实现智能问答的方法和系统的制作方法
【技术领域】
[0001]本发明实施例涉及信息查询技术领域，尤其涉及一种实现智能问答的方法和系统。
【背景技术】
[0002]智能问答系统是基于海量互联网数据推理和对语言深度语义理解的智能系统。智能问答机器系统不仅可以回答知识类的问题，还可用于医疗、教育、生活、科技等各种与人们生活息息相关的领域，大幅提升人们获取信息的效率。
[0003]现有的智能问答系统主要是基于社区的问答，通过对历史用户问题/回答数据进行挖掘，计算用户问题与问答站点中已有的问题之间的相似度，返回相似度高的用户回答。
[0004]上述智能问答系统存在的缺陷在于:依托问答站点的问答系统，对问题的覆盖低，无法解决中低频和冷门问题的用户需求；回答参差不齐，给出的答案不够精准。
【发明内容】
[0005]本发明实施例提供一种实现智能问答的方法和系统，以提高回答问题的准确度。
[0006]第一方面，本发明实施例提供了一种实现智能问答的方法，包括:
[0007]接收待查询的问题；
[0008]对所述问题进行语义分析；
[0009]根据所述语义分析的结果对所述问题进行相应的检索处理，其中，所述检索处理包括语义关系挖掘系统、正文库检索系统、知识库检索系统和问答库检索系统中至少一个系统对所述问题的检索处理；
[0010]根据检索处理结果返回答案。
[0011]第二方面，本发明实施例提供了一种实现智能问答的系统，包括:
[0012]中控系统，用于接收待查询的问题；
[0013]问题分析系统，用于对所述问题进行语义分析；
[0014]所述中控系统，还用于根据所述语义分析的结果将所述问题分发到相应的后端系统进行相应的检索处理；
[0015]所述后端系统，包括语义关系挖掘系统、正文库检索系统、知识库检索系统和问答库检索系统；
[0016]所述中控系统，还用于根据检索处理结果返回答案。
[0017]本发明实施例提供的实现智能问答的方法和系统，通过对待查询的问题进行语义分析，并根据语义分析，采用语义关系挖掘系统、正文库检索系统、知识库检索系统和问答库检索系统中至少一个系统对所述问题进行相应的检索处理，增加了问题的答案搜索范围，一方面，使得对问题的回答更加精确，另一方面，增加了问题的覆盖面，尤其是对于中低频和冷门问题也可以检索得到比较精确的答案，有效地提高了回答问题的准确度。
【附图说明】
[0018]为了更清楚地说明本发明，下面将对本发明中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1a为本发明实施例的实现智能问答的方法所适用的实现智能问答的系统的网络架构示意图；
[0020]图1b为本发明实施例一提供的一种实现智能问答的方法的流程图；
[0021]图2a为本发明实施例二提供的一种实现智能问答的方法的流程图；
[0022]图2b为本发明实施例二的实现智能问答的方法中一种建立三元关系库的流程图；
[0023]图3为本发明实施例三提供的一种实现智能问答的方法中一种正文库检索系统对问题进行检索处理的流程图；
[0024]图4为本发明实施例四提供的一种实现智能问答的方法中根据检索处理结果返回答案的流程图；
[0025]图5为本发明实施例五提供的一种实现智能问答的系统的结构示意图。
【具体实施方式】
[0026]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施例中的技术方案作进一步详细描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
[0027]本发明实施例的方法可以由配置以硬件和/或软件实现的实现智能问答的系统来执行。
[0028]为清楚起见，下面结合图1a首先介绍该系统的网络架构。该系统包括:中控系统、问题分析系统和后端系统。
