CN105373568A - 问题答案自动学习方法和装置 - Google Patents
问题答案自动学习方法和装置 Download PDFInfo
- Publication number
- CN105373568A CN105373568A CN201410444007.2A CN201410444007A CN105373568A CN 105373568 A CN105373568 A CN 105373568A CN 201410444007 A CN201410444007 A CN 201410444007A CN 105373568 A CN105373568 A CN 105373568A
- Authority
- CN
- China
- Prior art keywords
- key word
- answer
- answers
- collection
- candidate answers
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种问题答案自动学习方法及装置,该方法包括:根据第一问题集及所述第一问题集的预设答案确定关键字与预设答案之间的对应关系集合,其中,第一问题对应于一个或多个关键字,在所述对应关系集合中,所述第一问题所对应的一个或多个关键字中的每一个关键字在所述第一问题对应的预设答案中占据一个权重得分,所述第一问题为所述第一问题集的任一个问题;根据第二问题集及所述对应集合关系得到所述第二问题集中每一个问题的至少一个候选答案,并根据第二问题的至少一个候选答案的权重得分与所述第二问题的预设答案校正所述第二问题的关键字在所述对应关系集合中所述第二问题的至少一个候选答案的权重得分,使得所述第二问题集中权重得分最高的候选答案为预设答案的概率大于预定阈值,其中,所述第二问题为所述第二问题集的任一个问题。
Description
技术领域
本发明涉及人工智能领域,更具体的,涉及一种问题答案自动学习方法和装置。
背景技术
在售后服务中,往往会出现各种各样的问题。为解决此类问题,通常是建立一个问题库,然后根据用户的问题从问题库中找到匹配的答案。
但是,在建立问题库的过程中,或者是没有和用户的互动,或者是缺少问题答案自动学习的机制,都存在一定的缺陷。
如何根据现有产品支持记录(日志)自动学习问题的预设答案,提高问题与预设答案匹配的准确率,是本发明所要解决的问题。
发明内容
本发明实施例提供一种问题答案自动学习方法和装置,能够自动学习问题问题的预设答案,从而提高问题与预设答案匹配的准确率。
第一方面,提供了一种问题答案自动学习装置,该装置包括:分析及打分单元,用于根据第一问题集及该第一问题集的预设答案确定关键字与预设答案之间的对应关系集合,其中,第一问题对应于一个或多个关键字,在该对应关系集合中,该第一问题所对应的一个或多个关键字中的每一个关键字在该第一问题对应的预设答案中占据一个权重得分,该第一问题为该第一问题集中的任一个问题;改进单元,用于根据第二问题集及该对应集合关系得到该第二问题集中每一个问题的至少一个候选答案,并根据第二问题的至少一个候选答案的权重得分与该第二问题的预设答案校正该第二问题的关键字在该对应关系集合中该第二问题的至少一个候选答案的权重得分,使得该第二问题集中权重得分最高的候选答案为预设答案的概率大于预定阈值,其中,该第二问题为该第二问题集的任一个问题。
根据第一方面,在第一种可能的实现方式中,该装置还包括:匹配单元,用于根据输入问题及该对应集合关系得到该输入问题中得分权重最高的一个或多个匹配答案。
根据第一方面,在第二种可能的实现方式中,该装置还包括:分类单元,用于根据关键字的权重得分对问题和/或答案进行分类。
根据第一方面,在第三种可能的实现方式中,该装置还包括:历史预存模块,用于存储该第一问题集及该第一问题集的预设答案,和/或用于存储该第二问题集及该第二问题集的预设答案。
根据第一方面,在第四种可能的实现方式中,该装置还包括:解析单元,用于对问题进行分词解析以获取该问题的关键字。
