问题挖掘方法、装置、电子设备及存储介质

技术领域

本发明涉及人工智能领域，尤其涉及一种问题挖掘方法、装置、电子设备及计算机可读存储介质。

背景技术

问题挖掘是指从数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程，其可以用来支持商业智能应用和决策分析，例如顾客细分、交叉销售、欺诈检测、顾客流失分析、商品销量预测等等，目前广泛应用于银行、金融、医疗、工业、零售和电信等行业。比如在电话销售场景中，业务员会与客户存在大量的对话记录，对话中存在一些高频、意图表达一致的话术，这些话术可以通过问题挖掘以查询出客户的真实需求。

目前问题挖掘通常是基于聚类的方法实现，但是由于原始数据错综复杂，使得聚类的个数不好设定，导致挖掘的问题会存在很多结果，从而影响问题挖掘的准确性。

发明内容

本发明提供一种问题挖掘方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高问题挖掘的准确性。

为实现上述目的，本发明提供的一种问题挖掘方法，包括：

将原始文本中的数据进行预处理，得到初始词语集，并计算所述初始词语集中每个词语在所述原始文本中的权重；

利用词向量转化模型将所述初始词语集中每个词语转化为词向量，根据所述词向量与所述权重，生成加权词向量；

根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，得到目标句向量；

识别所述目标句向量之间的关联关系，并根据所述关联关系，构建所述目标句向量的关系网络结构；

计算所述关系网络结构中每个目标句向量的平均距离值，根据所述平均距离值，生成所述原始文本的问题挖掘结果。

可选地，所述计算所述初始词语集中每个词语在所述原始文本中的权重，包括：

通过遍历操作依次选择所述初始词语集中任意两个词语，计算所述两个词语在所述原始文本中的依存关联度；

根据所述依存关联度，计算所述两个词语的引力；

根据所述依存关联度和所述引力，计算所述两个词语的关联强度；

根据所述关联强度，计算所述两个词语中任意一个词语的权重。

可选地所述利用词向量转化模型将所述初始词语集中每个词语转化为词向量，包括：

利用所述词向量转化模型中的编码层对所述初始词语集中每个词语进行向量编码，生成初始词向量；

利用所述词向量转化模型中的前馈注意力机制对所述初始词向量进行序列提取，得到词向量。

可选地，所述利用所述词向量转化模型中的编码层对所述初始词语集中的每个词语进行向量编码，生成初始词向量，包括：

利用所述编码层对所述初始词语集中每个词语进行索引编码，得到词编码索引；

对所述词编码索引构建向量矩阵，生成初始词向量。

可选地，所述利用所述词向量转化模型中的前馈注意力机制对所述初始词向量进行序列提取，得到词向量，包括：

利用所述前馈注意力机制中的自注意力模块查询所述初始词向量；

利用所述前馈注意力机制中的卷积模块对所述初始词向量进行特征提取，得到特征词向量；

利用所述前馈注意力机制中的编码器提取所述特征词向量的信息序列；

利用所述前馈注意力机制中的解码器将所述信息序列进行解码，得到词向量。

可选地，所述根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，得到目标句向量，包括：

将所述加权词向量进行汇总，生成初始句向量，计算所述初始句向量的平均权重；

根据所述平均权重，从所述初始句向量中筛选出满足所述预设条件的句向量，得到目标句向量。

可选地，所述识别所述目标句向量之间的关联关系，包括：

提取所述目标句向量中的特征词向量；

识别所述特征词向量之间的节点关系，得到对应目标句向量之间的关联关系。

为了解决上述问题，本发明还提供一种问题挖掘装置，所述装置包括：

计算模块，用于将原始文本中的数据进行预处理，得到初始词语集，并计算所述初始词语集中每个词语在所述原始文本中的权重；

转化模块，用于利用词向量转化模型将所述初始词语集中每个词语转化为词向量，根据所述词向量与所述权重，生成加权词向量；

筛选模块，用于根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，得到目标句向量；

构建模块，用于识别所述目标句向量之间的关联关系，并根据所述关联关系，构建所述目标句向量的关系网络结构；

生成模块，用于计算所述关系网络结构中每个目标句向量的平均距离值，根据所述平均距离值，生成所述原始文本的问题挖掘结果。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的问题挖掘方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的问题挖掘方法。

