本發(fā)明涉及信息檢索技術(shù)領(lǐng)域，尤其涉及一種基于深度問答的問答澄清方法和裝置。

背景技術(shù)：

深度問答(Deep question and answer)，是指理解人類的語言，智能識(shí)別問題的含義，并從海量的互聯(lián)網(wǎng)數(shù)據(jù)中提取問題的答案。

用戶通過搜索引擎搜索信息時(shí)，可以獲得豐富的互聯(lián)網(wǎng)資源。但是當(dāng)用戶輸入的查詢語句意圖不明確時(shí)，現(xiàn)有的搜索引擎返回的結(jié)果往往摻雜許多與用戶意圖不相關(guān)的內(nèi)容。例如，用戶在搜索引擎中輸入“糖尿病癥狀”，用戶想要查詢糖尿病的早期癥狀以進(jìn)行預(yù)警，但是檢索結(jié)果卻包含大量的“糖尿病中期、晚期癥狀”的內(nèi)容?？梢?，由于根據(jù)用戶輸入的查詢語句不能夠確定用戶要檢索的是哪個(gè)時(shí)期的糖尿病癥狀或者什么人群的糖尿病癥，導(dǎo)致檢索結(jié)果的內(nèi)容很多都與用戶想要搜索的內(nèi)容不完全匹配，使得用戶需要點(diǎn)擊大量的網(wǎng)頁來尋找自己感興趣的內(nèi)容，甚至需要重新搜索，降低了檢索效率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。為此，本發(fā)明的第一個(gè)目的在于提出一種基于深度問答的問答澄清方法，該方法通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

本發(fā)明的第二個(gè)目的在于提出一種基于深度問答的問答澄清裝置。

本發(fā)明的第三個(gè)目的在于提出一種終端。

本發(fā)明的第四個(gè)目的在于提出一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

本發(fā)明的第五個(gè)目的在于提出一種計(jì)算機(jī)程序產(chǎn)品。

為了實(shí)現(xiàn)上述目的，本發(fā)明第一方面實(shí)施例提出了一種基于深度問答的問答澄清方法，包括：接收輸入的查詢語句；根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句；對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹；根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇；對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答；展現(xiàn)候選澄清問答。

本發(fā)明第一方面實(shí)施例的基于深度問答的問答澄清方法，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

為達(dá)上述目的，本發(fā)明第二方面實(shí)施例提出了一種基于深度問答的問答澄清裝置，包括：接收模塊，用于接收輸入的查詢語句；召回模塊，用于根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句；分析模塊，用于對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹；聚簇模塊，用于根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇；生成模塊，用于對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答；展現(xiàn)模塊，用于展現(xiàn)候選澄清問答。

本發(fā)明第二方面實(shí)施例的基于深度問答的問答澄清裝置，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

為了實(shí)現(xiàn)上述目的，本發(fā)明第三方面實(shí)施例提出了一種終端，包括：處理器；用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器。其中，處理器被配置為執(zhí)行以下步驟：

接收輸入的查詢語句；

根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句；

對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹；

根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇；

對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答；

展現(xiàn)候選澄清問答。

本發(fā)明第三方面實(shí)施例提出的終端，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

為了實(shí)現(xiàn)上述目的，本發(fā)明第四方面實(shí)施例提出了一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)一個(gè)或多個(gè)程序，當(dāng)存儲(chǔ)介質(zhì)中的指令由移動(dòng)終端的處理器執(zhí)行時(shí)，使得移動(dòng)終端能夠執(zhí)行一種基于深度問答的問答澄清方法，方法包括；

接收輸入的查詢語句；

根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句；

對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹；

根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇；

對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答；

展現(xiàn)候選澄清問答。

本發(fā)明第四方面實(shí)施例提出的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

為了實(shí)現(xiàn)上述目的，本發(fā)明第五方面實(shí)施例提出了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品中的指令被處理器執(zhí)行時(shí)，執(zhí)行一種基于深度問答的問答澄清方法，方法包括：

接收輸入的查詢語句；

根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句；

對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹；

根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇；

對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答；

展現(xiàn)候選澄清問答。

本發(fā)明第五方面實(shí)施例提出的計(jì)算機(jī)程序產(chǎn)品，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