根据第一方面的第四种可能的实现方式,在第五种可能的实现方式中,在用于根据第二问题集及该对应集合关系得到该第二问题集中每一个问题的至少一个候选答案的过程中,该改进单元具体用于通过解析单元获取该第二问题集中第二问题的关键字,并根据该第二问题的关键字从该对应关系集合中提取该第二问题的至少一个候选答案,该第二问题的每一个候选答案对应的关键字中至少包括该第二问题的一个关键字。
第二方面,提出了一种问题答案自动学习方法,该方法包括:根据第一问题集及该第一问题集的预设答案确定关键字与预设答案之间的对应关系集合,其中,第一问题对应于一个或多个关键字,在该对应关系集合中,该第一问题所对应的一个或多个关键字中的每一个关键字在该第一问题对应的预设答案中占据一个权重得分;根据第二问题集及该对应集合关系得到该第二问题集中每一个问题的至少一个候选答案,并根据第二问题的至少一个候选答案的权重得分与该第二问题的预设答案校正该第二问题的关键字在该对应关系集合中该第二问题的至少一个候选答案的权重得分,使得该第二问题集中权重得分最高的候选答案为预设答案的概率大于预定阈值,其中,该第二问题为该第二问题集的任一个问题。
根据第二方面,在第一种可能的实现方式中,该方法还包括:根据输入问题及该对应集合关系得到该输入问题中得分权重最高的一个或多个匹配答案并输出。
根据第二方面,在第二种可能的实现方式中,该方法还包括:对问题进行分词解析以获取该问题的关键字。
根据第二方面的第二种可能的实现方式,在第三种可能的实现方式中,根据第二问题集及该对应集合关系得到该第二问题集中每一个问题的至少一个候选答案具体实现为:根据第二问题的关键字从该对应关系集合中提取该第二问题的至少一个候选答案,其中,该第二问题为该第二问题中的任一个问题,该第二问题的每一个候选答案对应的关键字中至少包括该第二问题的一个关键字。
本发明实施例的问题答案自动学习方法及装置,通过根据第一问题集生成关键字与预设答案的对应关系集合,并根据第二问题集校正关键字与预设答案的对应关系集合,能够自动学习问题的预设答案,从而提高问题与预设答案匹配的准确率。
附图说明
图1是本发明实施例问题答案自动学习方法流程图。
图2是本发明实施例关键字与问题(答案)的一个分类结构示意图。
图3是本发明实施例关键字-答案的数据字典的生成方法流程图。
图4是本发明实施例关键字-答案的数据字典示意图。
图5是本发明实施例关键字-答案的数据字典的校正方法流程图。
图6是本发明实施例问题答案自动学习方法流程图。
图7是本发明实施例问题答案自动学习装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在售后服务阶段,客服人员对用户提出问题的解答,往往会有一个产品支持记录(日志)。本发明实施例的问题答案自动学习装置,可以根据产品支持记录(日志)自动学习问题的预设答案,提高问题与预设答案匹配的正确率。
图1是本发明实施例问题答案自动学习方法流程图。图1的方法由问题答案自动学习装置执行。
101,根据第一问题集及该第一问题集的预设答案确定关键字与预设答案之间的对应关系集合。
其中,第一问题对应于一个或多个关键字,在该对应关系集合中,该第一问题所对应的一个或多个关键字中的每一个关键字在该第一问题对应的预设答案中占据一个权重得分。
应理解,本发明实施例中,问题的答案并不一定是解决问题的实际答案,还可以是问题产生的原因,问题的征兆,或者是问题的分类,等等。
102,根据第二问题集及该对应集合关系得到该第二问题集中每一个问题的至少一个候选答案;
103,根据第二问题的至少一个候选答案的权重得分与该第二问题的预设答案校正该第二问题的关键字在该对应关系集合中该第二问题的至少一个候选答案的权重得分,使得该第二问题集中权重得分最高的候选答案为预设答案的概率大于预定阈值,其中,该第二问题为该第二问题集的任一个问题。
本发明实施例中,通过根据第一问题集生成关键字与预设答案的对应关系集合,并根据第二问题集校正关键字与预设答案的对应关系集合,能够自动学习问题的预设答案,从而提高问题与预设答案匹配的准确率。
可选地,该方法还包括步骤104:根据输入问题及所述对应集合关系得到该输入问题的关键字的得分权重之和最高的一个或多个匹配答案并输出。
