一种自动生成答案的方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111177325A(43)申请公布日2020.05.19(21)申请号202010276896.1(22)申请日2020.04.10(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人张琳(74)专利代理机构成都七星天知识产权代理有限公司51253代理人杨永梅(51)Int.Cl.G06F16/33(2019.01)G06F16/332(2019.01)G06F40/216(2020.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图3页(54)发明名称一种自动生成答案的方法和系统(57)摘要本说明书的实施例公开了一种自动生成答案的方法，该方法包括：获取用户问题和至少一个第一文本，所述第一文本是多个第二文本中与所述用户问题相关的文本；从所述用户问题和所述至少一个第一文本中确定至少一个核心词，以及确定所述至少一个核心词中任意两个不同核心词之间的相关性；所述相关性代表所述核心词的重要程度；答案生成模型基于输入的所述用户问题、所述至少一个第一文本和所述相关性，输出所述用户问题的答案；其中，所述答案生成模型包括图神经网络模型，所述图神经网络模型的节点为所述核心词，所述图神经网络模型的边为所述相关性。CN111177325ACN111177325A权利要求书1/2页1.一种自动生成答案的方法，包括：获取用户问题和至少一个第一文本，所述第一文本是多个第二文本中与所述用户问题相关的文本；从所述用户问题和所述至少一个第一文本中确定至少一个核心词，以及确定所述至少一个核心词中任意两个不同核心词之间的相关性；所述相关性代表所述核心词的重要程度；答案生成模型基于输入的所述用户问题、所述至少一个第一文本和所述相关性，输出所述用户问题的答案；其中，所述答案生成模型包括图神经网络模型，所述图神经网络模型的节点为所述核心词，所述图神经网络模型的边为所述相关性。2.如权利要求1所述的方法，任意两个不同核心词之间的相关性基于第一问题和/或第三文本的个数确定，其中，第一问题为同时包含任意两个不同核心词的用户问题；所述第三文本为同时包含任意两个不同核心词的第二文本。3.如权利要求1所述的方法，所述答案生成模型包含编码神经网络模型、解码神经网络模型和生成模型；所述编码神经网络模型对向量化后的所述问题、向量化后的所述至少一个第一文本、向量化后的所述核心词和向量化后的所述相关性进行编码；所述解码神经网络模型基于编码的结果和向量化的所述答案中第1～（t-1）个词进行解码，所述答案中第1～（t-1）个词由所述生成模型生成并输出；其中，t为1～N之间的整数，N为所述答案中词的总数；所述生成模型基于解码的结果生成所述答案中的第t个词。4.如权利要求3所述的方法，所述答案中的第1～t个词来源于所述核心词、所述至少一个第一文本、所述问题和/或预设词表。5.如权利要求3所述的方法，所述答案生成模型还包含判断模型，所述判断模型基于所述编码的结果和所述解码的结果判断所述问题是否能够被解答；是则所述生成模型生成所述答案中的词并输出；否则不执行所述生成模型。6.如权利要求3所述的方法，所述编码神经网络模型对向量化后的所述问题、向量化后的所述至少一个第一文本、向量化后的所述核心词和向量化后的所述关系进行编码包括：所述图神经网络模型对所述向量化后的所述核心词和所述向量化的所述相关性进行第一运算；将所述第一运算的结果与向量化后的第一拼接文本进行第二运算，所述第一拼接文本为所述问题与所述至少一个第一文本的拼接文本；将所述第二交互运算的结果输入前馈神经网络，将所述前馈神经网络的输出作为所述编码的结果。7.一种自动生成答案的系统，包括：获取模块，用于获取用户问题和至少一个第一文本，所述第一文本是多个第二文本中与所述用户问题相关的文本；确定模块，用于从所述用户问题和所述至少一个第一文本中确定至少一个核心词，以及确定所述至少一个核心词中任意两个不同核心词之间的相关性；所述相关性代表所述核2CN111177325A权利要求书2/2页心词的重要程度；输出模块，用于答案生成模型基于输入的所述用户问题、所述至少一个第一文本和所述相关性，输出所述用户问题的答案；其中，所述答案生成模型包括图神经网络模型，所述图神经网络模型的节点为所述核心词，所述图神经网络模型的边为所述相关性。8.如权利要求7所述的系统，所述确定模块用于：基于第一问题和/或第三文本的个数确定任意两个不同核心词之间的相关性，其中，第一问题为同时包含任意两个不同核心词的用户问题；所述第三文本为同时包含任意两个不同核心词的第二文本。9.如权利要求7所述的