问答动态匹配方法、装置和电子设备与流程

本申请涉及计算机技术领域，尤其涉及智能搜索领域中的一种问答动态匹配方法、装置和电子设备。

背景技术：

通常，可以通过预先训练的模型对文本相似度、问题答案匹配、答案抽取等相关问答任务进行处理。相关技术中，直接使用预先训练的知识向量引入匹配模型得到问题和答案的匹配度，然而，上述预先训练的知识向量是基于通识图谱训练的知识向量，导致得到问题和答案的匹配度与实际情况不符，最终影响目标答案的准确度。

技术实现要素：

本申请旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种问答动态匹配方法，解决了现有技术中不能够准确计算问题和答案段落之间的匹配度，导致确定的目标段落不够准确的技术问题，通过对问题和答案段落中的实体向量进行动态更新表示，并基于更新的实体向量进行匹配度计算，提高目标段落的准确性，满足用户使用需求。

本申请的第二个目的在于提出一种问答动态匹配装置。

本申请的第三个目的在于提出一种计算机设备。

本申请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。

为达上述目的，本申请第一方面实施例提出了一种问答动态匹配方法，包括：获取查询语句和候选段落；对所述查询语句和所述候选段落进行实体识别获取多个实体向量，并根据所述多个实体向量构建知识图谱；对所述知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量；对所述待匹配实体向量进行匹配处理，以获取所述查询语句和所述候选段落的匹配度，并根据所述匹配度确定目标段落。

另外，本申请实施例的问答动态匹配方法，还具有如下附加的技术特征：

可选地，，所述根据所述多个实体向量构建知识图谱，包括：获取所述多个实体向量之间的实体相互关系；获取所述多个实体向量之间的属性信息；根据所述实体相互关系和所述属性信息对所述多个实体向量进行连接处理生成所述知识图谱。

可选地，，所述对所述知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量，包括：s1,从所述多个实体向量中确定第一待更新实体向量，并获取所述第一待更新实体向量的相邻实体列表；s2,从所述相邻实体列表中取出第一相邻实体向量，并从所述知识图谱中获取所述第一相邻实体向量对应的局部知识图谱；s3,计算所述第一待更新实体向量分别与所述局部知识图谱中各个实体向量之间的相关分数值，将各个相似分数值作为所述局部知识图谱中各个实体向量对应的权重系数对所述局部知识图谱中各个实体向量进行加权求和处理得到第一待匹配实体向量；s4，将所述第一待匹配实体向量作为第二待更新实体向量，重复执行步骤s2和步骤s3直到所述相邻实体列表中每一个相邻实体向量都取出来生成待匹配实体向量；s5，重复执行步骤s1至步骤s4，获取所述知识图谱中的待匹配实体向量。

可选地，所述从所述知识图谱中获取所述第一相邻实体向量对应的局部知识图谱，包括：根据预设长度获取所述知识图谱中除去所述第一待更新实体向量的所述局部知识图谱。

可选地，所述的方法，还包括：根据预设打分函数对所述知识图谱中各个实体向量之间的相关性进行打分；根据打分结果与预设阈值将所述知识图谱中的部分实体向量进行删除处理。

为达上述目的，本申请第二方面实施例提出了一种问答动态匹配装置，包括：获取模块，用于获取查询语句和候选段落；识别模块，用于对所述查询语句和所述候选段落进行实体识别获取多个实体向量；构建模块，用于根据所述多个实体向量构建知识图谱；更新模块，用于对所述知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量；处理模块，用于对所述待匹配实体向量进行匹配获取所述查询语句和所述候选段落的匹配度，并根据所述匹配度确定目标段落。

另外，本申请实施例的问答动态匹配装置，还具有如下附加的技术特征：

可选地，所述构建模块，包括：第一获取单元，用于获取所述多个实体向量之间的实体相互关系；第二获取单元，用于获取所述多个实体向量之间的属性信息；生成单元，用于根据所述实体相互关系和所述属性信息对所述多个实体向量进行连接处理生成所述知识图谱。