可选地,该方法还可包括:根据关键字的权重得分对问题和/或答案进行分类。其中,关键字的权重得分越高,表明关键字代表的分类属于越大的类。例如,问题Q1有A,B,C三个关键字,其权重得分分别为60、30、10,问题Q2有A、B、D三个关键字,其权重得分也分别为60、30、10,问题Q3有A、E、F三个关键字,其权重得分也分别为60、30、10,则问题Q1、Q2、Q3及其答案A1、A2、A3的一种分类结构可如图2所示。当然,应理解,同一关键字在不同的问题(或答案)中所占的权值可能不同。
可选地,步骤101之前,该方法还包括:对第一问题进行解析以获取第一问题的关键字。
可选地,步骤102之前,该方法还包括:对第二问题进行解析以获取第二问题的关键字。
进一步地,步骤102具体实现为:根据第二问题的关键字从该对应关系集合中提取该第二问题的至少一个候选答案,其中,该第二问题为该第二问题中的任一个问题,该第二问题的每一个候选答案对应的关键字中至少包括该第二问题的一个关键字。
可选地,该对应关系集合为关键字与预设答案之间的数据字典。具体地,该数据字典可用矩阵表示。
下面,将结合具体的例子,对本发明实施例的方法做进一步的描述。
图3是本发明实施例关键字-答案的数据字典的生成方法流程图。图3的方法由问题答案自动学习装置执行。
301,导入初始问题集及其预设答案。
在具体的应用场景中,可将产品支持记录(日志)直接导入,或者将产品支持记录(日志)处理后导入。应理解,本发明实施例中,在初步生成数据字典时导入的初始问题集及其预设答案,通常只是全部产品支持记录(日志)的一部分。
导入后,生成问题与预设答案的一个对应关系集合。该问题与预设答案的对应关系集合可用多种形式进行存储,例如数据文件、数据库等。优选地,可用数据库存储该问题与预设答案的对应关系集合。
应理解,在实际的应用中,问题及其预设答案可能已经在问题答案自动学习装置的存储设备中,此时,无需进行导入操作,直接从存储设备提取即可。
302,拆分和学习。
在初始问题集中,每个问题都会有一个预设答案。同时,产品支持记录(日志),多个不同的问题可能会存在相同的预设答案,也就是说,初始问题集中的问题及其预设答案是多对一的关系。例如,问题1“产品的认证期限是什么时候”和问题2“产品的认证截止日期是多少”可对应于一个预设答案。
在拆分和学习阶段,首先可将初始问题集进行分组,预设答案相同的问题归入一个组中。对于同一组的问题,进行关键字分析,获取每一个问题的关键字,再根据关键字出现的频率设置关键字在预设答案中的权重得分。
例如,假设问题Q1、Q2、Q3、Q4的预设答案都是A1。
首先,可将Q1、Q2、Q3、Q4分为一组。
其次,分别对Q1、Q2、Q3、Q4进行解析获取关键字。不妨假设Q1的关键字为A、B、C,Q2的关键字为A、B、D,Q3的关键字为A、C、D,Q4的关键字为A、B、E。
最后,根据关键字出现的频率设置关键字在预设答案中的权重得分。一般来说,出现次数越多的关键字,享有更高的权重分值。Q1、Q2、Q3、Q4的关键字中,A出现4次,B出现3次,C、D出现2次,E出现1次。因此,在设置关键字在预设答案中的权重得分时,A的权重得分应设为最高,B其次,C、D再次之,E最小。另外,还可设定出现频率小于预定阈值时,权重得分为0。例如,假设该预定阈值为2%,且对应预设答案A2的100个问题中,有99个问题提到了关键字K1,只有1个问题提到了关键字K2,则K2在预设答案A2中的权重得分为0。
303,生成数据字典。
根据对初始问题集拆分和学习的结果,可生成答案-关键字的对应关系集合,该答案-关键字的对应关系集合中还包括关键字在预设答案中的权重得分。具体地,该答案-关键字的对应关系集合可用一个数据字典表示,如图4所示。另外,该数据字典可以用矩阵的形式表示,当然,也不排除用其它方式表示该数据字典的可能。
数据字典生成后,还可根据数据字典中关键字与预设答案的关系,通过关键字进行分类。具体地,可按照关键字的权重得分从大到小,权重得分大的分为大一点的类,权重得分小的分为小一点的类型。例如,预设答案A1的关键字A、B、C相对于A1的权重得分为60、30、10,则可认为预设答案A1为A类下B分类C小类的问题的答案,等等。另外,应理解,预设答案可以视为最小级别的分类。
