基于深度问答的问答澄清方法和装置与流程

本发明涉及信息检索技术领域，尤其涉及一种基于深度问答的问答澄清方法和装置。

背景技术：

深度问答(Deep question and answer)，是指理解人类的语言，智能识别问题的含义，并从海量的互联网数据中提取问题的答案。

用户通过搜索引擎搜索信息时，可以获得丰富的互联网资源。但是当用户输入的查询语句意图不明确时，现有的搜索引擎返回的结果往往掺杂许多与用户意图不相关的内容。例如，用户在搜索引擎中输入“糖尿病症状”，用户想要查询糖尿病的早期症状以进行预警，但是检索结果却包含大量的“糖尿病中期、晚期症状”的内容。可见，由于根据用户输入的查询语句不能够确定用户要检索的是哪个时期的糖尿病症状或者什么人群的糖尿病症，导致检索结果的内容很多都与用户想要搜索的内容不完全匹配，使得用户需要点击大量的网页来寻找自己感兴趣的内容，甚至需要重新搜索，降低了检索效率。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种基于深度问答的问答澄清方法，该方法通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

本发明的第二个目的在于提出一种基于深度问答的问答澄清装置。

本发明的第三个目的在于提出一种终端。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为了实现上述目的，本发明第一方面实施例提出了一种基于深度问答的问答澄清方法，包括：接收输入的查询语句；根据查询语句召回对应的答案标题和/或历史查询语句；对答案标题和/或历史查询语句进行分析，以获取对应的依存树；根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇；对至少一个问答簇进行泛化，以生成对应的候选澄清问答；展现候选澄清问答。

本发明第一方面实施例的基于深度问答的问答澄清方法，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

为达上述目的，本发明第二方面实施例提出了一种基于深度问答的问答澄清装置，包括：接收模块，用于接收输入的查询语句；召回模块，用于根据查询语句召回对应的答案标题和/或历史查询语句；分析模块，用于对答案标题和/或历史查询语句进行分析，以获取对应的依存树；聚簇模块，用于根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇；生成模块，用于对至少一个问答簇进行泛化，以生成对应的候选澄清问答；展现模块，用于展现候选澄清问答。

本发明第二方面实施例的基于深度问答的问答澄清装置，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

为了实现上述目的，本发明第三方面实施例提出了一种终端，包括：处理器；用于存储处理器可执行指令的存储器。其中，处理器被配置为执行以下步骤：

接收输入的查询语句；

根据查询语句召回对应的答案标题和/或历史查询语句；

对答案标题和/或历史查询语句进行分析，以获取对应的依存树；

根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇；

对至少一个问答簇进行泛化，以生成对应的候选澄清问答；

展现候选澄清问答。

本发明第三方面实施例提出的终端，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，用于存储一个或多个程序，当存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种基于深度问答的问答澄清方法，方法包括；

接收输入的查询语句；

根据查询语句召回对应的答案标题和/或历史查询语句；

对答案标题和/或历史查询语句进行分析，以获取对应的依存树；

根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇；

对至少一个问答簇进行泛化，以生成对应的候选澄清问答；

展现候选澄清问答。

本发明第四方面实施例提出的非临时性计算机可读存储介质，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令被处理器执行时，执行一种基于深度问答的问答澄清方法，方法包括：

接收输入的查询语句；

根据查询语句召回对应的答案标题和/或历史查询语句；

对答案标题和/或历史查询语句进行分析，以获取对应的依存树；

根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇；

对至少一个问答簇进行泛化，以生成对应的候选澄清问答；

展现候选澄清问答。

本发明第五方面实施例提出的计算机程序产品，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是根据本发明一个实施例的基于深度问答的问答澄清方法的流程图；

图2a是语句“感冒了怎么办”对应的依存树的示意图；

图2b是语句“宝宝感冒了怎么办”对应的依存树的示意图；

图2c是语句“孕妇感冒了怎么办”对应的依存树的示意图；

图3是根据本发明一个实施例的直接展现核心词的多个澄清维度的效果示意图；

图4是根据本发明一个实施例的每次展现核心词的一个澄清维度的效果示意图一；

图5是根据本发明一个实施例的每次展现核心词的一个澄清维度的效果示意图二；

图6是根据本发明一个实施例的基于深度问答的问答澄清装置的结构示意图；

图7是根据本发明一个具体实施例的基于深度问答的问答澄清装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的基于深度问答的问答澄清方法和装置。

