)器對提問關(guān)鍵詞執(zhí)行分詞處理W外，還可W進(jìn)行其他的預(yù)處 理，例如，去停止詞處理、錯誤矯正處理等。
[0186] 步驟302,基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵詞匹配的候選建議 詞的集合；
[0187] 服務(wù)器獲得一個或多個第一分詞W后，可W基于該一個或多個第一分詞，獲取與 提問關(guān)鍵詞匹配的候選建議詞的集合，候選建議詞可W為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多 個第一分詞的詞。具體來說，服務(wù)器側(cè)的預(yù)設(shè)數(shù)據(jù)庫中對于每個詞單元（即每個分詞term) 都存儲有對應(yīng)的候選建議詞（即每個term可W召回多個候選建議詞），則提問關(guān)鍵詞的所 有第一分詞對應(yīng)的候選建議詞組成該提問關(guān)鍵詞對應(yīng)的候選建議詞的集合，也就是說，候 選建議詞是包含部分或全部第一分詞的詞。
[018引需要說明的是，對于獲取的所有候選建議詞，可能存在重復(fù)的詞，則本申請實施例 還可W對候選建議詞進(jìn)行去重處理。
[0189] 例如，若提問關(guān)鍵詞為"余額寶提現(xiàn)"，則第一分詞包括"余額寶"、"提現(xiàn)"，在預(yù)設(shè) 數(shù)據(jù)庫查詢"余額寶"時獲得匹配的候選建議詞為"余額寶提現(xiàn)失敗"、"余額寶如何提現(xiàn)"、 "余額寶定期提現(xiàn)如何設(shè)置"、"余額寶是什么"等等，在預(yù)設(shè)數(shù)據(jù)庫查詢"提現(xiàn)"時獲得匹配 的候選建議詞為"余額寶提現(xiàn)失敗"、"余額寶如何提現(xiàn)"、"余額寶定期提現(xiàn)如何設(shè)置"、"怎 么提現(xiàn)"等等，則提問關(guān)鍵詞"余額寶提現(xiàn)"對應(yīng)的候選建議詞的集合為："余額寶提現(xiàn)失 敗"、"余額寶如何提現(xiàn)"、"余額寶定期提現(xiàn)如何設(shè)置"、"余額寶是什么"、"怎么提現(xiàn)"（已經(jīng) 去掉重復(fù)的"余額寶提現(xiàn)失敗"、"余額寶如何提現(xiàn)"、"余額寶定期提現(xiàn)如何設(shè)置"）。
[0190] 步驟303,計算所述一個或多個第一分詞的權(quán)重；
[0191] 獲得提問關(guān)鍵詞的一個或多個第一分詞W后，可W針對每個第一分詞，計算該第 一分詞的權(quán)重。在本申請的一種優(yōu)選實施例中，步驟303可W包括如下子步驟：
[0192] 子步驟S11，分別提取所述第一分詞的多個特征信息；
[0193] 在實際中，得到第一分詞后，可W獲取第一分詞的多個特征信息，該特征信息至少 包括如下信息的一種或多種：詞頻TF、逆文檔頻率IDF、TF*IDF、BM25、分詞長度LEN、類目信 息、詞性信息。其中，上述特征信息可W采用通用的方式獲取，本申請實施例對其獲取方式 無需加 W限制。
[0194] 子步驟S12,獲取所述多個特征信息的權(quán)重；
[0195] 獲取第一分詞的特征信息W后，可W進(jìn)一步獲取該特征信息的權(quán)重。在本申請的 一種優(yōu)選實施例中，子步驟S12進(jìn)一步可W包括如下子步驟：
[0196] 子步驟S121，加載預(yù)先生成的權(quán)重計算模型；
[0197] 應(yīng)用于本申請實施例，權(quán)重計算模型是在線下訓(xùn)練得到的模型，當(dāng)服務(wù)器接收到 提問關(guān)鍵詞后，加載該權(quán)重計算模型。
[0198] 權(quán)重計算模型可W為一組特征信息的權(quán)重列表文件，保存了多個特征信息與對應(yīng) 的權(quán)重的映射關(guān)系。
[0199] 子步驟S122,基于所述特征權(quán)重列表，查詢所述特征信息的權(quán)重。
[0200] 加載權(quán)重計算模型后，可W在該權(quán)重計算模型中查詢該第一分詞對應(yīng)的特征信 息，W獲得每個特征信息的權(quán)重。
[0201] 子步驟S13,匯總所述多個特征信息的權(quán)重，得到所述第一分詞的權(quán)重。
[0202] 在具體實現(xiàn)中，第一分詞的權(quán)重是其所有特征信息的權(quán)重的總和。第一分詞的權(quán) 重可W采用如下公式計算：
[0203]
[0204] 其中，score是第一分詞的權(quán)重，fe￡Tture_i是特征信息i，wei曲t_i是特征信息 fea1:ure_i 的權(quán)重。
[020引例如，若第一分詞為。余額寶"，其特征信息列表為（tf = 1，i壯=0. 25, TFIDF = 1. 5, BM25 = 3. 2, LEN = 3)，則該第一分詞的權(quán)重是 1+0. 25+1. 5+3. 2+3 = 8. 95。
[0206] 步驟304,分別對所述候選建議詞進(jìn)行分詞處理，得到對應(yīng)的一個或多個第二分 詞，并計算所述一個或多個第二分詞的權(quán)重；
[0207] 在實際中，獲得多個候選建議詞后，可W對多個候選建議詞進(jìn)行分詞處理，得到各 個候選建議詞對應(yīng)的一個或多個第二分詞。
