1.一种面向问答领域动态计算问句与答案相似性的方法，其特征在于，所述问句包括答案问句部和问句答案部分，所述计算问句与答案相似性的方法包括：计算答案问句部分答案各方面向量与加权问句向量的相似性得分，其中所述答案各方面向量包括答案实体向量、答案类型向量和答案内容向量；

计算问句向量与答案向量的最终相似性得分，详细流程为：步骤1、计算答案问句部分答案各方面向量与加权问句向量的相似性得分，其中，将答案分为了三个部分分别为：答案实体，答案类型和答案内容；

步骤1.1、对于问句的处理首先采用Jieba分词对中文问句进行分词处理，将分词后经word2vec训练后的向量，作为Bi‑LSTM处理的输入，从而获得获取问句的向量表示：其中,hj表示经Bi‑LSTM处理后的问句向量表示，它包含两个方向的向量 和步骤1.2，计算问句向量的权重αij,即答案各个方面对问句不同词向量的关注程度，计算公式为：

T

其中，wij＝f(W[hj；ei]+b)，αij实质为一个softmax函数，其中参数wij的计算函数f为非T T

线性激活函数，在此非线性激活函数中W 为答案问句部分的中间矩阵，b为差值，且W 和b在训练过程中随机更新；另外，ei∈(ee,et,ec)表示答案的各个方面包括，ee答案实体，et答案类型和ec答案内容；

步骤1.3、给问句向量赋予权重，加权后问句向量的表示为qi，计算公式为：步骤1.4、计算问句向量与答案各方面相似性得分,计算公式为：S(q,ei)＝f(qi,ei)其中,得分函数f(·)为问句向量与答案向量的内积；

步骤2、结合问句答案部分不同问句对答案各方面的关注程度,计算问句向量与答案向量的最终相似性得分；

步骤2.1计算不同问句的平均向量表示将在第一个部分中经Bi‑LSTM输出的向量，接入一个平均池化层，从而获得最终的向量表示，计算公式为：

式中，n表示分词后，问句中所包含的词向量的个数；

步骤2.2计算答案向量的权值 即不同向量对答案各个方面的关注程度，计算公式为：

其中， 且 为步骤2.1中计算得到的不同问句的平均向量表示，同T

理，式中 为softmax函数，计算 的函数为非线性激活函数，W 和b分别为中间矩阵和差值，它们的值在训练过程中随机更新；

步骤2.3计算问句向量与答案向量的最终相似性得分,计算公式为：式中，将答案向量的权值 赋给步骤1中计算出来的问句向量与答案各方面向量的相似性得分S(q,ei)，问句向量与答案向量的动态结合，使问句与答案紧密相关。