用户利用搜索引擎搜索信息时，如果用户输入的查询语句不明确，搜索结果可能会混杂一些用户不关心的内容，用户需要点击大量的网页来寻找自己感兴趣的内容，检索效率低。针对此问题，可以通过问答澄清对用户进行引导，使用户的问题更加明确，从而使用户获得更加具有针对性的答案。对此，本发明实施例提出了一种基于深度问答的问答澄清方法，包括：接收输入的查询语句；根据查询语句召回对应的答案标题和/或历史查询语句；对答案标题和/或历史查询语句进行分析，以获取对应的依存树；根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇；对至少一个问答簇进行泛化，以生成对应的候选澄清问答；展现候选澄清问答。

图1是根据本发明一个实施例的基于深度问答的问答澄清方法的流程图。

如图1所示，该基于深度问答的问答澄清方法包括：

S101，接收输入的查询语句。

例如，某用户想通过网络获悉治疗感冒的方法时，用户可在搜索引擎输入框中输入查询语句“感冒了怎么办”。搜索引擎接收用户输入查询语句，以根据查询语句进行检索。

S102，根据查询语句召回对应的答案标题和/或历史查询语句。

接收到用户输入的查询语句后，可利用搜索引擎检索与查询语句相关的页面中对应的答案标题，或者利用倒排索引查询获得与查询语句相关的历史查询语句，以召回搜索日志或检索结果中与查询语句相关的答案标题和历史查询语句。

例如，可利用搜索引擎召回与查询语句“感冒了怎么办”相关的答案标题，如“感冒的症状、治疗方法”、“快速治愈感冒”等等。或者，利用倒排索引查询从搜索日志中获得与查询语句“感冒了怎么办”相关的历史查询语句，如“宝宝感冒了怎么办”、“孕妇感冒了怎么办”、“如何快速治感冒”、“如果感冒了怎么办”等等。

S103，对答案标题和/或历史查询语句进行分析，以获取对应的依存树。

根据查询语句利用搜索引擎或者倒排索引查询召回答案标题和历史查询语句后，分析查询语句、答案标题和历史查询语句中词语的词性、词语之间的依存关系等，获取对应的依存树，以用依存树表示句子中的依存关系。

例如，对于查询语句“感冒了怎么办”，首先分析语句中词语的词性，如图2a所示，“感冒”是名词可用字母n表示、“了”是助词用字母u表示，“怎么”是代词用字母r表示，“办”是动词用字母v表示。然后，分析词语之间的依存关系，其中“办”是根用HED表示，“了”是助词与“感冒”相连表示句子的语态结构用MT表示，“怎么”依存于“办”是状中结构关系用AD表示，“感冒”依存于“办”两者是动宾关系用CS表示。类似的地，“宝宝感冒了怎么办”对应的依存树如图2b所示，其中，“宝宝”是名词，“宝宝”依存于“感冒”两者是主谓关系用SBV表示。同样地，“孕妇感冒了怎么办”对应的依存树，如图2c所示，其中，“孕妇”是名词，“孕妇”依存于“感冒”两者是主谓关系用SBV表示。

S104，根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇。

分析获得答案标题和历史查询语句的依存树后，根据依存树中节点或者依存关系对，计算答案标题和历史查询语句对应的依存树之间的相似度，将相似度大于预设阈值如80％的答案标题和历史查询语句进行聚簇，生成问答簇。

例如，假设预设阈值为80％，历史查询语句“宝宝感冒了怎么办”和“孕妇感冒了怎么办”中“宝宝”和“孕妇”都依存于“感冒”，与“感冒”都是主谓关系，且都是名词，并且“宝宝感冒了怎么办”和“孕妇感冒了怎么办”的依存树的其他部分一样，两者相似度大于80％，可将这两个历史查询语句聚合到一起，即聚类。

此外，对答案标题和历史查询语句进行聚簇之前，可先对其依存树进行优化，如可将依存树中“了”、“啊”等之类的分支删除，获得句子的主成分树。再通过计算答案标题和历史查询语句对应的主成分树之间的相似度，对答案标题和历史查询语句进行聚簇。