[020引此處第二分詞的權(quán)重計算方法與上述第一分詞的權(quán)重計算方法相似，可W參照上 述第一分詞的權(quán)重計算過程，本申請實施例在此不再賞述了。
[0209] 步驟305,將所述一個或多個第一分詞的權(quán)重，組織成所述提問關(guān)鍵詞的向量信 息，W及，將每個候選建議詞對應(yīng)的一個或多個第二分詞的權(quán)重，組織成對應(yīng)的候選建議詞 的向量信息；
[0210] 獲得提問關(guān)鍵詞的一個或多個第一分詞的權(quán)重W后，可W根據(jù)第一分詞的權(quán)重， 組織提問關(guān)鍵詞的向量信息，例如，若提問關(guān)鍵詞是"支付寶提現(xiàn)"，對其分詞處理后得到的 第一分詞分別是"支付寶"、"提現(xiàn)"。如果"支付寶"的權(quán)重是5. 5,"提現(xiàn)"的權(quán)重是5. 7,則 得到的提問關(guān)鍵詞的向量信息是巧.5,5. 7}。
[0211] 候選建議詞的向量信息的組織方法可W參照上述提問關(guān)鍵詞的向量信息的組織 方法，在此不再賞述了。
[0212] 步驟306,采用所述提問關(guān)鍵詞的向量信息與各候選建議詞的向量信息，計算所述 提問關(guān)鍵詞與各候選建議詞的相似度；
[0213] 在具體實現(xiàn)中，相似度（即相關(guān)性得分）的計算方法可W采用余弦定理計算兩個 向量間的夾角的余弦值。具體計算過程如下：
[0214] 假設(shè)提問關(guān)鍵詞a的向量為[xa，ya，za]，候選建議詞的向量為[xb，yb，zb]，則相 似度計算如下：
[021 引
[0216] 步驟307,將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回所述 客戶端。
[0217] 應(yīng)用于本申請實施例，在計算了提問關(guān)鍵詞與各個候選建議詞的相似度W后，可 W將相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回客戶端，W在客戶端中進(jìn)行 展現(xiàn)。
[021引在一種實施方式中，符合預(yù)設(shè)規(guī)則的候選建議詞可W為相似度排序在前的N個候 選建議詞。具體來說，在計算了提問關(guān)鍵詞與各個候選建議詞的相似度W后，可W按照相似 度由大到小的順序?qū)蜻x建議詞進(jìn)行排序，并獲取各候選建議詞對應(yīng)的答案信息，然后將 相似度排序在前N個的候選建議詞及對應(yīng)的答案信息發(fā)送至客戶端，W在客戶端中進(jìn)行展 現(xiàn)。例如，N為1時，則獲取相似度最大的候選建議詞及對應(yīng)的答案信息發(fā)送至客戶端，作 為基于提問關(guān)鍵詞的回答信息。
[0219] 在另一種實施方式中，符合預(yù)設(shè)規(guī)則的候選建議詞可W為相似度大于預(yù)設(shè)闊值的 候選建議詞，具體來說，在計算了提問關(guān)鍵詞與各個候選建議詞的相似度W后，將相似度大 于預(yù)設(shè)闊值的候選建議詞及對應(yīng)的答案信息發(fā)送至客戶端，W通過客戶端展現(xiàn)給用戶。
[0220] 在具體實現(xiàn)中，候選建議詞對應(yīng)的答案信息在客戶端中可入口信息扣化）的 形式進(jìn)行展現(xiàn)，當(dāng)用戶點擊該入口信息時，可W進(jìn)入對應(yīng)的頁面。例如，在對話框中，返回多 個候選建議詞鏈接（title+詳情鏈接），當(dāng)用戶覺得某個候選建議詞title比較相關(guān)時，可 W觸發(fā)該鏈接，進(jìn)入對應(yīng)的頁面。
[0221] 當(dāng)然，答案信息也通過客戶端直接展現(xiàn)在當(dāng)前用戶交互界面中，本申請實施例對 此無需加 W限制。
[0222] 在本申請實施例中，可W通過預(yù)先建立的權(quán)重計算模型獲得第一分詞的權(quán)重，權(quán) 重計算模型因日志記錄的更新而更新，無需人工的先驗知識，方便系統(tǒng)調(diào)優(yōu)的同時，節(jié)省了 人工成本及構(gòu)建維護(hù)成本。
[0223] 需要說明的是，對于方法實施例，為了簡單描述，故將其都表述為一系列的動作組 合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本申請實施例并不受所描述的動作順序的限制，因為依 據(jù)本申請實施例，某些步驟可W采用其他順序或者同時進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該 知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作并不一定是本申請實施 例所必須的。
[0224] 參照圖4,示出了本申請一種智能問答的裝置實施例的結(jié)構(gòu)框圖，具體可W包括如 下模塊：
[0225] 第一分詞模塊401，用于接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分 詞處理，得到一個或多個第一分詞；
