1.一种基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，包括：
构造评价模型，所述评价模型根据询问文本从答案文本中获取多个候选答案，并通过凸神经网络对所述候选答案进行评估；
根据评估结果获取多个所述候选答案中的最优答案。
2.根据权利要求1所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，将所述询问文本转化为问题向量，将所述答案文本转化为答案向量；
根据所述问题向量和所述答案向量的匹配度构造所述评价模型的评价函数。
3.根据权利要求1所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，所述凸神经网络包括多层网络，每层网络的权重参数非负，且每层网络的激活函数为凸函数。
4.根据权利要求3所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，根据当前层网络的结构参数构造下一层网络的激活函数；其中，结构参数包括当前层网络的权重参数、当前层网络的激活函数、所述候选答案。
5.根据权利要求4所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，将所述候选答案馈入所述凸神经网络的每层网络用语构造对应网络层的激活函数。
6.根据权利要求2所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，根据所述询问文本与所述多个候选答案的映射关系，获取所述评价函数的梯度函数作为所述凸神经网络的值函数。
7.根据权利要求6所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，根据所述值函数对多个所述候选答案进行评估，获取多个所述候选答案中与所述询问文本匹配度最高的对应候选答案作为所述最优答案。
8.根据权利要求2所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，根据用户终端的反馈结果对所述最优答案进行满意度评估，根据评估结果矫正所述评价函数。
9.根据权利要求2所述的基于凸神经网络的咨询对话唯一答案寻优方法，其特征在于，所述匹配度包括相对熵或交叉熵中的一种。