附圖說明

圖1是根據(jù)本發(fā)明一個(gè)實(shí)施例的基于深度問答的問答澄清方法的流程圖；

圖2a是語句“感冒了怎么辦”對(duì)應(yīng)的依存樹的示意圖；

圖2b是語句“寶寶感冒了怎么辦”對(duì)應(yīng)的依存樹的示意圖；

圖2c是語句“孕婦感冒了怎么辦”對(duì)應(yīng)的依存樹的示意圖；

圖3是根據(jù)本發(fā)明一個(gè)實(shí)施例的直接展現(xiàn)核心詞的多個(gè)澄清維度的效果示意圖；

圖4是根據(jù)本發(fā)明一個(gè)實(shí)施例的每次展現(xiàn)核心詞的一個(gè)澄清維度的效果示意圖一；

圖5是根據(jù)本發(fā)明一個(gè)實(shí)施例的每次展現(xiàn)核心詞的一個(gè)澄清維度的效果示意圖二；

圖6是根據(jù)本發(fā)明一個(gè)實(shí)施例的基于深度問答的問答澄清裝置的結(jié)構(gòu)示意圖；

圖7是根據(jù)本發(fā)明一個(gè)具體實(shí)施例的基于深度問答的問答澄清裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。

下面參考附圖描述本發(fā)明實(shí)施例的基于深度問答的問答澄清方法和裝置。

用戶利用搜索引擎搜索信息時(shí)，如果用戶輸入的查詢語句不明確，搜索結(jié)果可能會(huì)混雜一些用戶不關(guān)心的內(nèi)容，用戶需要點(diǎn)擊大量的網(wǎng)頁來尋找自己感興趣的內(nèi)容，檢索效率低。針對(duì)此問題，可以通過問答澄清對(duì)用戶進(jìn)行引導(dǎo)，使用戶的問題更加明確，從而使用戶獲得更加具有針對(duì)性的答案。對(duì)此，本發(fā)明實(shí)施例提出了一種基于深度問答的問答澄清方法，包括：接收輸入的查詢語句；根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句；對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹；根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇；對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答；展現(xiàn)候選澄清問答。

圖1是根據(jù)本發(fā)明一個(gè)實(shí)施例的基于深度問答的問答澄清方法的流程圖。

如圖1所示，該基于深度問答的問答澄清方法包括：

S101，接收輸入的查詢語句。

例如，某用戶想通過網(wǎng)絡(luò)獲悉治療感冒的方法時(shí)，用戶可在搜索引擎輸入框中輸入查詢語句“感冒了怎么辦”。搜索引擎接收用戶輸入查詢語句，以根據(jù)查詢語句進(jìn)行檢索。

S102，根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句。

接收到用戶輸入的查詢語句后，可利用搜索引擎檢索與查詢語句相關(guān)的頁面中對(duì)應(yīng)的答案標(biāo)題，或者利用倒排索引查詢獲得與查詢語句相關(guān)的歷史查詢語句，以召回搜索日志或檢索結(jié)果中與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句。

例如，可利用搜索引擎召回與查詢語句“感冒了怎么辦”相關(guān)的答案標(biāo)題，如“感冒的癥狀、治療方法”、“快速治愈感冒”等等?；蛘?，利用倒排索引查詢從搜索日志中獲得與查詢語句“感冒了怎么辦”相關(guān)的歷史查詢語句，如“寶寶感冒了怎么辦”、“孕婦感冒了怎么辦”、“如何快速治感冒”、“如果感冒了怎么辦”等等。

S103，對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹。

根據(jù)查詢語句利用搜索引擎或者倒排索引查詢召回答案標(biāo)題和歷史查詢語句后，分析查詢語句、答案標(biāo)題和歷史查詢語句中詞語的詞性、詞語之間的依存關(guān)系等，獲取對(duì)應(yīng)的依存樹，以用依存樹表示句子中的依存關(guān)系。