可选地，所述更新模块，包括：确定单元，用于从所述多个实体向量中确定第一待更新实体向量，并获取所述第一待更新实体向量的相邻实体列表；第一获取单元，用于从所述相邻实体列表中取出第一相邻实体向量，并从所述知识图谱中获取所述第一相邻实体向量对应的局部知识图谱；计算单元，用于计算所述第一待更新实体向量分别与所述局部知识图谱中各个实体向量之间的相关分数值，将各个相似分数值作为所述局部知识图谱中各个实体向量对应的权重系数对所述局部知识图谱中各个实体向量进行加权求和处理得到第一待匹配实体向量；更新单元，用于将所述第一待匹配实体向量作为第二待更新实体向量，重复执行所述获取单元和所述计算单元直到所述相邻实体列表中每一个相邻实体向量都取出来生成待匹配实体向量；第二获取单元，用于重复执行所述确定单元至所述更新单元，获取所述知识图谱中的待匹配实体向量。

可选地，所述第一获取单元，具体用于：根据预设长度获取所述知识图谱中除去所述第一待更新实体向量的所述局部知识图谱。

可选地，所述的装置，还包括：打分单元，用于根据预设打分函数对所述知识图谱中各个实体向量之间的相关性进行打分；删除单元，用于根据打分结果与预设阈值将所述知识图谱中的部分实体向量进行删除处理。

为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的问答动态匹配方法。

为达上述目的，本申请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，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的问答动态匹配方法。

为达上述目的，本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现如第一方面实施例所述的问答动态匹配方法。

本申请实施例提供的技术方案可以包含如下的有益效果：

获取查询语句和候选段落；对查询语句和候选段落进行实体识别获取多个实体向量，并根据多个实体向量构建知识图谱；对知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量；对待匹配实体向量匹配进行处理，以获取查询语句和候选段落的匹配度，并根据匹配度确定目标段落。解决了现有技术中不能够准确计算问题和答案段落之间的匹配度，导致确定的目标段落不够准确的技术问题，通过对问题和答案段落中的实体向量进行动态更新表示，并基于更新的实体向量进行匹配度计算，提高目标段落的准确性，满足用户使用需求。

本申请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，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本申请一个实施例的问答动态匹配方法的流程图；

图2是根据本申请另一个实施例的问答动态匹配方法的流程图；

图3是根据本申请一个实施例的构建知识图谱的示例图；

图4是根据本申请又一个实施例的问答动态匹配方法的流程图；

图5a-图5b是根据本申请一个实施例的构建知识图谱实体向量动态更新示例图；

图6是根据本申请一个实施例的问答匹配模型示例图；

图7是根据本申请一个实施例的问答动态匹配装置的结构示意图；

图8是根据本申请另一个实施例的问答动态匹配装置的结构示意图；

图9是根据本申请又一个实施例的问答动态匹配装置的结构示意图；

图10是根据本申请再一个实施例的问答动态匹配装置的结构示意图；

图11是根据本申请一个实施例的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，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，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的问答动态匹配方法、装置和电子设备。

针对背景技术中提到的，现有技术中直接用预先训练的知识向量引入匹配模型进行问题和答案的匹配，是一种静态的引入，事实上一个基于通识图谱训练的知识向量容易受整体图谱不同维度信息的影响，从而导致得到问题和答案的匹配度与实际情况不符，最终影响目标答案准确度的技术问题。

针对上述问题，本申请提出了一种问答动态匹配的方法，获取查询语句和候选段落；对查询语句和候选段落进行实体识别获取多个实体向量，并根据多个实体向量构建知识图谱；对知识图谱中的每一个实体向量进行更新处理，生成待匹配实体向量；对待匹配实体向量进行匹配处理，以获取查询语句和候选段落的匹配度，并根据匹配度确定目标段落。通过对问题和答案段落中的实体向量进行动态更新表示，并基于更新的实体向量进行匹配度计算，提高目标段落的准确性，满足用户使用需求。

