本發(fā)明涉及電數(shù)字?jǐn)?shù)據(jù)處理和人工智能技術(shù)領(lǐng)域，尤其涉及一種智能問答方法及系統(tǒng)。

背景技術(shù)：

在智能對(duì)話系統(tǒng)中，通常使用問題和問題匹配的方法尋找答案。在知識(shí)庫中保存問題和相應(yīng)的回答，當(dāng)用戶詢問一個(gè)問題A時(shí)，從知識(shí)庫中找到與問題A相似的問題B，然后將問題B的答案返回給用戶。通常通過關(guān)鍵詞比較計(jì)算兩個(gè)問題的相似度，即基于問題A和問題B的關(guān)鍵詞計(jì)算其相似度。為了提高召回率，通常不要求關(guān)鍵詞完全匹配，然而，這種方法這可能會(huì)引入錯(cuò)誤。因?yàn)閮蓚€(gè)問題中提取的關(guān)鍵詞可能有很高的相似度，但兩個(gè)問題中包含的人稱在句子中的順序不同，即施動(dòng)人稱和受動(dòng)人稱不同，問題A中的施動(dòng)人稱為X1，受動(dòng)人稱為Y1，而問題B中的施動(dòng)人稱為X2，受動(dòng)人稱為Y2，因此，如果忽略問題中包含的施動(dòng)人稱和受動(dòng)人稱不同問題，很可能給出問題的回答是不準(zhǔn)確的。例如，例如，question A：我喜歡你question B：你喜歡我，這兩個(gè)question的關(guān)鍵詞都是“我”“喜歡”“你”，因此會(huì)有很高的相似度，但是由于兩個(gè)句子中的施動(dòng)人稱和受動(dòng)人稱不同，導(dǎo)致其語義完全不同，因此很可能給出問題的回答不準(zhǔn)確。

因此，現(xiàn)有技術(shù)中的缺陷是，在智能對(duì)話系統(tǒng)中，無法根據(jù)問題中包含的施動(dòng)人稱和受動(dòng)人稱進(jìn)行語義分析，導(dǎo)致給出的回答不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述技術(shù)問題，本發(fā)明提供一種智能回答方法及系統(tǒng)，通過人稱模型計(jì)算用戶提出問題中的施動(dòng)人稱和受動(dòng)人稱，根據(jù)知識(shí)庫中保存的問題及其施動(dòng)人稱和受動(dòng)人稱，在知識(shí)庫中去除與用戶提出的問題的施動(dòng)人稱和受動(dòng)人稱不一致的問題，進(jìn)而匹配到與用戶提出問題相似的問題，并給出準(zhǔn)確的回答。

為解決上述技術(shù)問題，本發(fā)明提供的技術(shù)方案是：

第一方面，本發(fā)明提供一種智能回答方法，包括：

步驟S1，獲取知識(shí)庫，所述知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算所述問題的施動(dòng)人稱和受動(dòng)人稱，存入所述知識(shí)庫；

步驟S2，獲取用戶的問題，計(jì)算所述用戶問題的關(guān)鍵詞；

步驟S3，計(jì)算所述用戶問題的關(guān)鍵詞與所述知識(shí)庫中問題的關(guān)鍵詞的相似度，在所述知識(shí)庫中得到所述相似度為預(yù)設(shè)閾值的第一問題集合，并在所述知識(shí)庫中得到所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

步驟S4，根據(jù)所述用戶的問題，通過所述人稱模型計(jì)算所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

步驟S5，將所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與所述所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；

步驟S6，根據(jù)所述第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，所述匹配問題對(duì)應(yīng)的回答為所述用戶的問題的回答。

本發(fā)明的智能回答方法的技術(shù)方案為：獲取知識(shí)庫，所述知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算所述問題的施動(dòng)人稱和受動(dòng)人稱，存入所述知識(shí)庫；獲取用戶的問題，計(jì)算所述用戶問題的關(guān)鍵詞；計(jì)算所述用戶問題的關(guān)鍵詞與所述知識(shí)庫中問題的關(guān)鍵詞的相似度，在所述知識(shí)庫中得到所述相似度為預(yù)設(shè)閾值的第一問題集合，并在所述知識(shí)庫中得到所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