优选地，为了提高检索效率，在获得句子的主成分树后，可根据主成分树的节点、依存关系对等等，计算用户输入的查询语句与答案标题，或者查询语句与历史查询语句之间的相似度，如可通过计算依存树中节点与依存关系对的向量相似度，将相似度低的答案标题或者历史查询语句筛除，以获得与查询语句更相似的答案标题和历史查询语句。

在获得与查询语句更相似的答案标题和历史查询语句后，计算筛选后的答案标题和历史查询语句对应的主成分树之间的相似度，将相似度大于预设阈值的答案标题和历史查询语句进行聚簇。

S105，对至少一个问答簇进行泛化，以生成对应的候选澄清问答。

在对答案标题和历史查询语句进行聚类，生成问答簇之后，获取问答簇的核心词，并利用上下位词表对核心词的澄清词进行泛化再聚合，生成对应的候选澄清问答。其中，下位词可通过三元组数据、预设结构挖掘、人工标注等获得。其中，预设结构可包括“is a”结构，例如，“老人是糖尿病的高发人群”是“is a”结构，可以得出“老人”是“人群”的下位词。

然而，有时上下位词表并不能覆盖待澄清的核心词的所有修饰词，如查询语句“感冒了怎么办”中核心词“感冒”的修饰词除了“宝宝”、“孕妇”、“老人”等人群外，还可以用“风寒”、“风热”等进行修饰，但是“人群”的下位词没有覆盖“风寒”、“风热”等。

在本发明的一个实施例中，对于上于下位词表无法覆盖的部分词，可使用通过文本深度表示模型训练获得的词向量词典，对核心词的澄清词进行泛化再聚合，生成对应的候选澄清问答。

例如，查询问句“感冒了怎么办”经过上下位词表和词向量词典对核心词“感冒”的澄清词进行泛化再聚合后，生成的候选澄清问答可能是“宝宝感冒怎么办”、“孕妇感冒怎么办”、“老人感冒怎么办”，也可能是“风寒感冒怎么办”、“风热感冒怎么办”等等。

又如查询语句“糖尿病怎么治疗”，对核心词“糖尿病”澄清后的候选澄清问答可能是“孕妇糖尿病怎么治”、“糖尿病怎么治疗”，也可能是“糖尿病早期怎么治疗”、“糖尿病晚期怎么治疗”，这些候选澄清问答对应的澄清维度分别是“人群”、“时期”。此外，还可对不同的维度进行组合生成候选澄清问答，比如“孕妇糖尿病早期怎么治疗”、“青少年糖尿病早期怎么治疗”等。

S106，展现候选澄清问答。

由于生成的候选澄清问答可能是多个，为了提高检索效率，可根据候选澄清问答在用户的搜索日志和检索结果中出现的频率排序。具体地，获取候选澄清问答在搜索日志中的出现的频率，即第一频次，以及在检索结果中出现的频率即第二频次。然后，根据获取的第一频次和第二频次对候选澄清问答进行排序。最后，根据排序结果展现候选澄清问答。

例如，某用户输入的查询语句“感冒了怎么办”的候选澄清问答“孕妇感冒怎么办”、“宝宝感冒怎么办”、“老人感冒怎么办”在用户的搜索日志中出现的频率依次是5次、6次、10次，可见“老人感冒怎么办”出现的频率最高。根据候选澄清问答在搜索用户搜索日志中出现的频率的大小进行排序，排序依次是“老人感冒怎么办”、“宝宝感冒怎么办”、“孕妇感冒怎么办”，并将排序后的候选澄清问答展现给用户。

对于候选澄清问答的展现样式，可直接展现所有的澄清维度，让用户选择各个维度进行合理搭配。如图3所示，当用户在搜索引擎中输入查询语句“糖尿病怎么治”时，在搜索引擎输入框的下方展现了两个澄清维度“人群”和“时期”。对于澄清问答维度“人群”，提供了“老年人”、“孕妇”、“青少年”三个选项，对于“时期”，提供了“早期”和“晚期”两个。因此，用户可根据查询需求对不同的维度选项进行选择。