具体而言，图1是根据本申请一个实施例的问答动态匹配方法的流程图，如图1所示，该方法包括：

步骤101，获取查询语句和候选段落。

步骤102，对查询语句和候选段落进行实体识别获取多个实体向量，并根据多个实体向量构建知识图谱。

具体地，用户可以根据实际应用需要输入查询语句，在接收到查询语句后可以理解的是有很多候选段落，需要计算查询语句和候选段落之间的匹配度。

一般情况下，识别出查询语句和候选段落中的多个实体向量，接着将多个实体向量引入匹配模型，是静态的引入，会导致查询语句和候选段落之间匹配度的计算不够准确，本申请输入到匹配模型的实体向量是依据上下文(问题和候选段落)的动态表示，即引入匹配模型前完成对实体向量的表示进行了动态更新，从而提高目标段落的准确性，满足用户使用需求。

需要说明的是，应用的知识图谱越庞大，表达的知识越多，通过当前表示方法得到的实体向量表示容易受通用图谱影响，比如“刘德华”既是演员也是歌手，通过通用图谱得到的实体向量表示会有演员、歌手的信息，但是在应用时，如果面对的是影视领域的任务，通用图谱表示效果不如领域图谱，但是针对不同领域任务，单独训练知识表示成本太大，因此还是需要通过通用图谱得到的实体向量进行匹配。

具体地，可以通过预设实体识别模型(比如transe、transd等)对查询语句和候选段落进行实体识别获取多个实体向量。

进一步地，根据多个实体向量构建知识图谱，作为一种可能实现的方式，获取多个实体向量之间的实体相互关系，获取多个实体向量之间的属性信息，根据实体相互关系和属性信息对多个实体向量进行连接处理生成知识图谱。

可以理解的是，本申请的知识图谱是基于查询语句和候选段落构成的，相对于基于百度百科等互联网数据构建的通用知识图谱的子图。

步骤103，对知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量。

具体地，可以通过预设公式对知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量，比如知识图谱中的多个实体向量分别为a、b和c，进行处理后可以得到生成待匹配实体向量a1、b1和c1，即a为n*n的向量矩阵，在进行更新后还是n*n的向量矩阵，但是矩阵里面的数值发生了变化。

作为一种可能实现的方式，比如获取当前待更新实体向量的表示x，以及相邻实体列表{y1，y2，y3…yn}，循环取出实体向量y1以及y1在上述知识图谱中除x之外的局部知识图谱，针对y1知识图谱的每个实体向量对x应用预设公式进行计算，获取结果求和得到更新后的x实体向量表示x1，重复上述步骤直到相邻实体列表取完，得到经过知识图谱调优最终更新后x实体向量表示xn作为x对应的待匹配实体向量，由此，针对知识图谱中的每一个实体向量通过上述方式更新可以得到待匹配实体向量。

步骤104，将待匹配实体向量输入到预设匹配模型进行处理获取查询语句和候选段落的匹配度，并根据匹配度确定目标段落。

具体地，将更新表示的实体向量即待匹配实体向量输入到预设匹配模型进行处理获取查询语句和候选段落的匹配度，更具体地，将查询语句对应的待匹配实体向量和候选段落对应的待匹配实体向量分别输入到预设匹配模型进行处理的到匹配度。

可以理解的是，有多少个候选段落就有多少个匹配度，可以根据需要选择匹配度最高的候选段落作为目标段落，也可以选择排序比较高的前几个候选段落作为目标段落进行排序显示等，可以根据用户需要进行调整显示。

需要说明的是，可以用余弦或者双向lstm等相关匹配模型，作为预设匹配模型。

综上，本申请实施例的问答动态匹配方法，获取查询语句和候选段落；对查询语句和候选段落进行实体识别获取多个实体向量，并根据多个实体向量构建知识图谱；通过预设公式对知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量；对待匹配实体向量进行匹配处理获取查询语句和候选段落的匹配度，并根据匹配度确定目标段落。解决了现有技术中不能够准确计算问题和答案段落之间的匹配度，导致确定的目标段落不够准确的技术问题，通过对问题和答案段落中的实体向量进行动态更新表示，并基于更新的实体向量进行匹配度计算，提高目标段落的准确性，满足用户使用需求。