根據(jù)所述用戶的問題，通過所述人稱模型計(jì)算所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；將所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與所述所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；根據(jù)所述第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，所述匹配問題對(duì)應(yīng)的回答為所述用戶的問題的回答。

本發(fā)明的智能問答方法，通過人稱模型計(jì)算用戶提出問題中的施動(dòng)人稱和受動(dòng)人稱，根據(jù)知識(shí)庫中保存的問題及其施動(dòng)人稱和受動(dòng)人稱，首先根據(jù)問題中的關(guān)鍵詞相似度得到第一問題集合，然后在知識(shí)庫中去除與用戶提出的問題的施動(dòng)人稱和受動(dòng)人稱不一致的問題，得到第二問題集合，在第二問題集合中匹配到相似的問題，并給出準(zhǔn)確的回答。

進(jìn)一步地，所述語義模型的建立，具體為：

所述人稱模型的建立，具體為：

獲取訓(xùn)練語料，所述訓(xùn)練語料包括句子、施動(dòng)人稱和受動(dòng)人稱；

通過最大熵模型對(duì)所述訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型。

進(jìn)一步地，通過最大熵模型對(duì)所述訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型，具體為：

獲取訓(xùn)練語料中的特征，所述特征為從所述句子、所述施動(dòng)人稱和受動(dòng)人稱中得到的特征序列；

對(duì)所述特征序列進(jìn)行訓(xùn)練，得到人稱模型。

進(jìn)一步地，所述特征包括二元特征，所述二元特征為句子中前后兩個(gè)字符形成的特征序列；句首的兩個(gè)字符，句尾的兩個(gè)字符，句首的三個(gè)字符，句尾的三個(gè)字符，句子中的第2個(gè)和第3個(gè)字符，句子中的倒數(shù)第2個(gè)和倒數(shù)第3個(gè)字符，句子中的字符被，句子中的字符把，句子中的字符跟、和、與、同，句首的人稱詞語，句子的分詞序列，句子的分詞及其詞性序列。

第二方面，本發(fā)明提供一種智能問答系統(tǒng)，包括：

知識(shí)庫獲取模塊，用于獲取知識(shí)庫，所述知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算所述問題的施動(dòng)人稱和受動(dòng)人稱，存入所述知識(shí)庫；

關(guān)鍵詞獲取模塊，獲取用戶的問題，計(jì)算所述用戶問題的關(guān)鍵詞；

第一問題集合模塊，用于計(jì)算所述用戶問題的關(guān)鍵詞與所述知識(shí)庫中問題的關(guān)鍵詞的相似度，在所述知識(shí)庫中得到所述相似度為預(yù)設(shè)閾值的第一問題集合，并在所述知識(shí)庫中得到所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

人稱模型計(jì)算模塊，用于根據(jù)所述用戶的問題，通過所述人稱模型計(jì)算所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

第二問題集合模塊，用于將所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與所述所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；

回答獲取模塊，用于根據(jù)所述第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，所述匹配問題對(duì)應(yīng)的回答為所述用戶的問題的回答。

本發(fā)明的智能問答系統(tǒng)的技術(shù)方案為：先通過知識(shí)庫獲取模塊，用于獲取知識(shí)庫，所述知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算所述問題的施動(dòng)人稱和受動(dòng)人稱，存入所述知識(shí)庫；接著通過關(guān)鍵詞獲取模塊，獲取用戶的問題，計(jì)算所述用戶問題的關(guān)鍵詞；然后通過第一問題集合模塊，用于計(jì)算所述用戶問題的關(guān)鍵詞與所述知識(shí)庫中問題的關(guān)鍵詞的相似度，在所述知識(shí)庫中得到所述相似度為預(yù)設(shè)閾值的第一問題集合，并在所述知識(shí)庫中得到所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