[0226] 候選建議詞獲取模塊402,用于基于所述一個或多個第一分詞，獲取與所述提問關(guān) 鍵詞匹配的候選建議詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一 分詞的詞；
[0227] 第一權(quán)重計算模塊403,用于計算所述一個或多個第一分詞的權(quán)重；
[022引相似度計算模塊404,用于依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān) 鍵詞與各候選建議詞的相似度；
[0229] 信息返回模塊405,用于將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案 信息返回所述客戶端。
[0230] 在本申請實施例的一種優(yōu)選實施例中，所述相似度計算模塊404可W包括：
[0231] 第二分詞子模塊，用于對所述候選建議詞的集合中的候選建議詞進(jìn)行分詞處理， 得到對應(yīng)的一個或多個第二分詞；
[0232] 第二權(quán)重計算子模塊，用于計算所述一個或多個第二分詞的權(quán)重；
[0233] 第一向量組織子模塊，用于將所述一個或多個第一分詞的權(quán)重，組織成所述提問 關(guān)鍵詞的向量信息；
[0234] 第二向量組織子模塊，用于將每個候選建議詞對應(yīng)的一個或多個第二分詞的權(quán) 重，組織成對應(yīng)的候選建議詞的向量信息；
[0235] 計算子模塊，用于采用所述提問關(guān)鍵詞的向量信息與各候選建議詞的向量信息， 計算所述提問關(guān)鍵詞與各候選建議詞的相似度。
[0236] 在本申請實施例的一種優(yōu)選實施例中，所述第一權(quán)重計算模塊403可W包括：
[0237] 特征提取子模塊，用于分別提取所述第一分詞的多個特征信息；
[023引特征權(quán)重獲取子模塊，用于獲取所述多個特征信息的權(quán)重；
[0239] 匯總子模塊，用于匯總所述多個特征信息的權(quán)重，得到所述第一分詞的權(quán)重。
[0240] 在本申請實施例的一種優(yōu)選實施例中，所述特征權(quán)重獲取子模塊還可W用于：
[0241] 加載預(yù)先生成的權(quán)重計算模型，所述權(quán)重計算模型包括多個特征信息及對應(yīng)的權(quán) 重的映射關(guān)系；
[0242] 在所述權(quán)重計算模型中查詢所述特征信息的權(quán)重。
[0243] 在本申請實施例的一種優(yōu)選實施例中，所述裝置還可W包括：
[0244] 信息提取模塊，用于查詢?nèi)罩居涗?，獲取在先提問關(guān)鍵詞及對應(yīng)的建議詞，其中， 所述建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述在先提問關(guān)鍵詞的一個或多個分詞的詞；
[0245] 第一組合構(gòu)建模塊，用于依據(jù)所述在先提問關(guān)鍵詞及對應(yīng)的建議詞，構(gòu)建所述在 先提問關(guān)鍵詞與所述建議詞的組合；
[0246] 第二組合構(gòu)建模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出 分詞組合，所述分詞組合為對所述在先提問關(guān)鍵詞進(jìn)行分詞處理及對所述建議詞進(jìn)行分詞 處理后，得到的分詞的組合；
[0247] 第Η組合構(gòu)建模塊，用于針對所說分詞組合中的每個分詞，分別提取預(yù)置的多個 特征信息，形成特征信息組合；
[024引模型訓(xùn)練模塊，用于對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。
[0249] 在本申請實施例的一種優(yōu)選實施例中，所述第二組合構(gòu)建模塊包括：
[0250] 分詞列表獲取子模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，分別 對所述在先提問關(guān)鍵詞及所述建議詞進(jìn)行分詞處理，得到分詞列表；
[0251] 關(guān)系定義子模塊，用于基于所述分詞列表，獲得相同分詞列表及不同分詞列表，并 定義相同分詞與不同分詞列表的關(guān)系為；相同分詞列表〉不同分詞列表；
[0252] 構(gòu)建子模塊，用于結(jié)合所述相同分詞列表與所述不同分詞列表的關(guān)系，構(gòu)建分詞 組合。
[0巧3] 在本申請實施例的一種優(yōu)選實施例中，所述模型訓(xùn)練模塊包括：
[0254] 格式轉(zhuǎn)換子模塊，用于將所述特征信息組合轉(zhuǎn)換為特定樣本格式的特征信息組 合；
[0巧5]訓(xùn)練子模塊，用于通過排序向量空間模型算法RankSVM對所述特定樣本格式的特 征信息組合進(jìn)行建模，獲得權(quán)重計算模型。
[0256] 在本申請實施例的一種優(yōu)選實施例中，所述特征信息至少包括如下信息：詞頻 TF、逆文檔頻率IDF、TF*IDF、BM25、分詞長度LEN、類目信息、詞性信息。
[0巧7] 在本申請實施例的一種優(yōu)選實施例中，所述裝置還包括：
[025引更新模塊，用于依據(jù)所述日志記錄更新所述權(quán)重計算模型。
[ο巧9] 在本申請實施例的一種優(yōu)選實施例中，所述信息返回模塊405可w包括：