另外，也可每次推荐给用户一个澄清维度，逐渐引导用户选择符合真正查询意图的查询语句或者答案标题。如图4所示，当用户在搜索引擎中输入“感冒了吃什么药”时，搜索引擎在输入框的下方提供感冒的种类的候选澄清问答“风寒感冒吃什么药”和“风热感冒吃什么药”。当用户点击了“风热感冒吃什么药”后，网页跳转到该查询语句的搜索结果页面，如图5所示，继续为用户提供澄清维度为“人群”的4个候选澄清问答“宝宝风热感冒吃什么药”、“孕妇风热感冒吃什么药”、“老人风热感冒吃什么药”和“成人风热感冒吃什么药”，以进一步澄清用户的查询意图。

可见，通过不同维度的候选澄清问答对用户进行引导，可使用户的搜索意图更加明确，使检索结果可以更精准的满足用户需求，避免用户阅读大量的网页查找检索结果，提高检索效率。

综上所述，本发明实施例的基于深度问答的问答澄清，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

下面结合图6对本发明实施例提出的基于深度问答的问答澄清装置进行详细描述。图6是根据本发明一个实施例的基于深度问答的问答澄清装置的结构示意图。

如图6所示，该基于深度问答的问答澄清装置可包括：接收模块610、召回模块620、分析模块630、聚簇模块640、生成模块650、展现模块660。

其中，接收模块610用于接收输入的查询语句。

例如，某用户想通过网络获悉治疗感冒的方法时，用户可在搜索引擎输入框中输入查询语句“感冒了怎么办”。接收模块610接收用户输入查询语句，以根据查询语句进行检索。

召回模块620用于根据查询语句召回对应的答案标题和/或历史查询语句。

召回模块620用于利用搜索引擎检索与查询语句相关的页面中对应的答案标题；和/或利用倒排索引查询获得与查询语句相关的历史查询语句。

接收到用户输入的查询语句后，召回模块620可利用搜索引擎检索与查询语句相关的页面中对应的答案标题，或者利用倒排索引查询获得与查询语句相关的历史查询语句，以召回搜索日志或检索结果中与查询语句相关的答案标题和历史查询语句。

例如，可利用搜索引擎召回与查询语句“感冒了怎么办”相关的答案标题，如“感冒的症状、治疗方法”、“快速治愈感冒”等等。或者，利用倒排索引查询从搜索日志中获得与查询语句“感冒了怎么办”相关的历史查询语句，如“宝宝感冒了怎么办”、“孕妇感冒了怎么办”、“如何快速治感冒”、“如果感冒了怎么办”等等。

分析模块630用于对答案标题和/或历史查询语句进行分析，以获取对应的依存树。

根据查询语句利用搜索引擎或者倒排索引查询召回答案标题和历史查询语句后，分析模块630用于分析查询语句、答案标题和历史查询语句中词语的词性、词语之间的依存关系等，获取对应的依存树，以用依存树表示句子中的依存关系。

例如，对于查询语句“感冒了怎么办”，首先分析语句中词语的词性，如图2a所示，“感冒”是名词可用字母n表示、“了”是助词用字母u表示，“怎么”是代词用字母r表示，“办”是动词用字母v表示。然后，分析词语之间的依存关系，其中“办”是根用HED表示，“了”是助词与“感冒”相连表示句子的语态结构用MT表示，“怎么”依存于“办”是状中结构关系用AD表示，“感冒”依存于“办”两者是动宾关系用CS表示。类似的地，“宝宝感冒了怎么办”对应的依存树如图2b所示，其中，“宝宝”是名词，“宝宝”依存于“感冒”两者是主谓关系用SBV表示。同样地，“孕妇感冒了怎么办”对应的依存树，如图2c所示，其中，“孕妇”是名词，“孕妇”依存于“感冒”两者是主谓关系用SBV表示。

聚簇模块640用于根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇。

聚簇模块640用于计算答案标题和/或历史查询语句对应的依存树之间的相似度；将相似度大于预设阈值的答案标题和/或历史查询语句进行聚簇。

分析获得答案标题和历史查询语句的依存树后，根据依存树中节点或者依存关系对，计算答案标题和历史查询语句对应的依存树之间的相似度，将相似度大于预设阈值如80％的答案标题和历史查询语句进行聚簇，生成问答簇。