接著通過人稱模型計(jì)算模塊，用于根據(jù)所述用戶的問題，通過所述人稱模型計(jì)算所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；然后通過第二問題集合模塊，用于將所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與所述所述第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與所述用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；最后通過回答獲取模塊，用于根據(jù)所述第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，所述匹配問題對(duì)應(yīng)的回答為所述用戶的問題的回答。

本發(fā)明的智能問答系統(tǒng)，通過人稱模型計(jì)算用戶提出問題中的施動(dòng)人稱和受動(dòng)人稱，根據(jù)知識(shí)庫中保存的問題及其施動(dòng)人稱和受動(dòng)人稱，首先根據(jù)問題中的關(guān)鍵詞相似度得到第一問題集合，然后在知識(shí)庫中去除與用戶提出的問題的施動(dòng)人稱和受動(dòng)人稱不一致的問題，得到第二問題集合，在第二問題集合中匹配到相似的問題，并給出準(zhǔn)確的回答。

進(jìn)一步地，還包括人稱模型建立模塊，用于：

獲取訓(xùn)練語料，所述訓(xùn)練語料包括句子、施動(dòng)人稱和受動(dòng)人稱；

通過最大熵模型對(duì)所述訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型。

進(jìn)一步地，所述人稱模型建立模塊，具體用于：

獲取訓(xùn)練語料中的特征，所述特征為從所述句子、所述施動(dòng)人稱和受動(dòng)人稱中得到的特征序列；

對(duì)所述特征序列進(jìn)行訓(xùn)練，得到人稱模型。

進(jìn)一步地，所述特征包括二元特征，所述二元特征為句子中前后兩個(gè)字符形成的特征序列；句首的兩個(gè)字符，句尾的兩個(gè)字符，句首的三個(gè)字符，句尾的三個(gè)字符，句子中的第2個(gè)和第3個(gè)字符，句子中的倒數(shù)第2個(gè)和倒數(shù)第3個(gè)字符，句子中的字符被，句子中的字符把，句子中的字符跟、和、與、同，句首的人稱詞語，句子的分詞序列，句子的分詞及其詞性序列。

附圖說明

為了更清楚地說明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹。

圖1示出了本發(fā)明實(shí)施例所提供的一種智能問答方法的流程圖；

圖2示出了本發(fā)明實(shí)施例所提供的一種智能問答系統(tǒng)的示意圖。

具體實(shí)施方式

下面將結(jié)合附圖對(duì)本發(fā)明技術(shù)方案的實(shí)施例進(jìn)行詳細(xì)的描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，因此只是作為示例，而不能以此來限制本發(fā)明的保護(hù)范圍。

實(shí)施例一

圖1示出了本發(fā)明實(shí)施例所提供的一種智能問答方法的流程圖；如圖1所示實(shí)施例一提供的一種智能問答方法，包括：

步驟S1，獲取知識(shí)庫，知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算問題的施動(dòng)人稱和受動(dòng)人稱，存入知識(shí)庫；

步驟S2，獲取用戶的問題，計(jì)算用戶問題的關(guān)鍵詞；

計(jì)算用戶問題的關(guān)鍵詞有兩種方法，一種方法是：

根據(jù)用戶的問題，對(duì)用戶的問題進(jìn)行分詞和詞性標(biāo)注，得到指定詞；

將指定詞作為關(guān)鍵詞。

其中，指定詞包括動(dòng)詞、名詞和人稱代詞；

另一種方法是：

根據(jù)用戶的問題，獲得用戶的問題中的分詞結(jié)果、詞性和依存句法；

根據(jù)分詞結(jié)果、詞性和依存句法，進(jìn)行分析，得到分析結(jié)果；

根據(jù)分析結(jié)果，提取特征并訓(xùn)練最大熵模型，通過最大熵模型標(biāo)注關(guān)鍵詞。

步驟S3，計(jì)算用戶問題的關(guān)鍵詞與知識(shí)庫中問題的關(guān)鍵詞的相似度，在知識(shí)庫中得到相似度為預(yù)設(shè)閾值的第一問題集合，并在知識(shí)庫中得到第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