[0260] 第一返回子模塊，用于將所述相似度排序在前的N個候選建議詞及對應(yīng)的答案信 息返回所述客戶端，其中N為正整數(shù)；
[0261] 或者，
[0262] 第二返回子模塊，用于將所述相似度大于預(yù)設(shè)闊值的候選建議詞及對應(yīng)的答案信 息返回所述客戶端。
[0263] 對于圖4所述的裝置實施例而言，由于其與上述方法實施例基本相似，所W描述 的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。
[0264] 參照圖5,示出了本申請一種智能問答系統(tǒng)實施例的結(jié)構(gòu)框圖，所述系統(tǒng)包括客戶 端50和服務(wù)器60,其中，
[0265] 所述客戶端50可W包括如下模塊：
[0266] 信息發(fā)送模塊501，用于向所述服務(wù)器發(fā)送提問關(guān)鍵詞；
[0267] 信息展現(xiàn)模塊502,用于接收所述服務(wù)器返回的候選建議詞及對應(yīng)的答案信息，并 展現(xiàn)所述候選建議詞及對應(yīng)的答案信息；
[026引所述服務(wù)器60可W包括如下模塊：
[0269] 第一分詞模塊601，用于接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分 詞處理，得到一個或多個第一分詞；
[0270] 候選建議詞獲取模塊602,用于基于所述一個或多個第一分詞，獲取與所述提問關(guān) 鍵詞匹配的候選建議詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一 分詞的詞；
[0271] 第一權(quán)重計算模塊603,用于計算所述一個或多個第一分詞的權(quán)重；
[0272] 相似度計算模塊604,用于依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān) 鍵詞與各候選建議詞的相似度；
[0273] 信息返回模塊605,用于將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案 信息返回所述客戶端。
[0274] 在本申請實施例的一種優(yōu)選實施例中，所述相似度計算模塊604可W包括：
[0275] 第二分詞子模塊，用于對所述候選建議詞的集合中的候選建議詞進(jìn)行分詞處理， 得到對應(yīng)的一個或多個第二分詞；
[0276] 第二權(quán)重計算子模塊，用于計算所述一個或多個第二分詞的權(quán)重；
[0277] 第一向量組織子模塊，用于將所述一個或多個第一分詞的權(quán)重，組織成所述提問 關(guān)鍵詞的向量信息；
[027引第二向量組織子模塊，用于將每個候選建議詞對應(yīng)的一個或多個第二分詞的權(quán) 重，組織成對應(yīng)的候選建議詞的向量信息；
[0279] 計算子模塊，用于采用所述提問關(guān)鍵詞的向量信息與各候選建議詞的向量信息， 計算所述提問關(guān)鍵詞與各候選建議詞的相似度。
[0280] 在本申請實施例的一種優(yōu)選實施例中，所述第一權(quán)重計算模塊603可W包括：
[0281] 特征提取子模塊，用于分別提取所述第一分詞的多個特征信息；
[0282] 特征權(quán)重獲取子模塊，用于獲取所述多個特征信息的權(quán)重；
[0283] 匯總子模塊，用于匯總所述多個特征信息的權(quán)重，得到所述第一分詞的權(quán)重。
[0284] 在本申請實施例的一種優(yōu)選實施例中，所述特征權(quán)重獲取子模塊還可W用于：
[0285] 加載預(yù)先生成的權(quán)重計算模型，所述權(quán)重計算模型包括多個特征信息及對應(yīng)的權(quán) 重的映射關(guān)系；
[0286] 在所述權(quán)重計算模型中查詢所述特征信息的權(quán)重。
[0287] 在本申請實施例的一種優(yōu)選實施例中，所述裝置還可W包括：
[028引信息提取模塊，用于查詢?nèi)罩居涗?，獲取在先提問關(guān)鍵詞及對應(yīng)的建議詞，其中， 所述建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述在先提問關(guān)鍵詞的一個或多個分詞的詞；
[0289] 第一組合構(gòu)建模塊，用于依據(jù)所述在先提問關(guān)鍵詞及對應(yīng)的建議詞，構(gòu)建所述在 先提問關(guān)鍵詞與所述建議詞的組合；
[0290] 第二組合構(gòu)建模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出 分詞組合，所述分詞組合為對所述在先提問關(guān)鍵詞進(jìn)行分詞處理及對所述建議詞進(jìn)行分詞 處理后，得到的分詞的組合；
[0291] 第Η組合構(gòu)建模塊，用于針對所說分詞組合中的每個分詞，分別提取預(yù)置的多個 特征信息，形成特征信息組合；
[0292] 模型訓(xùn)練模塊，用于對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。
[0293] 在本申請實施例的一種優(yōu)選實施例中，所述第二組合構(gòu)建模塊包括：