例如，對(duì)于查詢語句“感冒了怎么辦”，首先分析語句中詞語的詞性，如圖2a所示，“感冒”是名詞可用字母n表示、“了”是助詞用字母u表示，“怎么”是代詞用字母r表示，“辦”是動(dòng)詞用字母v表示。然后，分析詞語之間的依存關(guān)系，其中“辦”是根用HED表示，“了”是助詞與“感冒”相連表示句子的語態(tài)結(jié)構(gòu)用MT表示，“怎么”依存于“辦”是狀中結(jié)構(gòu)關(guān)系用AD表示，“感冒”依存于“辦”兩者是動(dòng)賓關(guān)系用CS表示。類似的地，“寶寶感冒了怎么辦”對(duì)應(yīng)的依存樹如圖2b所示，其中，“寶寶”是名詞，“寶寶”依存于“感冒”兩者是主謂關(guān)系用SBV表示。同樣地，“孕婦感冒了怎么辦”對(duì)應(yīng)的依存樹，如圖2c所示，其中，“孕婦”是名詞，“孕婦”依存于“感冒”兩者是主謂關(guān)系用SBV表示。

S104，根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇。

分析獲得答案標(biāo)題和歷史查詢語句的依存樹后，根據(jù)依存樹中節(jié)點(diǎn)或者依存關(guān)系對(duì)，計(jì)算答案標(biāo)題和歷史查詢語句對(duì)應(yīng)的依存樹之間的相似度，將相似度大于預(yù)設(shè)閾值如80％的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇，生成問答簇。

例如，假設(shè)預(yù)設(shè)閾值為80％，歷史查詢語句“寶寶感冒了怎么辦”和“孕婦感冒了怎么辦”中“寶寶”和“孕婦”都依存于“感冒”，與“感冒”都是主謂關(guān)系，且都是名詞，并且“寶寶感冒了怎么辦”和“孕婦感冒了怎么辦”的依存樹的其他部分一樣，兩者相似度大于80％，可將這兩個(gè)歷史查詢語句聚合到一起，即聚類。

此外，對(duì)答案標(biāo)題和歷史查詢語句進(jìn)行聚簇之前，可先對(duì)其依存樹進(jìn)行優(yōu)化，如可將依存樹中“了”、“啊”等之類的分支刪除，獲得句子的主成分樹。再通過計(jì)算答案標(biāo)題和歷史查詢語句對(duì)應(yīng)的主成分樹之間的相似度，對(duì)答案標(biāo)題和歷史查詢語句進(jìn)行聚簇。

優(yōu)選地，為了提高檢索效率，在獲得句子的主成分樹后，可根據(jù)主成分樹的節(jié)點(diǎn)、依存關(guān)系對(duì)等等，計(jì)算用戶輸入的查詢語句與答案標(biāo)題，或者查詢語句與歷史查詢語句之間的相似度，如可通過計(jì)算依存樹中節(jié)點(diǎn)與依存關(guān)系對(duì)的向量相似度，將相似度低的答案標(biāo)題或者歷史查詢語句篩除，以獲得與查詢語句更相似的答案標(biāo)題和歷史查詢語句。

在獲得與查詢語句更相似的答案標(biāo)題和歷史查詢語句后，計(jì)算篩選后的答案標(biāo)題和歷史查詢語句對(duì)應(yīng)的主成分樹之間的相似度，將相似度大于預(yù)設(shè)閾值的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇。

S105，對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答。

在對(duì)答案標(biāo)題和歷史查詢語句進(jìn)行聚類，生成問答簇之后，獲取問答簇的核心詞，并利用上下位詞表對(duì)核心詞的澄清詞進(jìn)行泛化再聚合，生成對(duì)應(yīng)的候選澄清問答。其中，下位詞可通過三元組數(shù)據(jù)、預(yù)設(shè)結(jié)構(gòu)挖掘、人工標(biāo)注等獲得。其中，預(yù)設(shè)結(jié)構(gòu)可包括“is a”結(jié)構(gòu)，例如，“老人是糖尿病的高發(fā)人群”是“is a”結(jié)構(gòu)，可以得出“老人”是“人群”的下位詞。

然而，有時(shí)上下位詞表并不能覆蓋待澄清的核心詞的所有修飾詞，如查詢語句“感冒了怎么辦”中核心詞“感冒”的修飾詞除了“寶寶”、“孕婦”、“老人”等人群外，還可以用“風(fēng)寒”、“風(fēng)熱”等進(jìn)行修飾，但是“人群”的下位詞沒有覆蓋“風(fēng)寒”、“風(fēng)熱”等。