例如，假设预设阈值为80％，历史查询语句“宝宝感冒了怎么办”和“孕妇感冒了怎么办”中“宝宝”和“孕妇”都依存于“感冒”，与“感冒”都是主谓关系，且都是名词，并且“宝宝感冒了怎么办”和“孕妇感冒了怎么办”的依存树的其他部分一样，两者相似度大于80％，可将这两个历史查询语句聚合到一起，即聚类。

此外，如图7所示，该基于深度问答的问答澄清装置还包括：优化模块670。

优化模块670用于在根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇之前，优化依存树。

对答案标题和历史查询语句进行聚簇之前，优化模块670可先对其依存树进行优化，如可将依存树中“了”、“啊”等之类的分支删除，获得句子的主成分树。再通过计算答案标题和历史查询语句对应的主成分树之间的相似度，对答案标题和历史查询语句进行聚簇。

优选地，为了提高检索效率，在获得句子的主成分树后，可根据主成分树的节点、依存关系对等等，计算用户输入的查询语句与答案标题，或者查询语句与历史查询语句之间的相似度，如可通过计算依存树中节点与依存关系对的向量相似度，将相似度低的答案标题或者历史查询语句筛除，以获得与查询语句更相似的答案标题和历史查询语句。

在获得与查询语句更相似的答案标题和历史查询语句后，计算筛选后的答案标题和历史查询语句对应的主成分树之间的相似度，将相似度大于预设阈值的答案标题和历史查询语句进行聚簇。

生成模块650用于对至少一个问答簇进行泛化，以生成对应的候选澄清问答。

生成模块650用于获取至少一个问答簇的核心词；利用上下位词表和词向量词典对核心词的澄清词进行泛化再聚合，以生成对应的候选澄清问答。

其中，上下位词表通过三元组数据、预设结构挖掘、人工标注获得；词向量词典通过文本深度表示模型训练获得。

在对答案标题和历史查询语句进行聚类，生成问答簇之后，生成模块650获取问答簇的核心词，并利用上下位词表对核心词的澄清词进行泛化再聚合，生成对应的候选澄清问答。其中，下位词可通过三元组数据、预设结构挖掘、人工标注等获得。其中，预设结构可包括“is a”结构，例如，“老人是糖尿病的高发人群”是“is a”结构，可以得出“老人”是“人群”的下位词。

然而，有时上下位词表并不能覆盖待澄清的核心词的所有修饰词，如查询语句“感冒了怎么办”中核心词“感冒”的修饰词除了“宝宝”、“孕妇”、“老人”等人群外，还可以用“风寒”、“风热”等进行修饰，但是“人群”的下位词没有覆盖“风寒”、“风热”等。

在本发明的一个实施例中，对于上于下位词表无法覆盖的部分词，可使用通过文本深度表示模型训练获得的词向量词典，对核心词的澄清词进行泛化再聚合，生成对应的候选澄清问答。

例如，查询问句“感冒了怎么办”经过上下位词表和词向量词典对核心词“感冒”的澄清词进行泛化再聚合后，生成的候选澄清问答可能是“宝宝感冒怎么办”、“孕妇感冒怎么办”、“老人感冒怎么办”，也可能是“风寒感冒怎么办”、“风热感冒怎么办”等等。

又如查询语句“糖尿病怎么治疗”，对核心词“糖尿病”澄清后的候选澄清问答可能是“孕妇糖尿病怎么治”、“糖尿病怎么治疗”，也可能是“糖尿病早期怎么治疗”、“糖尿病晚期怎么治疗”，这些候选澄清问答对应的澄清维度分别是“人群”、“时期”。此外，还可对不同的维度进行组合生成候选澄清问答，比如“孕妇糖尿病早期怎么治疗”、“青少年糖尿病早期怎么治疗”等。

展现模块660用于展现候选澄清问答。

展现模块660用于获取候选澄清问答在搜索日志中的第一频次，以及在检索结果中的第二频次；根据第一频次和/或第二频次对所述候选澄清问答进行排序；根据排序结果展现候选澄清问答。