本发明实施例首先对原始文本中的数据进行预处理，可以筛选出原始文本中重要度程度比较高的词语，从而可以筛选出原始文本中重要度比较高的语句，使得文本语句的文本特征更具有表征意义；其次，本发明实施例通过识别句向量的关联关系，根据关联关系，构建对应的关系网络结构，以将具有相同含义的语句进行聚类，从而可以确定后续问题挖掘的挖掘数量，提高原始文本的语句挖掘准确性；进一步地，本发明实施例根据关系网络结构中句向量的平均距离值，生成所述文本的问题挖掘结果，以筛选所述关系网络结构中最小平均距离值最小的句向量，可以识别出原始文本中的标准语句，从而提高了原始文本的标准语句挖掘的准确性。因此，本发明提出的一种问题挖掘方法、装置、电子设备以及存储介质可以提高问题挖掘的准确性。

附图说明

图1为本发明一实施例提供的问题挖掘方法的流程示意图；

图2为本发明第一实施例中图1提供的问题挖掘方法其中一个步骤的详细流程示意图；

图3为本发明一实施例提供的问题挖掘装置的模块示意图；

图4为本发明一实施例提供的实现问题挖掘方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种问题挖掘方法。所述问题挖掘方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述问题挖掘方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示，为本发明一实施例提供的问题挖掘方法的流程示意图。在本发明实施例中，所述问题挖掘方法包括：

S1、将原始文本中的数据进行预处理，得到初始词语集，并计算所述初始词语集中每个词语在所述原始文本中的权重。

本发明实施例中，所述原始文本理解为在业务场景中产生数据的汇总，比如在保险业务咨询中，对客户提出的话术进行汇总，生成的对话文本，其中，所述话术包括：险种的类别、险种的价格、险种的起效时间等。进一步地，应该了解，在实际业务场景中产生的数据错综复杂且数据量庞大，为了更好的对所述原始文本进行分析处理，本发明对所述原始文本的数据进行清洗，删除所述原始文本中的无用数据，提高后续文本处理的效率。

详细地，所述将原始文本中的数据进行预处理，得到初始词语集，包括：利用分词算法对所述原始文本中的数据进行分词，得到原始词语集，利用预设的停用词表删除所述原始词语集中的停用词，得到初始词语集。

一个可选实施例中，所述分词算法可以为当前已知的结巴分词算法，所述停用词表可以通过专业网站下载，如哈工大停用词表，需要说明的是，所述分词和去停用词属于当前较为成熟的技术，在本申请中不做进一步地赘述。

进一步地，所述计算所述初始词语集中每个词语在所述原始文本中的权重，包括：通过遍历操作依次选择所述初始词语集中任意两个词语，计算所述两个词语在所述原始文本中的依存关联度；根据所述依存关联度，计算所述两个词语的引力；根据所述依存关联度和所述引力，计算所述两个词语的关联强度；根据所述关联强度，计算所述两个词语中任意一个词语的权重。

S2、利用词向量转化模型将所述初始词语集中每个词语转化为词向量，根据所述词向量与所述权重，生成加权词向量。

本发明实施例中，所述词向量转换模型通过Bert网络构建，用于将所述初始词语集中每个词语转换为词向量，其中，所述词向量是指来自词汇表的单词或短语被映射到实数的向量。

参阅图2所示，所述利用词向量转化模型将所述初始词语集中每个词语转化为词向量，包括：

S20、利用所述词向量转化模型中的编码层对所述初始词语集中每个词语进行向量编码，生成初始词向量；

S21、利用所述词向量转化模型中的前馈注意力机制对所述初始词向量进行序列提取，得到词向量。

一个可选实施例中，所述S20包括：利用所述编码层对所述初始词语集中每个词语进行索引编码，得到词编码索引；对所述词编码索引构建向量矩阵，生成初始词向量。其中，所述索引编码基于不同用户需求设置，比如，所述初始词语为：deep in learning，对所述deep in learning中的词语进行0、1以及2的索引编码，得到deep编码索引为0、in编码索引为1以及learning编码索引为2；所述向量矩阵的构建根据对应初始词语的潜在因子数据确定，比如所述初始词语存在3个潜在因子，则构建对应的向量矩阵可以为1*3的向量矩阵，所述潜在因子指的是所述词语的特征节点值，比如，所述词语为deep，则对应的潜在因子包括：高度、深度以及厚度等。