在本發(fā)明的一個(gè)實(shí)施例中，對(duì)于上于下位詞表無法覆蓋的部分詞，可使用通過文本深度表示模型訓(xùn)練獲得的詞向量詞典，對(duì)核心詞的澄清詞進(jìn)行泛化再聚合，生成對(duì)應(yīng)的候選澄清問答。

例如，查詢問句“感冒了怎么辦”經(jīng)過上下位詞表和詞向量詞典對(duì)核心詞“感冒”的澄清詞進(jìn)行泛化再聚合后，生成的候選澄清問答可能是“寶寶感冒怎么辦”、“孕婦感冒怎么辦”、“老人感冒怎么辦”，也可能是“風(fēng)寒感冒怎么辦”、“風(fēng)熱感冒怎么辦”等等。

又如查詢語句“糖尿病怎么治療”，對(duì)核心詞“糖尿病”澄清后的候選澄清問答可能是“孕婦糖尿病怎么治”、“糖尿病怎么治療”，也可能是“糖尿病早期怎么治療”、“糖尿病晚期怎么治療”，這些候選澄清問答對(duì)應(yīng)的澄清維度分別是“人群”、“時(shí)期”。此外，還可對(duì)不同的維度進(jìn)行組合生成候選澄清問答，比如“孕婦糖尿病早期怎么治療”、“青少年糖尿病早期怎么治療”等。

S106，展現(xiàn)候選澄清問答。

由于生成的候選澄清問答可能是多個(gè)，為了提高檢索效率，可根據(jù)候選澄清問答在用戶的搜索日志和檢索結(jié)果中出現(xiàn)的頻率排序。具體地，獲取候選澄清問答在搜索日志中的出現(xiàn)的頻率，即第一頻次，以及在檢索結(jié)果中出現(xiàn)的頻率即第二頻次。然后，根據(jù)獲取的第一頻次和第二頻次對(duì)候選澄清問答進(jìn)行排序。最后，根據(jù)排序結(jié)果展現(xiàn)候選澄清問答。

例如，某用戶輸入的查詢語句“感冒了怎么辦”的候選澄清問答“孕婦感冒怎么辦”、“寶寶感冒怎么辦”、“老人感冒怎么辦”在用戶的搜索日志中出現(xiàn)的頻率依次是5次、6次、10次，可見“老人感冒怎么辦”出現(xiàn)的頻率最高。根據(jù)候選澄清問答在搜索用戶搜索日志中出現(xiàn)的頻率的大小進(jìn)行排序，排序依次是“老人感冒怎么辦”、“寶寶感冒怎么辦”、“孕婦感冒怎么辦”，并將排序后的候選澄清問答展現(xiàn)給用戶。

對(duì)于候選澄清問答的展現(xiàn)樣式，可直接展現(xiàn)所有的澄清維度，讓用戶選擇各個(gè)維度進(jìn)行合理搭配。如圖3所示，當(dāng)用戶在搜索引擎中輸入查詢語句“糖尿病怎么治”時(shí)，在搜索引擎輸入框的下方展現(xiàn)了兩個(gè)澄清維度“人群”和“時(shí)期”。對(duì)于澄清問答維度“人群”，提供了“老年人”、“孕婦”、“青少年”三個(gè)選項(xiàng)，對(duì)于“時(shí)期”，提供了“早期”和“晚期”兩個(gè)。因此，用戶可根據(jù)查詢需求對(duì)不同的維度選項(xiàng)進(jìn)行選擇。

另外，也可每次推薦給用戶一個(gè)澄清維度，逐漸引導(dǎo)用戶選擇符合真正查詢意圖的查詢語句或者答案標(biāo)題。如圖4所示，當(dāng)用戶在搜索引擎中輸入“感冒了吃什么藥”時(shí)，搜索引擎在輸入框的下方提供感冒的種類的候選澄清問答“風(fēng)寒感冒吃什么藥”和“風(fēng)熱感冒吃什么藥”。當(dāng)用戶點(diǎn)擊了“風(fēng)熱感冒吃什么藥”后，網(wǎng)頁跳轉(zhuǎn)到該查詢語句的搜索結(jié)果頁面，如圖5所示，繼續(xù)為用戶提供澄清維度為“人群”的4個(gè)候選澄清問答“寶寶風(fēng)熱感冒吃什么藥”、“孕婦風(fēng)熱感冒吃什么藥”、“老人風(fēng)熱感冒吃什么藥”和“成人風(fēng)熱感冒吃什么藥”，以進(jìn)一步澄清用戶的查詢意圖。