基于上述实施例的描述，可以了解到根据多个实体向量构建知识图谱的方式有很多种，下面具体结合图2进行详细描述：

图2是根据本申请另一个实施例的问答动态匹配方法的流程图，如图2所示，步骤102包括：

步骤201，获取多个实体向量之间的实体相互关系。

步骤202，获取多个实体向量之间的属性信息。

步骤203，根据实体相互关系和属性信息对多个实体向量进行连接处理生成知识图谱。

具体地，多个实体向量之间的实体相互关系比如是否为共同出现的实体，则可以基于滑动窗口，对共现的实体加边连接，更具体地，可以是共指消解(实体共指消解是识别不同关联数据源中相同实体的不同标识符)后的实体向量的指称代词窗口附近共现的实体向量，可以将该实体向量进行加边连接处理。

在本申请的一个实施例中，还可以加入实体向量和文章中其他实体向量之间的多跳边连接处理(考虑实体向量远距离上下文实体间关系)。

举例而言，如图3所示，查询语句question为“刘德华出演的首部电影”，候选段落passage为“1981年，刘德华出演电影处女作《彩云曲》，在片中扮演一个音乐班的学员，1982年，在剧情片《投奔怒海》中饰演美军翻译官祖名，并凭借该片获得第2届香港电影金像奖最佳新演员提名。”进行实体识别后可以得到多个实体向量“刘德华、电影、1981年、《彩云曲》和《投奔怒海》”通过上述分析实体相互关系，以及实体向量之间的属性信息比如刘德华和《彩云曲》之间的属性为出演，因此两个实体向量之间可以进行连接处理，从而可以得到如图3窗口中的知识图谱。

具体地，还可以对于这些实体向量添加自身属性的边等，为了进一步提高知识图谱中实体向量关系的关联性，作为一种可能实现方式，根据预设打分函数对知识图谱中各个实体向量之间的相关性进行打分，根据打分结果与预设阈值将知识图谱中的部分实体向量进行删除处理，即利用一些打分方式舍弃某些边，比如按相关度取top，减小知识图谱规模，提高计算效率。

基于第一方面实施例的描述可以知道，通过预设公式对所述知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量的方式有很多种，下面结合图4进行详细描述。

图4是根据本申请又一个实施例的问答动态匹配方法的流程图，如图4所示，该方法包括：

s1,从多个实体向量中确定第一待更新实体向量，并获取第一待更新实体向量的相邻实体列表。

具体地，多个实体向量中每一个实体向量都可以作为第一待更新实体向量进行更新处理，可以按照顺序对多个实体向量中每一个实体向量进行更新处理或者是随机选取多个实体向量中每一个实体向量进行更新处理直到所有的实体向量完成更新处理。其中，相邻实体的定义可以根据需要进行选择，比如定义长度为1的边关联的实体即为相邻实体。

进一步地，在确定第一待更新实体向量后，获取第一待更新实体向量的相邻实体列表比如图3中的实体向量刘德华，相邻实体列表为《投奔怒海》和《彩云曲》。

s2,从相邻实体列表中取出第一相邻实体向量，并从知识图谱中获取第一相邻实体向量对应的局部知识图谱。

s3,计算第一待更新实体向量分别与局部知识图谱中各个实体向量之间的相关分数值，将各个相似分数值作为局部知识图谱中各个实体向量对应的权重系数对局部知识图谱中各个实体向量进行加权求和处理得到第一待匹配实体向量。

具体地，依次从相邻实体列表中取出相邻实体向量来进行计算更新，首先从相邻实体列表中取出第一相邻实体向量，并从知识图谱中获取第一相邻实体向量对应的局部知识图谱，其中，局部知识图谱可以根据实际应用需要进行调整，作为一种可能实现方式，根据预设长度获取知识图谱中除去第一待更新实体向量的局部知识图谱，其中，预设长度可以根据需要进行选择，比如每个实体向量只基于周围长度为1的局部知识图谱。

进一步地，计算第一待更新实体向量分别与局部知识图谱中各个实体向量之间的相关分数值，将各个相似分数值作为局部知识图谱中各个实体向量对应的权重系数对局部知识图谱中各个实体向量进行加权求和处理得到第一待匹配实体向量。其中，实体向量相关分数值可以是计算两个实体向量之间的余弦。比如公式：