一个可选实施例中，所述前馈注意力机制通过N个相同的Feed ForwardTransformer block(简称FFT)组成，每个所述FFT包括编码器、解码器、自注意力模块以及卷积模块。详细地，所述S21包括：利用所述前馈注意力机制中的自注意力模块查询所述初始词向量，利用所述前馈注意力机制中的卷积模块对所述初始词向量进行特征提取，得到特征词向量，利用所述前馈注意力机制中的编码器提取所述特征词向量的信息序列，利用所述前馈注意力机制中的解码器将所述信息序列进行解码，得到词向量。

进一步地，应该了解，词向量虽然可以很好地体现语义上下文的关联,但是无法反映词语对于文本分类的重要性,而权重可以体现词语对文本的重要程度,因此本发明通过对所述词向量和所述权重进行加权，生成加权词向量以使加权后的词向量可以更好的表征文本。

进一步地，由于一句话是基于不同的词语组合生成，因此，本发明根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，以保障后续文本中的标准问题挖掘前提。

详细地，所述根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，得到目标句向量，包括：将所述加权词向量进行汇总，生成初始句向量，计算所述初始句向量的平均权重，根据所述平均权重，从所述初始句向量中筛选出满足所述预设条件的句向量，得到目标句向量。

其中，所述平均权重是指所述初始句向量中所有词向量对应权重的均值，所述预设条件可以为所述平均权重大于预设权重，例如，所述初始句向量的平均权重为0.75，预设权重为0.7，则将该初始句向量作为所述目标句向量。可选的，所述预设权重设置为0.6，也可以根据实际业务场景设置。

S3、识别所述目标句向量之间的关联关系，并根据所述关联关系，构建所述目标句向量的关系网络结构。

应该了解，在所述目标句向量中会存在相似的句向量，即两个句向量的表达含义为相似含义，比如句向量A为：我要咨询企业贷款的条件，句向量B为：请帮我查询下我的条件是否满足企业贷款要求，则句向量A和句向量B的含义均可以为咨询企业贷款条件，于是可以得到句向量A和句向量B为相似句向量。因此，本发明实施例通过识别所述目标句向量的关联关系，以更加直观的了解到所述目标句向量中存在相同含义的句向量。

详细地，所述识别所述目标句向量之间的关联关系，包括：提取所述目标句向量中的特征词向量，识别所述特征词向量之间的节点关系，得到对应目标句向量之间的关联关系。

一个可选实施例中，所述特征词向量用于表征目标句向量的含义，所述特征词向量的提取可以根据对应词语的权重进行筛选，比如筛选一句话中权重最高的前三个词向量。

一个可选实施例中，所述节点关系的识别可以通过社区关系识别算法(如Louvain算法)实现。

进一步地，本发明实施例根据所述关联关系，构建所述目标句向量的关系网络结构，即将具有关联的关系的目标句向量进行聚类，以直观的展示句向量之间的关系，及保障后续原始文本的问题挖掘前提。

进一步地，本发明实施例利用当前已知的翻译模型(Trans)实现所述目标句向量的关系网络结构。其中，所述利用翻译模型(Trans)包括：多元关系数据嵌入(简称TransE)、将知识嵌入到超平面(简称TransH)、实体和关系分开嵌入(TransR)、通过动态映射矩阵嵌入(TransD)以及自适应的度量函数(TransA)。需要声明的是，利用所述Trans实现实体-关系向量的建模属于当前较为成熟的技术，在此不做进一步地阐述。