可見，通過不同維度的候選澄清問答對(duì)用戶進(jìn)行引導(dǎo)，可使用戶的搜索意圖更加明確，使檢索結(jié)果可以更精準(zhǔn)的滿足用戶需求，避免用戶閱讀大量的網(wǎng)頁查找檢索結(jié)果，提高檢索效率。

綜上所述，本發(fā)明實(shí)施例的基于深度問答的問答澄清，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

下面結(jié)合圖6對(duì)本發(fā)明實(shí)施例提出的基于深度問答的問答澄清裝置進(jìn)行詳細(xì)描述。圖6是根據(jù)本發(fā)明一個(gè)實(shí)施例的基于深度問答的問答澄清裝置的結(jié)構(gòu)示意圖。

如圖6所示，該基于深度問答的問答澄清裝置可包括：接收模塊610、召回模塊620、分析模塊630、聚簇模塊640、生成模塊650、展現(xiàn)模塊660。

其中，接收模塊610用于接收輸入的查詢語句。

例如，某用戶想通過網(wǎng)絡(luò)獲悉治療感冒的方法時(shí)，用戶可在搜索引擎輸入框中輸入查詢語句“感冒了怎么辦”。接收模塊610接收用戶輸入查詢語句，以根據(jù)查詢語句進(jìn)行檢索。

召回模塊620用于根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句。

召回模塊620用于利用搜索引擎檢索與查詢語句相關(guān)的頁面中對(duì)應(yīng)的答案標(biāo)題；和/或利用倒排索引查詢獲得與查詢語句相關(guān)的歷史查詢語句。

接收到用戶輸入的查詢語句后，召回模塊620可利用搜索引擎檢索與查詢語句相關(guān)的頁面中對(duì)應(yīng)的答案標(biāo)題，或者利用倒排索引查詢獲得與查詢語句相關(guān)的歷史查詢語句，以召回搜索日志或檢索結(jié)果中與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句。

例如，可利用搜索引擎召回與查詢語句“感冒了怎么辦”相關(guān)的答案標(biāo)題，如“感冒的癥狀、治療方法”、“快速治愈感冒”等等?；蛘?，利用倒排索引查詢從搜索日志中獲得與查詢語句“感冒了怎么辦”相關(guān)的歷史查詢語句，如“寶寶感冒了怎么辦”、“孕婦感冒了怎么辦”、“如何快速治感冒”、“如果感冒了怎么辦”等等。

分析模塊630用于對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹。

根據(jù)查詢語句利用搜索引擎或者倒排索引查詢召回答案標(biāo)題和歷史查詢語句后，分析模塊630用于分析查詢語句、答案標(biāo)題和歷史查詢語句中詞語的詞性、詞語之間的依存關(guān)系等，獲取對(duì)應(yīng)的依存樹，以用依存樹表示句子中的依存關(guān)系。

例如，對(duì)于查詢語句“感冒了怎么辦”，首先分析語句中詞語的詞性，如圖2a所示，“感冒”是名詞可用字母n表示、“了”是助詞用字母u表示，“怎么”是代詞用字母r表示，“辦”是動(dòng)詞用字母v表示。然后，分析詞語之間的依存關(guān)系，其中“辦”是根用HED表示，“了”是助詞與“感冒”相連表示句子的語態(tài)結(jié)構(gòu)用MT表示，“怎么”依存于“辦”是狀中結(jié)構(gòu)關(guān)系用AD表示，“感冒”依存于“辦”兩者是動(dòng)賓關(guān)系用CS表示。類似的地，“寶寶感冒了怎么辦”對(duì)應(yīng)的依存樹如圖2b所示，其中，“寶寶”是名詞，“寶寶”依存于“感冒”兩者是主謂關(guān)系用SBV表示。同樣地，“孕婦感冒了怎么辦”對(duì)應(yīng)的依存樹，如圖2c所示，其中，“孕婦”是名詞，“孕婦”依存于“感冒”兩者是主謂關(guān)系用SBV表示。