[0294] 分詞列表獲取子模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，分別 對所述在先提問關(guān)鍵詞及所述建議詞進(jìn)行分詞處理，得到分詞列表；
[0295] 關(guān)系定義子模塊，用于基于所述分詞列表，獲得相同分詞列表及不同分詞列表，并 定義相同分詞與不同分詞列表的關(guān)系為；相同分詞列表〉不同分詞列表；
[0296] 構(gòu)建子模塊，用于結(jié)合所述相同分詞列表與所述不同分詞列表的關(guān)系，構(gòu)建分詞 組合。
[0297] 在本申請實施例的一種優(yōu)選實施例中，所述模型訓(xùn)練模塊包括：
[029引格式轉(zhuǎn)換子模塊，用于將所述特征信息組合轉(zhuǎn)換為特定樣本格式的特征信息組 合；
[0299] 訓(xùn)練子模塊，用于通過排序向量空間模型算法RankSVM對所述特定樣本格式的特 征信息組合進(jìn)行建模，獲得權(quán)重計算模型。
[0300] 在本申請實施例的一種優(yōu)選實施例中，所述特征信息至少包括如下信息：詞頻 TF、逆文檔頻率IDF、TF*IDF、BM25、分詞長度LEN、類目信息、詞性信息。
[0301] 在本申請實施例的一種優(yōu)選實施例中，所述裝置還包括：
[0302] 更新模塊，用于依據(jù)所述日志記錄更新所述權(quán)重計算模型。
[0303] 在本申請實施例的一種優(yōu)選實施例中，所述信息返回模塊605可W包括：
[0304] 第一返回子模塊，用于將所述相似度排序在前的N個候選建議詞及對應(yīng)的答案信 息返回所述客戶端，其中N為正整數(shù)；
[030引或者，
[0306] 第二返回子模塊，用于將所述相似度大于預(yù)設(shè)闊值的候選建議詞及對應(yīng)的答案信 息返回所述客戶端。
[0307] 對于圖5所述的系統(tǒng)實施例而言，由于其與上述方法實施例基本相似，所W描述 的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。
[030引本說明書中的各個實施例均采用遞進(jìn)的方式描述，每個實施例重點說明的都是與 其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
[0309] 本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請實施例的實施例可提供為方法、裝置、或計算 機程序產(chǎn)品。因此，本申請實施例可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和 硬件方面的實施例的形式。而且，本申請實施例可采用在一個或多個其中包含有計算機可 用程序代碼的計算機可用存儲介質(zhì)（包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等）上 實施的計算機程序產(chǎn)品的形式。
[0310] 在一個典型的配置中，所述計算機設(shè)備包括一個或多個處理器（CPU)、輸入/輸出 接口、網(wǎng)絡(luò)接口和內(nèi)存。內(nèi)存可能包括計算機可讀介質(zhì)中的非永久性存儲器，隨機存取存儲 器（RAM)和/或非易失性內(nèi)存等形式，如只讀存儲器（ROM)或閃存（flash RAM)。內(nèi)存是 計算機可讀介質(zhì)的示例。計算機可讀介質(zhì)包括永久性和非永久性、可移動和非可移動媒體 可W由任何方法或技術(shù)來實現(xiàn)信息存儲。信息可W是計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模 塊或其他數(shù)據(jù)。計算機的存儲介質(zhì)的例子包括，但不限于相變內(nèi)存（PRAM)、靜態(tài)隨機存取 存儲器（SRAM)、動態(tài)隨機存取存儲器值RAM)、其他類型的隨機存取存儲器（RAM)、只讀存儲 器（ROM)、電可擦除可編程只讀存儲器巧EPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只 讀存儲器（CD-ROM)、數(shù)字多功能光盤值VD)或其他光學(xué)存儲、磁盒式磁帶，磁帶磁磁盤存儲 或其他磁性存儲設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲可W被計算設(shè)備訪問的信息。按 照本文中的界定，計算機可讀介質(zhì)不包括非持續(xù)性的電腦可讀媒體（transitory media)， 如調(diào)制的數(shù)據(jù)信號和載波。
[0311] 本申請實施例是參照根據(jù)本申請實施例的方法、終端設(shè)備（系統(tǒng)）、和計算機程序 產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框 圖中的每一流程和/或方框、W及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商?供送些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理 終端設(shè)備的處理器W產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理終端設(shè)備的處 理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多 個方框中指定的功能的裝置。