S4、计算所述关系网络结构中每个目标句向量的平均距离值，根据所述平均距离值，生成所述原始文本的问题挖掘结果。

本发明实施例中，通过计算所述关系网络结构中每个目标句向量的平均距离值，以挖掘出所述原始文本中的标准问题，其中，在所述关系网络结构中每个句向量与所述关系网络结构中剩余的句向量都有一个距离值，因此本发明将该句向量与所述关系网络结构中剩余的句向量的距离值均值作为对应句向量的平均距离值，例如，所述关系网络结构存在A、B、C三个句向量，计算AB的距离值为A1，AC的距离值为A2，则A句向量的平均距离值为(A1+A2)/2。

进一步地，本发明根据所述平均距离值，生成所述原始文本的问题挖掘结果，即将所述平均距离值最小的目标句向量作为所述原始文本的问题挖掘结果，例如上述关系网络结构存在A、B、C三个句向量，A句向量的平均距离值最小，则将所述A句向量对应的文本语句作为所述原始文本的问题挖掘结果。

进一步地，为保障所述问题挖掘结果的隐私性和安全性，所述问题挖掘结果还可存储于一区块链节点中。

本发明实施例首先对原始文本中的数据进行预处理，可以筛选出原始文本中重要度程度比较高的词语，从而可以筛选出原始文本中重要度比较高的语句，使得文本语句的文本特征更具有表征意义；其次，本发明实施例通过识别句向量的关联关系，根据关联关系，构建对应的关系网络结构，以将具有相同含义的语句进行聚类，从而可以确定后续问题挖掘的挖掘数量，提高原始文本的语句挖掘准确性；进一步地，本发明实施例根据关系网络结构中句向量的平均距离值，生成所述文本的问题挖掘结果，以筛选所述关系网络结构中最小平均距离值最小的句向量，可以识别出原始文本中的标准语句，从而提高了原始文本的标准语句挖掘的准确性。因此，本发明提出的一种问题挖掘方法可以提高问题挖掘的准确性。

如图3所示，是本发明问题挖掘装置的功能模块图。

本发明所述问题挖掘装置100可以安装于电子设备中。根据实现的功能，所述问题挖掘装置可以包括计算模块101、转化模块102、筛选模块103、构建模块104以及生成模块105。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述计算模块101，用于将原始文本中的数据进行预处理，得到初始词语集，并计算所述初始词语集中每个词语在所述原始文本中的权重；

所述转化模块102，用于利用词向量转化模型将所述初始词语集中每个词语转化为词向量，根据所述词向量与所述权重，生成加权词向量；

所述筛选模块103，用于根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，得到目标句向量；

所述构建模块104，用于识别所述目标句向量之间的关联关系，并根据所述关联关系，构建所述目标句向量的关系网络结构；

所述生成模块105，用于计算所述关系网络结构中每个目标句向量的平均距离值，根据所述平均距离值，生成所述原始文本的问题挖掘结果。

详细地，本发明实施例中所述问题挖掘装置100中的所述各模块在使用时采用与上述的图1和图2中所述的问题挖掘方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图4所示，是本发明实现问题挖掘方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如问题挖掘程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如问题挖掘程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行问题挖掘等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的问题挖掘程序12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：

将原始文本中的数据进行预处理，得到初始词语集，并计算所述初始词语集中每个词语在所述原始文本中的权重；

利用词向量转化模型将所述初始词语集中每个词语转化为词向量，根据所述词向量与所述权重，生成加权词向量；

根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，得到目标句向量；

识别所述目标句向量之间的关联关系，并根据所述关联关系，构建所述目标句向量的关系网络结构；

计算所述关系网络结构中每个目标句向量的平均距离值，根据所述平均距离值，生成所述原始文本的问题挖掘结果。

具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

将原始文本中的数据进行预处理，得到初始词语集，并计算所述初始词语集中每个词语在所述原始文本中的权重；

利用词向量转化模型将所述初始词语集中每个词语转化为词向量，根据所述词向量与所述权重，生成加权词向量；

根据所述加权词向量，从所述原始文本中筛选出满足预设条件的句向量，得到目标句向量；

识别所述目标句向量之间的关联关系，并根据所述关联关系，构建所述目标句向量的关系网络结构；

计算所述关系网络结构中每个目标句向量的平均距离值，根据所述平均距离值，生成所述原始文本的问题挖掘结果。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。