其中，x为第一待更新实体，yi为局部知识图谱中各个实体向量，yi为第i个实体向量表示。

因此，基于当前上下文(查询语句+候选段落)的所有实体向量构建知识图谱，基于该知识图谱中的每一个实体向量动态更新(上下文知识图谱是一个，但是每个实体向量用于更新的周围实体可以不同(也可以共用整个知识图谱)，比如每个实体向量只基于周围长度为1的实体向量知识图谱更新表示，即用于更新的局部知识图谱是上下文知识图谱的子集(或全集)。

s4，将第一待匹配实体向量作为第二待更新实体向量，重复执行步骤s2和步骤s3直到相邻实体列表中每一个相邻实体向量都取出来生成待匹配实体向量。

s5，重复执行步骤s1至步骤s4，获取知识图谱中的待匹配实体向量。

具体地，重复上述步骤直到相邻实体列表取完，得到最终更新后实体向量作为待匹配实体向量，由此，针对知识图谱中的每一个实体向量通过上述方式更新可以得到待匹配实体向量。

为了本领域人员更加清楚上述过程，结合具体例子进行详细说明，如图5a和图5b所示，一个查询语句，两个候选段落passage为例；单看文本的相似度，passageb与查询语句更相关，passagea甚至没有提到美国。因此，本申请建立“美国”与“白宫”、“伊拉克”、“大规模杀伤性武器”、“军事行动”与“伊拉克战争”的关系，基于上下文构建知识图谱(灰色部分)，更新静态表示，使“美国”与“白宫”在当前上下文下关系更近，如果用一个二维图表示的话，可以看到在原始的静态表示上，白宫和美国有关系，但是因为是通识图谱训练的表示，美国的空间向量受其他实体(如哈佛大学、自由女神像等)影响，在呈现上并不十分密切；但是经过基于当前上下文的知识图谱更新后，白宫和美国的空间距离更为相近，相应的关系更为紧密，将更为紧密的表示引入匹配模型，计算的匹配度得分更高。

具体地，比如图6中的b中对查询语句和候选段落得到的实体向量后可以直接输入到c进行计算但是是静态引入，匹配度计算结果比较差，因此，可以通过a部分的知识图谱中的知识图谱进行本申请实施例提出的对各个实体向量进行动态更新后输入的c进行计算，从而提高匹配度计算的准确性。需要说明的是，可以根据任务目标输出查询语句与候选段落匹配度得分，也可应用在候选段落抽取任务，定位答案起始位置等。因此，通过局部构建知识图谱，深层次的建模了当前上下文中实体间的联系，对于通用图谱提出基于局部知识图谱动态更新实体表示的方法，克服了通用图谱和领域图谱的鸿沟，具有更加广泛的应用价值。

由此，通过预设公式对知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量后引入预设匹配模型，计算的匹配度得分更高，从而提高目标段落的准确性，满足用户使用需求。

为了实现上述实施例，本申请还提出了一种问答动态匹配装置。图7是根据本申请一个实施例的问答动态匹配装置的结构示意图，如图7所示，该问答动态匹配装置包括：获取模块701、识别模块702、构建模块703、更新模块704和处理模块705，其中，

获取模块701，用于获取查询语句和候选段落。

识别模块702，用于对所述查询语句和所述候选段落进行实体识别获取多个实体向量。

构建模块703，用于根据所述多个实体向量构建知识图谱。

更新模块704，用于对所述知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量。

处理模块705，用于对所述待匹配实体向量输入到预设匹配模型进行匹配处理，以获取所述查询语句和所述候选段落的匹配度，并根据所述匹配度确定目标段落。

在本申请的一个实施例中，如图8所示，在如图7所示的基础上，构建模块703，包括：第一获取单元7031、第二获取单元7032和生成单元7033。

第一获取单元7031，用于获取所述多个实体向量之间的实体相互关系。

第二获取单元7032，用于获取所述多个实体向量之间的属性信息。

生成单元7033，用于根据所述实体相互关系和所述属性信息对所述多个实体向量进行连接处理生成所述知识图谱。

在本申请的一个实施例中，如图9所示，在如图7所示的基础上，更新模块704，包括：确定单元7041、第一获取单元7042、计算单元7043、更新单元7044和第二获取单元7045。