步驟S4，根據(jù)用戶的問題，通過人稱模型計(jì)算用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

步驟S5，將用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；

步驟S6，根據(jù)第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，匹配問題對(duì)應(yīng)的回答為用戶的問題的回答。

本發(fā)明的智能回答方法的技術(shù)方案為：獲取知識(shí)庫，知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算問題的施動(dòng)人稱和受動(dòng)人稱，存入知識(shí)庫；獲取用戶的問題，計(jì)算用戶問題的關(guān)鍵詞；計(jì)算用戶問題的關(guān)鍵詞與知識(shí)庫中問題的關(guān)鍵詞的相似度，在知識(shí)庫中得到相似度為預(yù)設(shè)閾值的第一問題集合，并在知識(shí)庫中得到第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

根據(jù)用戶的問題，通過人稱模型計(jì)算用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；將用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；根據(jù)第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，匹配問題對(duì)應(yīng)的回答為用戶的問題的回答。

本發(fā)明的智能問答方法，通過人稱模型計(jì)算用戶提出問題中的施動(dòng)人稱和受動(dòng)人稱，根據(jù)知識(shí)庫中保存的問題及其施動(dòng)人稱和受動(dòng)人稱，首先根據(jù)問題中的關(guān)鍵詞相似度得到第一問題集合，然后在知識(shí)庫中去除與用戶提出的問題的施動(dòng)人稱和受動(dòng)人稱不一致的問題，得到第二問題集合，在第二問題集合中匹配到相似的問題，并給出準(zhǔn)確的回答。

需要說明的是，知識(shí)庫中存儲(chǔ)大量的問題，及問題對(duì)應(yīng)的回答，只有存儲(chǔ)的問題足夠多，才可以給用戶提供更準(zhǔn)確的回答。

具體地，語義模型的建立，具體為：

人稱模型的建立，具體為：

獲取訓(xùn)練語料，訓(xùn)練語料包括句子、施動(dòng)人稱和受動(dòng)人稱；

通過最大熵模型對(duì)訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型。

具體地，通過最大熵模型對(duì)訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型，具體為：

獲取訓(xùn)練語料中的特征，特征為從句子、施動(dòng)人稱和受動(dòng)人稱中得到的特征序列；

對(duì)特征序列進(jìn)行訓(xùn)練，得到人稱模型。

通過最大熵模型將訓(xùn)練語料中表示受動(dòng)人稱和施動(dòng)人稱的特征進(jìn)行提取訓(xùn)練，得到人稱模型，最大熵模型的優(yōu)點(diǎn)為：建模時(shí)，試驗(yàn)者只需集中精力選擇特征，而不需要花費(fèi)精力考慮如何使用這些特征；特征選擇靈活，且不需要額外的獨(dú)立假定或者內(nèi)在約束；模型應(yīng)用在不同領(lǐng)域時(shí)的可移植性強(qiáng)；可結(jié)合更豐富的信息。因此本發(fā)明中選用最大熵模型對(duì)訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型。

具體地，特征包括二元特征，二元特征為句子中前后兩個(gè)字符形成的特征序列；句首的兩個(gè)字符，句尾的兩個(gè)字符，句首的三個(gè)字符，句尾的三個(gè)字符，句子中的第2個(gè)和第3個(gè)字符，句子中的倒數(shù)第2個(gè)和倒數(shù)第3個(gè)字符，句子中的字符被，句子中的字符把，句子中的字符跟、和、與、同，句首的人稱詞語，句子的分詞序列，句子的分詞及其詞性序列。

具體地，預(yù)設(shè)閾值為60％。經(jīng)驗(yàn)證，在預(yù)設(shè)閾值為60％時(shí)，即相似度為60％時(shí)，在知識(shí)庫中得到的第一問題集合中的問題與用戶提出的問題相似。

圖2示出了本發(fā)明實(shí)施例所提供的一種智能問答系統(tǒng)的示意圖，如圖2所示，本發(fā)明實(shí)施例提供一種智能問答系統(tǒng)10，包括：