[0029]其中，所述中控系统用于接收待查询的问题(即图1a中的query)，可以通过设定的文本框接收用户输入的待查询的问题，也可以通过设定的动作按钮接收用户输入的待查询的问题，例如，通过用于接收用户语音的动作按钮接收用户输入的语音，通过语音识别，得到与输入语音对应的内容，作为待查询的问题；所述问题分析系统用于对所述问题进行语义分析；所述中控系统还用于根据所述语义分析的结果将所述问题分发到相应的后端系统进行相应的检索处理；所述后端系统包括语义关系(Frame)挖掘系统、正文库检索系统、知识库检索系统和问答库检索系统；所述中控系统还用于根据检索处理结果返回答案(即图1a中的Merge后的结果)。
[0030]需要说明的是，所述中控系统是所述实现智能问答的系统的核心控制系统，负责接收待查询的问题，以及将所述问题转发至问题分析系统，并根据所述问题分析系统的语义分析的结果，基于预设分发策略，将所述问题分发到相应的后端系统进行相应的检索处理，具体是将所述问题分发到语义关系挖掘系统、正文库检索系统、知识库检索系统和问答库检索系统中的至少一个系统进行相应的检索处理，之后，根据检索处理结果返回答案，使中控系统的前端用户获知与所述待查询的问题对应的答案，实现了智能问答。
[0031]其中，不同的后端系统对应不同的资源库，将在下述实施例中详细说明。另外，分发策略也将在后面进行说明。
[0032]实施例一
[0033]请参阅图lb，本实施例提供的实现智能问答的方法包括:操作110?操作140。
[0034]操作110中，接收待查询的问题。
[0035]本操作中，由中控系统接收待查询的问题。可以通过用户界面中设定的文本框接收用户输入的待查询的问题，也可以通过用户界面中设定的动作按钮接收用户输入的待查询的问题，例如，通过用于接收用户语音的动作按钮接收用户输入的语音，通过语音识别，得到与输入语音对应的内容，作为待查询的问题。
[0036]需要说明的是，接收的所述待查询的问题的覆盖面可以很广，换言之，可针对任意问题，既可以是出现频率较高的、用户关心的问题，也可以是出现频率中等、用户对现有的问答系统提供的答案满意度较低的问题，还可以覆盖冷门问题，即出现频率非常低的问题。
[0037]操作120中，对所述问题进行语义分析。
[0038]本操作由问题分析系统执行，可以对所述问题进行基础词法分析，所述基础词法分析可以包括对所述问题进行分词处理和词性标注处理，还可以包括确定所述问题中的检索词的重要性以及对所述问题进行依存句法分析等。
[0039]其中，依存句法最早由法国语言学家L.Tesniere于1959年在其著作《结构句法基础》中提出，对语言学的发展产生了深远的影响，依存句法分析是自然语言处理领域中句法分析的一个重要分支。依存语法分析将句子分析成一颗依存句法树，描述出各个词语之间的依存关系，从而揭示句子的句法结构，主张句子中核心动词是支配其它成分的中心成分，而核心动词本身却不受其它任何成分的支配，所有受支配成分都以某种依存关系从属于支配者。
[0040]本操作中，除对所述问题进行基础词法分析之外，还优选包括识别所述问题的焦点、观点及观点类型。
[0041]其中，所述问题的焦点是问题答案的引用，可以代替答案，用来构成完整的陈述句。如问题“2013年温网女单冠军是谁”的焦点是“是谁”。识别所述问题的焦点主要通过规则识别，该识别规则可以为:如果所述问题为带有疑问词的问题，则所述问题的焦点为该疑问词；如果所述问题为不带疑问词的问题，则所述问题的焦点默认为空。
[0042]其中，识别所述问题的观点是指识别所述问题的观点的个数，即所述问题具有的观点的数量。所述问题的观点的数量可以是泛需求，泛需求的观点个数一般大于8个，也可以是具体数量。例如，问题“野生动物有哪些”的观点的数量有成千上万，分别对应不同的野生动物，则该问题的观点定义为泛需求；又如，问题“中国古代四大美女”的观点个数为4个，因为问题中显示提到了 “四大”;再如，问题“2013年温网女单冠军是谁”的观点个数为I个，因为当前问题语境下，冠军是个人。
[0043]其中，识别所述问题的观点类型是指识别用户所需的观点属于什么类型。如问题“2013年温网女单冠军是谁”，则该问题的观点的类型为