[0312] 送些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理終端設(shè)備 W特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包 括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方 框或多個方框中指定的功能。
[0313] 送些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理終端設(shè)備上，使得 在計算機或其他可編程終端設(shè)備上執(zhí)行一系列操作步驟W產(chǎn)生計算機實現(xiàn)的處理，從而在 計算機或其他可編程終端設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程 和/或方框圖一個方框或多個方框中指定的功能的步驟。
[0314] 盡管已描述了本申請實施例的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基 本創(chuàng)造性概念，則可對送些實施例做出另外的變更和修改。所W，所附權(quán)利要求意欲解釋為 包括優(yōu)選實施例W及落入本申請實施例范圍的所有變更和修改。
[0315] 最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將 一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示送些實體或操作 之間存在任何送種實際的關(guān)系或者順序。而且，術(shù)語"包括"、"包含"或者其任何其他變體意 在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設(shè)備不僅包 括郝些要素，而且還包括沒有明確列出的其他要素，或者是還包括為送種過程、方法、物品 或者終端設(shè)備所固有的要素。在沒有更多限制的情況下，由語句"包括一個……"限定的要 素，并不排除在包括所述要素的過程、方法、物品或者終端設(shè)備中還存在另外的相同要素。
[0316] W上對本申請所提供的一種智能問答的方法、裝置及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文 中應(yīng)用了具體個例對本申請的原理及實施方式進(jìn)行了闡述，W上實施例的說明只是用于幫 助理解本申請的方法及其核必思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思 想，在【具體實施方式】及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對 本申請的限制。
【主權(quán)項】
1. 一種智能問答的方法，其特征在于，所述方法包括： 接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞處理，得到一個或多個第 一分詞； 基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵詞匹配的候選建議詞的集合，所 述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分詞的詞； 計算所述一個或多個第一分詞的權(quán)重； 依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵詞與各候選建議詞的相似 度； 將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回所述客戶端。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)所述一個或多個第一分詞的權(quán) 重，計算所述提問關(guān)鍵詞與各候選建議詞的相似度的步驟包括： 對所述候選建議詞的集合中的候選建議詞進(jìn)行分詞處理，得到對應(yīng)的一個或多個第二 分詞； 計算所述一個或多個第二分詞的權(quán)重； 將所述一個或多個第一分詞的權(quán)重，組織成所述提問關(guān)鍵詞的向量信息； 將每個候選建議詞對應(yīng)的一個或多個第二分詞的權(quán)重，組織成對應(yīng)的候選建議詞的向 量信息； 采用所述提問關(guān)鍵詞的向量信息與各候選建議詞的向量信息，計算所述提問關(guān)鍵詞與 各候選建議詞的相似度。3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述計算所述一個或多個第一分詞的 權(quán)重的步驟包括： 分別提取所述第一分詞的多個特征信息； 獲取所述多個特征信息的權(quán)重； 匯總所述多個特征信息的權(quán)重，得到所述第一分詞的權(quán)重。