确定单元7041，用于从所述多个实体向量中确定第一待更新实体向量，并获取所述第一待更新实体向量的相邻实体列表。

第一获取单元7042，用于从所述相邻实体列表中取出第一相邻实体向量，并从所述知识图谱中获取所述第一相邻实体向量对应的局部知识图谱。

计算单元7043，用于计算所述第一待更新实体向量分别与所述局部知识图谱中各个实体向量之间的相关分数值，将各个相似分数值作为所述局部知识图谱中各个实体向量对应的权重系数对所述局部知识图谱中各个实体向量进行加权求和处理得到第一待匹配实体向量。

更新单元7044，用于将所述第一待匹配实体向量作为第二待更新实体向量，重复执行所述获取单元和所述计算单元直到所述相邻实体列表中每一个相邻实体向量都取出来生成待匹配实体向量。

第二获取单元7045，用于重复执行所述确定单元至所述更新单元，获取所述知识图谱中的待匹配实体向量。

在本申请的一个实施例中，第一获取单元7042，具体用于：根据预设长度获取所述知识图谱中除去所述第一待更新实体向量的所述局部知识图谱。

在本申请的一个实施例中，如图10所示，在如图8所示的基础上，还包括：打分单元7034和删除单元7035

打分单元7034，用于根据预设打分函数对所述知识图谱中各个实体向量之间的相关性进行打分。

删除单元7035，用于根据打分结果与预设阈值将所述知识图谱中的部分实体向量进行删除处理。

需要说明的是，前述对问答动态匹配方法实施例的解释说明也适用于该实施例的问答动态匹配装置，此处不再赘述。

综上，本申请实施例的问答动态匹配装置，通过获取查询语句和候选段落；对查询语句和候选段落进行实体识别获取多个实体向量，并根据多个实体向量构建知识图谱；对知识图谱中的每一个实体向量进行更新处理生成待匹配实体向量；对待匹配实体向量进行匹配处理，以获取查询语句和候选段落的匹配度，并根据匹配度确定目标段落。解决了现有技术中不能够准确计算问题和答案段落之间的匹配度，导致确定的目标段落不够准确的技术问题，通过对问题和答案段落中的实体向量进行动态更新表示，并基于更新的实体向量进行匹配度计算，提高目标段落的准确性，满足用户使用需求。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图11所示，是根据本申请实施例的问答动态匹配的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图11所示，该电子设备包括：一个或多个处理器1101、存储器1102，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图11中以一个处理器1101为例。

存储器1102即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的问答动态匹配的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的问答动态匹配的方法。

存储器1102作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的问答动态匹配的方法对应的程序指令/模块(例如，附图7所示的获取模块701、识别模块702、构建模块703、更新模块704和处理模块705)。处理器1101通过运行存储在存储器1102中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的问答动态匹配的方法。

存储器1102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据问答动态匹配的电子设备的使用所创建的数据等。此外，存储器1102可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1102可选包括相对于处理器1101远程设置的存储器，这些远程存储器可以通过网络连接至问答动态匹配的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

问答动态匹配的方法的电子设备还可以包括：输入装置1103和输出装置1104。处理器1101、存储器1102、输入装置1103和输出装置1104可以通过总线或者其他方式连接，图11中以通过总线连接为例。

输入装置1103可接收输入的数字或字符信息，以及产生与问答动态匹配的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1104可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

综上，本申请实施例的电子设备，通过获取查询语句和候选段落；对查询语句和候选段落进行实体识别获取多个实体向量，并根据多个实体向量构建知识图谱；对知识图谱中的每一个实体向量进行更新处理，生成待匹配实体向量；对待匹配实体向量进行匹配处理获取查询语句和候选段落的匹配度，并根据匹配度确定目标段落。解决了现有技术中不能够准确计算问题和答案段落之间的匹配度，导致确定的目标段落不够准确的技术问题，通过对问题和答案段落中的实体向量进行动态更新表示，并基于更新的实体向量进行匹配度计算，提高目标段落的准确性，满足用户使用需求。

在本说明书的描述中，参考术语“一个实施例”、“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申请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。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。