随着信息技术的发展,大力推进大数据、人工智能等现代科技在检察工作中的应用,实现对检察工作的全程规范化、智能化管理已经成为一大趋势,人们也期待一个可以给大家带来便利的智能问答系统。本文针对检务公开这一特定领域设计了基于自动建库的多策略混合智能问答系统,以人机对话的形式回答用户提问的有关检察院办事流程、法律法规、案件法律咨询等问题,返回的答案一般唯一且比较准确,不需要用户再次进行筛选,大大节约了用户的时间,解决了传统搜索引擎给用户带来的搜索受挫问题,从而提供更优质的检务公开信息服务。本文具体研究内容如下:(1)问句生成算法研究与改进。首先对目前主流的神经网络问句生成模型进行研究,并在中文数据集以及中文法律数据集上对算法进行模型训练和实验验证,之后再对段落级神经网络问句生成模型进行改进,增加了一个单独的答案编码器。最终,改进后的模型解决了生成问句疑问词与答案类型不匹配以及问句内容与答案内容不相符的问题。(2)采用自动建库的方式构建检务公开问答系统知识库,提出利用问句生成算法构建领域FAQ库。问答系统知识库包括问答库和检务公开领域语料库。其中,问答库包含两个部分:检务领域问答库和闲聊对话库。首先通过从相关网站爬取数据的方式获取了大量检务领域问答对数据和相关法律法规语料,然后利用问句生成算法根据法律法规文本自动生成一部分检务公开问答对,共收集问答对10万对,相关语料371篇。闲聊对话库主要通过公开语料库收集,从中筛选出符合场景的问答对数据。另外,针对特殊情况自定义了一些问答对,共收集闲聊对话数据5万条。最后,对所有数据进行类别的定义与标注,并且按照类别进行存储。(3)问答系统关键技术问句分类与问句匹配研究。首先选取在各个自然语言处理任务都表现优异的BERT算法作为问句分类算法,并在已标注的数据集上进行模型训练与实验验证,模型在将问句划分为检务领域问句和闲聊问句上准确率在99%以上,对检务领域问句进行多分类准确率达到93.67%。然后主要对基于杰卡德(Jaccard)系数并结合《同义词词林》的相似度计算算法和BERT相似度计算算法进行研究,并在大规模中文问题匹配语料库(LCQMC)和中文银行问题语料库(BQ corpus)对算法进行问句相似度计算实验。表现最佳的BERT模型在LCQMC数据集和BQ corpus数据集上的召回率、准确率、F度量值等问句相似度自动评价指标都比较高。将BERT模型应用于问答系统的问句分类和问句匹配中,问答系统的准确率得到了明显的提升。本文设计了基于常问问题集(Frequently Asked Questions,FAQ)库的多策略检务公开问答系统。问答系统基于本文创建的FAQ库,利用了BERT问句分类和问句匹配等算法可保证系统的响应速度以及准确率。当用户进行提问时,用问句分类算法对问句分类,如果是常问领域内问题,则采用面向检务FAQ库的问答策略,并进一步对问句进行分类,根据检务领域问句类别匹配FAQ库中对应类别的问句,以缩小检索范围;如果是闲聊问题,则采用基于闲聊库的问答策略,直接匹配闲聊对话库中的问句,以减少系统无回复的情况。采用自动建库的方式构建领域问答系统知识库,为其他领域构建问答知识库提供了技术参考。