由于生成的候选澄清问答可能是多个，为了提高检索效率，可根据候选澄清问答在用户的搜索日志和检索结果中出现的频率排序。具体地，获取候选澄清问答在搜索日志中的出现的频率，即第一频次，以及在检索结果中出现的频率即第二频次。然后，根据获取的第一频次和第二频次对候选澄清问答进行排序。最后，根据排序结果展现候选澄清问答。

例如，某用户输入的查询语句“感冒了怎么办”的候选澄清问答“孕妇感冒怎么办”、“宝宝感冒怎么办”、“老人感冒怎么办”在用户的搜索日志中出现的频率依次是5次、6次、10次，可见“老人感冒怎么办”出现的频率最高。根据候选澄清问答在搜索用户搜索日志中出现的频率的大小进行排序，排序依次是“老人感冒怎么办”、“宝宝感冒怎么办”、“孕妇感冒怎么办”，并将排序后的候选澄清问答展现给用户。

对于候选澄清问答的展现样式，可直接展现所有的澄清维度，让用户选择各个维度进行合理搭配。如图3所示，当用户在搜索引擎中输入查询语句“糖尿病怎么治”时，在搜索引擎输入框的下方展现了两个澄清维度“人群”和“时期”。对于澄清问答维度“人群”，提供了“老年人”、“孕妇”、“青少年”三个选项，对于“时期”，提供了“早期”和“晚期”两个。因此，用户可根据查询需求对不同的维度选项进行选择。

另外，也可每次推荐给用户一个澄清维度，逐渐引导用户选择符合真正查询意图的查询语句或者答案标题。如图4所示，当用户在搜索引擎中输入“感冒了吃什么药”时，搜索引擎在输入框的下方提供感冒的种类的候选澄清问答“风寒感冒吃什么药”和“风热感冒吃什么药”。当用户点击了“风热感冒吃什么药”后，网页跳转到该查询语句的搜索结果页面，如图5所示，继续为用户提供澄清维度为“人群”的4个候选澄清问答“宝宝风热感冒吃什么药”、“孕妇风热感冒吃什么药”、“老人风热感冒吃什么药”和“成人风热感冒吃什么药”，以进一步澄清用户的查询意图。

可见，通过不同维度的候选澄清问答对用户进行引导，可使用户的搜索意图更加明确，使检索结果可以更精准的满足用户需求，避免用户阅读大量的网页查找检索结果，提高检索效率。

需要说明的是，前述实施例中对基于深度问答的问答澄清方法实施例的解释说明也适用于本实施例的基于深度问答的问答澄清装置，其实现原理类似，此处不再赘述。

综上所述，本发明实施例的基于深度问答的问答澄清装置，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

为了实现上述实施例，本发明还提出了一种终端，包括：处理器，以及用于存储处理器可执行指令的存储器。其中，处理器被配置为执行以下步骤：

接收输入的查询语句；

根据查询语句召回对应的答案标题和/或历史查询语句；

对答案标题和/或历史查询语句进行分析，以获取对应的依存树；

根据依存树对答案标题和/或历史查询语句进行聚簇，以生成至少一个问答簇；

对至少一个问答簇进行泛化，以生成对应的候选澄清问答；

展现候选澄清问答。

需要说明的是，前述实施例中对基于深度问答的问答澄清方法实施例的解释说明也适用于本实施例的终端，其实现原理类似，此处不再赘述。

本发明实施例提出的终端，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

为了实现上述实施例，本发明还提出了一种非临时性计算机可读存储介质，用于存储一个或多个程序，当存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行本发明第一方面实施例提出的基于深度问答的问答澄清方法。

本发明实施例提出的非临时性计算机可读存储介质，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

为了实现上述实施例，本发明还提出了一种计算机程序产品，当计算机程序产品中的指令被处理器执行时，执行一种基于深度问答的问答澄清方法。

本发明实施例提出的计算机程序产品，通过对召回的与查询语句相关的答案标题和历史查询语句进行聚簇、泛化，生成对应的候选澄清问答并展现给用户，使用户根据候选澄清问答获得更精确的检索结果，提高了检索效率。

在本说明书的描述中，参考术语：“一个实施例”、“具体实施例”“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。