知識(shí)庫獲取模塊101，用于獲取知識(shí)庫，知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算問題的施動(dòng)人稱和受動(dòng)人稱，存入知識(shí)庫；

關(guān)鍵詞獲取模塊102，獲取用戶的問題，計(jì)算用戶問題的關(guān)鍵詞；

計(jì)算用戶問題的關(guān)鍵詞有兩種方法，一種方法是：

根據(jù)用戶的問題，對(duì)用戶的問題進(jìn)行分詞和詞性標(biāo)注，得到指定詞；

將指定詞作為關(guān)鍵詞。

其中，指定詞包括動(dòng)詞、名詞和人稱代詞；

另一種方法是：

根據(jù)用戶的問題，獲得用戶的問題中的分詞結(jié)果、詞性和依存句法；

根據(jù)分詞結(jié)果、詞性和依存句法，進(jìn)行分析，得到分析結(jié)果；

根據(jù)分析結(jié)果，提取特征并訓(xùn)練最大熵模型，通過最大熵模型標(biāo)注關(guān)鍵詞。

第一問題集合模塊103，用于計(jì)算用戶問題的關(guān)鍵詞與知識(shí)庫中問題的關(guān)鍵詞的相似度，在知識(shí)庫中得到相似度為預(yù)設(shè)閾值的第一問題集合，并在知識(shí)庫中得到第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

人稱模型計(jì)算模塊104，用于根據(jù)用戶的問題，通過人稱模型計(jì)算用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

第二問題集合模塊105，用于將用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；

回答獲取模塊106，用于根據(jù)第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，匹配問題對(duì)應(yīng)的回答為用戶的問題的回答。

本發(fā)明的智能問答系統(tǒng)10的技術(shù)方案為：先通過知識(shí)庫獲取模塊101，用于獲取知識(shí)庫，知識(shí)庫中存儲(chǔ)問題及對(duì)應(yīng)回答，根據(jù)預(yù)先建立的人稱模型計(jì)算問題的施動(dòng)人稱和受動(dòng)人稱，存入知識(shí)庫；接著通過關(guān)鍵詞獲取模塊102，獲取用戶的問題，計(jì)算用戶問題的關(guān)鍵詞；然后通過第一問題集合模塊103，用于計(jì)算用戶問題的關(guān)鍵詞與知識(shí)庫中問題的關(guān)鍵詞的相似度，在知識(shí)庫中得到相似度為預(yù)設(shè)閾值的第一問題集合，并在知識(shí)庫中得到第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；

接著通過人稱模型計(jì)算模塊104，用于根據(jù)用戶的問題，通過人稱模型計(jì)算用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱；然后通過第二問題集合模塊105，用于將用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱與第一問題集合中問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱進(jìn)行比較，將與用戶的問題對(duì)應(yīng)的施動(dòng)人稱和受動(dòng)人稱不一致的問題去除，得到第二問題集合；最后通過回答獲取模塊106，用于根據(jù)第二問題集合，隨機(jī)取得一個(gè)問題作為匹配問題，匹配問題對(duì)應(yīng)的回答為用戶的問題的回答。

本發(fā)明的智能問答系統(tǒng)10，通過人稱模型計(jì)算用戶提出問題中的施動(dòng)人稱和受動(dòng)人稱，根據(jù)知識(shí)庫中保存的問題及其施動(dòng)人稱和受動(dòng)人稱，首先根據(jù)問題中的關(guān)鍵詞相似度得到第一問題集合，然后在知識(shí)庫中去除與用戶提出的問題的施動(dòng)人稱和受動(dòng)人稱不一致的問題，得到第二問題集合，在第二問題集合中匹配到相似的問題，并給出準(zhǔn)確的回答。