聚簇模塊640用于根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇。

聚簇模塊640用于計(jì)算答案標(biāo)題和/或歷史查詢語句對(duì)應(yīng)的依存樹之間的相似度；將相似度大于預(yù)設(shè)閾值的答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇。

分析獲得答案標(biāo)題和歷史查詢語句的依存樹后，根據(jù)依存樹中節(jié)點(diǎn)或者依存關(guān)系對(duì)，計(jì)算答案標(biāo)題和歷史查詢語句對(duì)應(yīng)的依存樹之間的相似度，將相似度大于預(yù)設(shè)閾值如80％的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇，生成問答簇。

例如，假設(shè)預(yù)設(shè)閾值為80％，歷史查詢語句“寶寶感冒了怎么辦”和“孕婦感冒了怎么辦”中“寶寶”和“孕婦”都依存于“感冒”，與“感冒”都是主謂關(guān)系，且都是名詞，并且“寶寶感冒了怎么辦”和“孕婦感冒了怎么辦”的依存樹的其他部分一樣，兩者相似度大于80％，可將這兩個(gè)歷史查詢語句聚合到一起，即聚類。

此外，如圖7所示，該基于深度問答的問答澄清裝置還包括：優(yōu)化模塊670。

優(yōu)化模塊670用于在根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇之前，優(yōu)化依存樹。

對(duì)答案標(biāo)題和歷史查詢語句進(jìn)行聚簇之前，優(yōu)化模塊670可先對(duì)其依存樹進(jìn)行優(yōu)化，如可將依存樹中“了”、“啊”等之類的分支刪除，獲得句子的主成分樹。再通過計(jì)算答案標(biāo)題和歷史查詢語句對(duì)應(yīng)的主成分樹之間的相似度，對(duì)答案標(biāo)題和歷史查詢語句進(jìn)行聚簇。

優(yōu)選地，為了提高檢索效率，在獲得句子的主成分樹后，可根據(jù)主成分樹的節(jié)點(diǎn)、依存關(guān)系對(duì)等等，計(jì)算用戶輸入的查詢語句與答案標(biāo)題，或者查詢語句與歷史查詢語句之間的相似度，如可通過計(jì)算依存樹中節(jié)點(diǎn)與依存關(guān)系對(duì)的向量相似度，將相似度低的答案標(biāo)題或者歷史查詢語句篩除，以獲得與查詢語句更相似的答案標(biāo)題和歷史查詢語句。

在獲得與查詢語句更相似的答案標(biāo)題和歷史查詢語句后，計(jì)算篩選后的答案標(biāo)題和歷史查詢語句對(duì)應(yīng)的主成分樹之間的相似度，將相似度大于預(yù)設(shè)閾值的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇。

生成模塊650用于對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答。

生成模塊650用于獲取至少一個(gè)問答簇的核心詞；利用上下位詞表和詞向量詞典對(duì)核心詞的澄清詞進(jìn)行泛化再聚合，以生成對(duì)應(yīng)的候選澄清問答。

其中，上下位詞表通過三元組數(shù)據(jù)、預(yù)設(shè)結(jié)構(gòu)挖掘、人工標(biāo)注獲得；詞向量詞典通過文本深度表示模型訓(xùn)練獲得。

在對(duì)答案標(biāo)題和歷史查詢語句進(jìn)行聚類，生成問答簇之后，生成模塊650獲取問答簇的核心詞，并利用上下位詞表對(duì)核心詞的澄清詞進(jìn)行泛化再聚合，生成對(duì)應(yīng)的候選澄清問答。其中，下位詞可通過三元組數(shù)據(jù)、預(yù)設(shè)結(jié)構(gòu)挖掘、人工標(biāo)注等獲得。其中，預(yù)設(shè)結(jié)構(gòu)可包括“is a”結(jié)構(gòu)，例如，“老人是糖尿病的高發(fā)人群”是“is a”結(jié)構(gòu)，可以得出“老人”是“人群”的下位詞。

然而，有時(shí)上下位詞表并不能覆蓋待澄清的核心詞的所有修飾詞，如查詢語句“感冒了怎么辦”中核心詞“感冒”的修飾詞除了“寶寶”、“孕婦”、“老人”等人群外，還可以用“風(fēng)寒”、“風(fēng)熱”等進(jìn)行修飾，但是“人群”的下位詞沒有覆蓋“風(fēng)寒”、“風(fēng)熱”等。