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取所述多個特征信息的權(quán)重的步 驟為： 加載預(yù)先生成的權(quán)重計算模型，所述權(quán)重計算模型包括多個特征信息及對應(yīng)的權(quán)重的 映射關(guān)系； 在所述權(quán)重計算模型中查詢所述特征信息的權(quán)重。5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述權(quán)重計算模型按照如下方式生成： 查詢?nèi)罩居涗?，獲取在先提問關(guān)鍵詞及對應(yīng)的建議詞，其中，所述建議詞為預(yù)設(shè)數(shù)據(jù)庫 中包含所述在先提問關(guān)鍵詞的一個或多個分詞的詞； 依據(jù)所述在先提問關(guān)鍵詞及對應(yīng)的建議詞，構(gòu)建所述在先提問關(guān)鍵詞與所述建議詞的 組合； 基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出分詞組合，所述分詞組合為對 所述在先提問關(guān)鍵詞進(jìn)行分詞處理及對所述建議詞進(jìn)行分詞處理后，得到的分詞的組合； 針對所說分詞組合中的每個分詞，分別提取預(yù)置的多個特征信息，形成特征信息組 合； 對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述在先提問關(guān)鍵詞與所述建 議詞的組合，映射出分詞組合的步驟包括： 基于所述在先提問關(guān)鍵詞與所述建議詞的組合，分別對所述在先提問關(guān)鍵詞及所述建 議詞進(jìn)行分詞處理，得到分詞列表； 基于所述分詞列表，獲得相同分詞列表及不同分詞列表，并定義相同分詞與不同分詞 列表的關(guān)系為：相同分詞列表〉不同分詞列表； 結(jié)合所述相同分詞列表與所述不同分詞列表的關(guān)系，構(gòu)建分詞組合。7. 根據(jù)權(quán)利要求5或6所述的方法，其特征在于，所述對所述特征信息組合進(jìn)行模型訓(xùn) 練，得到權(quán)重計算模型的步驟包括： 將所述特征信息組合轉(zhuǎn)換為特定樣本格式的特征信息組合； 通過排序向量空間模型算法RankSVM對所述特定樣本格式的特征信息組合進(jìn)行建模， 獲得權(quán)重計算模型。8. 根據(jù)權(quán)利要求5或6所述的方法，其特征在于，所述特征信息至少包括如下信息：詞 頻TF、逆文檔頻率IDF、TF*IDF、BM25、分詞長度LEN、類目信息、詞性信息。9. 根據(jù)權(quán)利要求4或5或6所述的方法，其特征在于，在所述對所述特征信息組合進(jìn)行 模型訓(xùn)練，得到權(quán)重計算模型的步驟之后，還包括： 依據(jù)所述日志記錄更新所述權(quán)重計算模型。10. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述相似度符合預(yù)設(shè)規(guī)則的候選 建議詞及對應(yīng)的答案信息返回所述客戶端的步驟包括： 將所述相似度排序在前的N個候選建議詞及對應(yīng)的答案信息返回所述客戶端，其中N 為正整數(shù)； 或者， 將所述相似度大于預(yù)設(shè)閾值的候選建議詞及對應(yīng)的答案信息返回所述客戶端。11. 一種智能問答的裝置，其特征在于，所述裝置包括： 第一分詞模塊，用于接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞處理， 得到一個或多個第一分詞； 候選建議詞獲取模塊，用于基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵詞匹 配的候選建議詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分詞的 詞； 第一權(quán)重計算模塊，用于計算所述一個或多個第一分詞的權(quán)重； 相似度計算模塊，用于依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵詞與 各候選建議詞的相似度； 信息返回模塊，用于將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回 所述客戶端。12. 根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述相似度計算模塊包括： 第二分詞子模塊，用于對所述候選建議詞的集合中的候選建議詞進(jìn)行分詞處理，得到 對應(yīng)的一個或多個第二分詞； 第二權(quán)重計算子模塊，用于計算所述一個或多個第二分詞的權(quán)重； 第一向量組織子模塊，用于將所述一個或多個第一分詞的權(quán)重，組織成所述提問關(guān)鍵 詞的向量信息； 第二向量組織子模塊，用于將每個候選建議詞對應(yīng)的一個或多個第二分詞的權(quán)重，組 織成對應(yīng)的候選建議詞的向量信息； 計算子模塊，用于采用所述提問關(guān)鍵詞的向量信息與各候選建議詞的向量信息，計算 所述提問關(guān)鍵詞與各候選建議詞的相似度。13. 