具體地，還包括人稱模型建立模塊，用于：

獲取訓(xùn)練語料，訓(xùn)練語料包括句子、施動(dòng)人稱和受動(dòng)人稱；

通過最大熵模型對(duì)訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型。

具體地，人稱模型建立模塊，具體用于：

獲取訓(xùn)練語料中的特征，特征為從句子、施動(dòng)人稱和受動(dòng)人稱中得到的特征序列；

對(duì)特征序列進(jìn)行訓(xùn)練，得到人稱模型。

通過最大熵模型將訓(xùn)練語料中表示受動(dòng)人稱和施動(dòng)人稱的特征進(jìn)行提取訓(xùn)練，得到人稱模型，最大熵模型的優(yōu)點(diǎn)為：建模時(shí)，試驗(yàn)者只需集中精力選擇特征，而不需要花費(fèi)精力考慮如何使用這些特征；特征選擇靈活，且不需要額外的獨(dú)立假定或者內(nèi)在約束；模型應(yīng)用在不同領(lǐng)域時(shí)的可移植性強(qiáng)；可結(jié)合更豐富的信息。因此本發(fā)明中選用最大熵模型對(duì)訓(xùn)練語料進(jìn)行訓(xùn)練，得到人稱模型。

具體地，特征包括二元特征，二元特征為句子中前后兩個(gè)字符形成的特征序列；句首的兩個(gè)字符，句尾的兩個(gè)字符，句首的三個(gè)字符，句尾的三個(gè)字符，句子中的第2個(gè)和第3個(gè)字符，句子中的倒數(shù)第2個(gè)和倒數(shù)第3個(gè)字符，句子中的字符被，句子中的字符把，句子中的字符跟、和、與、同，句首的人稱詞語，句子的分詞序列，句子的分詞及其詞性序列。

具體地，預(yù)設(shè)閾值為60％。經(jīng)驗(yàn)證，在預(yù)設(shè)閾值為60％時(shí)，即相似度為60％時(shí)，在知識(shí)庫中得到的第一問題集合中的問題與用戶提出的問題相似。

實(shí)施例二

基于實(shí)施例一中的智能問答方法和智能問答系統(tǒng)10，進(jìn)行智能問答過程的具體說明：

1、將問題(question)和回答(answer)加入知識(shí)庫，

例如：

2、通過關(guān)鍵詞進(jìn)行索引；同時(shí)，根據(jù)人稱模型M計(jì)算question的施動(dòng)人稱和受動(dòng)人稱，存入知識(shí)庫中；

以上question的關(guān)鍵詞及施動(dòng)人稱和受動(dòng)人稱如下：

3、根據(jù)用戶提供的問題question A“我喜歡你”，計(jì)算其關(guān)鍵詞為“我喜歡你”；

4、根據(jù)關(guān)鍵詞，從知識(shí)庫中得到相似度為top n(預(yù)設(shè)閾值)的question集合CQS1(第一問題集合)。計(jì)算得到question A與知識(shí)庫中question的相似度(根據(jù)相同關(guān)鍵詞數(shù)/總關(guān)鍵詞數(shù)計(jì)算)如下：

5、根據(jù)用戶提供的問題question A“我喜歡你”，根據(jù)人稱模型M計(jì)算其施動(dòng)人稱為第一人稱，受動(dòng)人稱為第二人稱；

6、利用question A的施動(dòng)人稱和受動(dòng)人稱，從集合CQS1(第一問題集合)中過濾施動(dòng)人稱和受動(dòng)人稱不一致的question，得到集合CQS2(第二問題集合)；CQS2集合如下：

相似的question 施動(dòng)人稱 受動(dòng)人稱

我喜歡你 第一人稱 第二人稱

我非常喜歡你 第一人稱 第二人稱

7、對(duì)于集合CQS2中的每一個(gè)問題，將其對(duì)應(yīng)的答案返回給用戶，因此用戶得到的答案是“我也喜歡你”或者“我也非常喜歡你”。

通過本發(fā)明的智能問答方法及系統(tǒng)進(jìn)行智能回答，可根據(jù)問題的施動(dòng)人稱和受動(dòng)人稱，給用戶提供更準(zhǔn)確的回答。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求和說明書的范圍當(dāng)中。