一种电力智能问答系统中的问句匹配方法

摘要

本发明公开了一种电力智能问答系统中的问句匹配方法：首先对用户输入的查询问句P和系统知识库中的问句Q进行补零或截断操作，使句子序列变成固定长度；然后通过GloVe模型生成关于句子序列中对应单词词向量；接着将词向量输入到BI‑LSTM模型中，获取具有上下文语境义的单词向量；在此基础上，利用卷积神经网络提取词向量特征，得到句子的特征向量，进一步对特征向量抽取共同特征；最后将问句P、问句Q的特征向量以及共同特征向量进行拼接，输入全连接层，获取相似度预测结果。本发明将深度学习应用于电力智能问答领域，能够有效融合句子单词的上下文语境，精准的匹配用户问句，提高电力智能问答的准确度。