根據(jù)權(quán)利要求11或12所述的裝置，其特征在于，所述第一權(quán)重計算模塊包括： 特征提取子模塊，用于分別提取所述第一分詞的多個特征信息； 特征權(quán)重獲取子模塊，用于獲取所述多個特征信息的權(quán)重； 匯總子模塊，用于匯總所述多個特征信息的權(quán)重，得到所述第一分詞的權(quán)重。14. 根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述特征權(quán)重獲取子模塊還用于： 加載預(yù)先生成的權(quán)重計算模型，所述權(quán)重計算模型包括多個特征信息及對應(yīng)的權(quán)重的 映射關(guān)系； 在所述權(quán)重計算模型中查詢所述特征信息的權(quán)重。15. 根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述裝置還包括： 信息提取模塊，用于查詢?nèi)罩居涗?，獲取在先提問關(guān)鍵詞及對應(yīng)的建議詞，其中，所述 建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述在先提問關(guān)鍵詞的一個或多個分詞的詞； 第一組合構(gòu)建模塊，用于依據(jù)所述在先提問關(guān)鍵詞及對應(yīng)的建議詞，構(gòu)建所述在先提 問關(guān)鍵詞與所述建議詞的組合； 第二組合構(gòu)建模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，映射出分詞 組合，所述分詞組合為對所述在先提問關(guān)鍵詞進(jìn)行分詞處理及對所述建議詞進(jìn)行分詞處理 后，得到的分詞的組合； 第三組合構(gòu)建模塊，用于針對所說分詞組合中的每個分詞，分別提取預(yù)置的多個特征 信息，形成特征信息組合； 模型訓(xùn)練模塊，用于對所述特征信息組合進(jìn)行模型訓(xùn)練，得到權(quán)重計算模型。16. 根據(jù)權(quán)利要求15所述的裝置，其特征在于，所述第二組合構(gòu)建模塊包括： 分詞列表獲取子模塊，用于基于所述在先提問關(guān)鍵詞與所述建議詞的組合，分別對所 述在先提問關(guān)鍵詞及所述建議詞進(jìn)行分詞處理，得到分詞列表； 關(guān)系定義子模塊，用于基于所述分詞列表，獲得相同分詞列表及不同分詞列表，并定義 相同分詞與不同分詞列表的關(guān)系為：相同分詞列表〉不同分詞列表； 構(gòu)建子模塊，用于結(jié)合所述相同分詞列表與所述不同分詞列表的關(guān)系，構(gòu)建分詞組合。17. 根據(jù)權(quán)利要求15或16所述的裝置，其特征在于，所述模型訓(xùn)練模塊包括： 格式轉(zhuǎn)換子模塊，用于將所述特征信息組合轉(zhuǎn)換為特定樣本格式的特征信息組合； 訓(xùn)練子模塊，用于通過排序向量空間模型算法RankSVM對所述特定樣本格式的特征信 息組合進(jìn)行建模，獲得權(quán)重計算模型。18. 根據(jù)權(quán)利要求15或16所述的裝置，其特征在于，所述特征信息至少包括如下信息： 詞頻TF、逆文檔頻率IDF、TF*IDF、BM25、分詞長度LEN、類目信息、詞性信息。19. 根據(jù)權(quán)利要求14或15或16所述的裝置，其特征在于，所述裝置還包括： 更新模塊，用于依據(jù)所述日志記錄更新所述權(quán)重計算模型。20. 根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述信息返回模塊包括： 第一返回子模塊，用于將所述相似度排序在前的N個候選建議詞及對應(yīng)的答案信息返 回所述客戶端，其中N為正整數(shù)； 或者， 第二返回子模塊，用于將所述相似度大于預(yù)設(shè)閾值的候選建議詞及對應(yīng)的答案信息返 回所述客戶端。21.-種智能問答系統(tǒng)，其特征在于，所述系統(tǒng)包括客戶端和服務(wù)器，其中， 所述客戶端包括： 信息發(fā)送模塊，用于向所述服務(wù)器發(fā)送提問關(guān)鍵詞； 信息展現(xiàn)模塊，用于接收所述服務(wù)器返回的候選建議詞及對應(yīng)的答案信息，并展現(xiàn)所 述候選建議詞及對應(yīng)的答案信息； 所述服務(wù)器包括： 第一分詞模塊，用于接收客戶端發(fā)送的提問關(guān)鍵詞，將所述提問關(guān)鍵詞進(jìn)行分詞處理， 得到一個或多個第一分詞； 候選建議詞獲取模塊，用于基于所述一個或多個第一分詞，獲取與所述提問關(guān)鍵詞匹 配的候選建議詞的集合，所述候選建議詞為預(yù)設(shè)數(shù)據(jù)庫中包含所述一個或多個第一分詞的 詞； 第一權(quán)重計算模塊，用于計算所述一個或多個第一分詞的權(quán)重； 相似度計算模塊，用于依據(jù)所述一個或多個第一分詞的權(quán)重，計算所述提問關(guān)鍵詞與 各候選建議詞的相似度； 信息返回模塊，用于將所述相似度符合預(yù)設(shè)規(guī)則的候選建議詞及對應(yīng)的答案信息返回 所述客戶端。
【文檔編號】G06F17/27GK105989040SQ201510057282
【公開日】2016年10月5日
【申請日】2015年2月3日
【發(fā)明人】王 義
【申請人】阿里巴巴集團(tuán)控股有限公司