在本發(fā)明的一個(gè)實(shí)施例中，對(duì)于上于下位詞表無法覆蓋的部分詞，可使用通過文本深度表示模型訓(xùn)練獲得的詞向量詞典，對(duì)核心詞的澄清詞進(jìn)行泛化再聚合，生成對(duì)應(yīng)的候選澄清問答。

例如，查詢問句“感冒了怎么辦”經(jīng)過上下位詞表和詞向量詞典對(duì)核心詞“感冒”的澄清詞進(jìn)行泛化再聚合后，生成的候選澄清問答可能是“寶寶感冒怎么辦”、“孕婦感冒怎么辦”、“老人感冒怎么辦”，也可能是“風(fēng)寒感冒怎么辦”、“風(fēng)熱感冒怎么辦”等等。

又如查詢語句“糖尿病怎么治療”，對(duì)核心詞“糖尿病”澄清后的候選澄清問答可能是“孕婦糖尿病怎么治”、“糖尿病怎么治療”，也可能是“糖尿病早期怎么治療”、“糖尿病晚期怎么治療”，這些候選澄清問答對(duì)應(yīng)的澄清維度分別是“人群”、“時(shí)期”。此外，還可對(duì)不同的維度進(jìn)行組合生成候選澄清問答，比如“孕婦糖尿病早期怎么治療”、“青少年糖尿病早期怎么治療”等。

展現(xiàn)模塊660用于展現(xiàn)候選澄清問答。

展現(xiàn)模塊660用于獲取候選澄清問答在搜索日志中的第一頻次，以及在檢索結(jié)果中的第二頻次；根據(jù)第一頻次和/或第二頻次對(duì)所述候選澄清問答進(jìn)行排序；根據(jù)排序結(jié)果展現(xiàn)候選澄清問答。

由于生成的候選澄清問答可能是多個(gè)，為了提高檢索效率，可根據(jù)候選澄清問答在用戶的搜索日志和檢索結(jié)果中出現(xiàn)的頻率排序。具體地，獲取候選澄清問答在搜索日志中的出現(xiàn)的頻率，即第一頻次，以及在檢索結(jié)果中出現(xiàn)的頻率即第二頻次。然后，根據(jù)獲取的第一頻次和第二頻次對(duì)候選澄清問答進(jìn)行排序。最后，根據(jù)排序結(jié)果展現(xiàn)候選澄清問答。

例如，某用戶輸入的查詢語句“感冒了怎么辦”的候選澄清問答“孕婦感冒怎么辦”、“寶寶感冒怎么辦”、“老人感冒怎么辦”在用戶的搜索日志中出現(xiàn)的頻率依次是5次、6次、10次，可見“老人感冒怎么辦”出現(xiàn)的頻率最高。根據(jù)候選澄清問答在搜索用戶搜索日志中出現(xiàn)的頻率的大小進(jìn)行排序，排序依次是“老人感冒怎么辦”、“寶寶感冒怎么辦”、“孕婦感冒怎么辦”，并將排序后的候選澄清問答展現(xiàn)給用戶。

對(duì)于候選澄清問答的展現(xiàn)樣式，可直接展現(xiàn)所有的澄清維度，讓用戶選擇各個(gè)維度進(jìn)行合理搭配。如圖3所示，當(dāng)用戶在搜索引擎中輸入查詢語句“糖尿病怎么治”時(shí)，在搜索引擎輸入框的下方展現(xiàn)了兩個(gè)澄清維度“人群”和“時(shí)期”。對(duì)于澄清問答維度“人群”，提供了“老年人”、“孕婦”、“青少年”三個(gè)選項(xiàng)，對(duì)于“時(shí)期”，提供了“早期”和“晚期”兩個(gè)。因此，用戶可根據(jù)查詢需求對(duì)不同的維度選項(xiàng)進(jìn)行選擇。

另外，也可每次推薦給用戶一個(gè)澄清維度，逐漸引導(dǎo)用戶選擇符合真正查詢意圖的查詢語句或者答案標(biāo)題。如圖4所示，當(dāng)用戶在搜索引擎中輸入“感冒了吃什么藥”時(shí)，搜索引擎在輸入框的下方提供感冒的種類的候選澄清問答“風(fēng)寒感冒吃什么藥”和“風(fēng)熱感冒吃什么藥”。當(dāng)用戶點(diǎn)擊了“風(fēng)熱感冒吃什么藥”后，網(wǎng)頁跳轉(zhuǎn)到該查詢語句的搜索結(jié)果頁面，如圖5所示，繼續(xù)為用戶提供澄清維度為“人群”的4個(gè)候選澄清問答“寶寶風(fēng)熱感冒吃什么藥”、“孕婦風(fēng)熱感冒吃什么藥”、“老人風(fēng)熱感冒吃什么藥”和“成人風(fēng)熱感冒吃什么藥”，以進(jìn)一步澄清用戶的查詢意圖。

可見，通過不同維度的候選澄清問答對(duì)用戶進(jìn)行引導(dǎo)，可使用戶的搜索意圖更加明確，使檢索結(jié)果可以更精準(zhǔn)的滿足用戶需求，避免用戶閱讀大量的網(wǎng)頁查找檢索結(jié)果，提高檢索效率。

需要說明的是，前述實(shí)施例中對(duì)基于深度問答的問答澄清方法實(shí)施例的解釋說明也適用于本實(shí)施例的基于深度問答的問答澄清裝置，其實(shí)現(xiàn)原理類似，此處不再贅述。

綜上所述，本發(fā)明實(shí)施例的基于深度問答的問答澄清裝置，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

為了實(shí)現(xiàn)上述實(shí)施例，本發(fā)明還提出了一種終端，包括：處理器，以及用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器。其中，處理器被配置為執(zhí)行以下步驟：

接收輸入的查詢語句；

根據(jù)查詢語句召回對(duì)應(yīng)的答案標(biāo)題和/或歷史查詢語句；

對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行分析，以獲取對(duì)應(yīng)的依存樹；

根據(jù)依存樹對(duì)答案標(biāo)題和/或歷史查詢語句進(jìn)行聚簇，以生成至少一個(gè)問答簇；

對(duì)至少一個(gè)問答簇進(jìn)行泛化，以生成對(duì)應(yīng)的候選澄清問答；

展現(xiàn)候選澄清問答。

需要說明的是，前述實(shí)施例中對(duì)基于深度問答的問答澄清方法實(shí)施例的解釋說明也適用于本實(shí)施例的終端，其實(shí)現(xiàn)原理類似，此處不再贅述。

本發(fā)明實(shí)施例提出的終端，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

為了實(shí)現(xiàn)上述實(shí)施例，本發(fā)明還提出了一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)一個(gè)或多個(gè)程序，當(dāng)存儲(chǔ)介質(zhì)中的指令由移動(dòng)終端的處理器執(zhí)行時(shí)，使得移動(dòng)終端能夠執(zhí)行本發(fā)明第一方面實(shí)施例提出的基于深度問答的問答澄清方法。

本發(fā)明實(shí)施例提出的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

為了實(shí)現(xiàn)上述實(shí)施例，本發(fā)明還提出了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品中的指令被處理器執(zhí)行時(shí)，執(zhí)行一種基于深度問答的問答澄清方法。

本發(fā)明實(shí)施例提出的計(jì)算機(jī)程序產(chǎn)品，通過對(duì)召回的與查詢語句相關(guān)的答案標(biāo)題和歷史查詢語句進(jìn)行聚簇、泛化，生成對(duì)應(yīng)的候選澄清問答并展現(xiàn)給用戶，使用戶根據(jù)候選澄清問答獲得更精確的檢索結(jié)果，提高了檢索效率。

在本說明書的描述中，參考術(shù)語：“一個(gè)實(shí)施例”、“具體實(shí)施例”“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說明書中，對(duì)上述術(shù)語的示意性表述不必須針對(duì)的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實(shí)施例或示例以及不同實(shí)施例或示例的特征進(jìn)行結(jié)合和組合。

盡管上面已經(jīng)示出和描述了本發(fā)明的實(shí)施例，可以理解的是，上述實(shí)施例是示例性的，不能理解為對(duì)本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對(duì)上述實(shí)施例進(jìn)行變化、修改、替換和變型。