图5是本发明实施例关键字-答案的数据字典的校正方法流程图。图5的方法由问题答案自动学习装置执行。当导入初始数据初步生成关键字与预设答案的数据字典后,还需要对数据字典的关键字权重得分进行校正,提高问题答案自动学习装置的问题与预设答案匹配准确率。
501,导入校验问题集及其预设答案A。
首先,导入校验问题集及其预设答案A。此处,预设答案A用于校验问题答案自动学习装置根据数据字典得出的校验问题集的候选答案是否准确。
应理解,在实际的应用中,校验问题集及其预设答案A可能已经存储在问题答案自动学习装置的存储设备中。此时,只需要从问题答案自动学习装置的存储装置提取校验问题集及其预设答案A。
应理解,在实际的应用中,可能会导入一个较大的问题集及其答案,然后从中提取部分问题及预设答案参与校验。此时,参与校验的问题的总和构成本发明实施例的校验问题集,未参与校验的问题不属于校验问题集的内容。
502,根据数据字典分析计算得到校验问题集的匹配答案A+。
在根据数据字典分析计算得到校验问题集的匹配答案A+时,需要逐个获取校验问题集中每一个问题的匹配答案。
不妨假设第二问题是校验问题集中的任一个问题。
首先,需要对第二问题进行关键字分析,获取第二问题的关键字。该第二问题的关键字可以是1个,也可以是多个。
其次,根据第二问题的关键字,从数据字典中找到若干个候选答案及其权重得分。其中,每一个候选答案对应的关键字中至少包含第二问题的一个关键字。第二问题的候选答案的权重得分,等于其所包含的第二问题的关键字的权重得分之和。
最后,通过比较第二问题的候选答案的权重得分,选择权重得分最高的候选答案作为匹配答案。
不妨假设数据字典中包括答案A1、A2、A3和A4共4个预设答案及其关键字的对应关系。其中,答案A1有A,B,C三个关键字,其权重得分分别为60、30、10,答案A2有A、B、D三个关键字,其权重得分也分别为60、30、10,答案A3有A、E、F三个关键字,答案A4有D、E、F三个关键字,其权重得分也分别为60、30、10。假设为校验问题J1的关键字分析的结果为A、B、C,则J1的候选答案为A1、A2和A3,候选答案Q1、Q2和Q3的权重得分分别为100、90和60。此时问题J1的匹配答案为A1。
503,判断A+的正确率是否大于预定阈值。
其中,A+的正确率=A+中匹配答案等于A中预设答案的个数/校验问题集中问题的个数。
如果A+的正确率大于或等于预定阈值,可认为数据字典优化完毕,即执行步骤505。
如果A+的正确率小于预定阈值,则可认为数据字典尚未优化完毕,执行步骤504。
例如,可设定该预定阈值为99%,则正确率大于或等于99%时,可认为数据字典优化完毕,反之,则认为数据字典尚未优化完毕。
504,根据A和A+对数据字典的关键字权重得分进行调整校正。
在对数据字典的关键字权重得分进行调整校正时,需要逐个比较校验问题集的预设答案A和匹配答案A+。
不妨假设第二问题为校验问题集中的任一个问题。
如果第二问题的预设答案等于匹配答案,则不对第二问题的关键字进行调整。
如果第二问题的预设答案不等于匹配答案,则提取第二问题的所有候选答案,并对第二问题的所有候选答案中的关键字的权重得分进行调整,使得第二问题的预设答案计算后的权重得分最高。
校验问题集的每一个问题全部比较完毕后,执行步骤502。
505,数据字典校正完毕
本发明实施例中,通过比较根据数据字典自动匹配的答案与原始答案,进而对数据字典中关键字的权重得分进行校正,从而完成问题的自动学习。
图6是本发明实施例问题自动匹配的方法流程图。图6的方法由问题答案自动学习装置执行。当数据字典优化完毕后,整个产品即可投入实际的使用。
601,输入实际问题。
602,根据数据字典分析计算得到实际问题的匹配答案。
与步骤602类似,先对实际问题进行关键字分析获取实际问题的关键字Keys,再从数据字典中提取包含实际问题任一个关键字的所有答案A,比较Key在A中的权重得分之和的大小,从而在A中选出权重得分最大的一个作为实际问题的匹配答案。
当然,应理解,可能权重得分最大的答案可能同时存在多个,此时,可选择一个输出,或全部输出。
另外,也可在A中选择权重得分最大的几个答案一起输出。
不妨假设数据字典中包括答案A1、A2、A3和A4共4个预设答案及其关键字的对应关系。其中,答案A1有A,B,C三个关键字,其权重得分分别为60、30、10,答案A2有A、B、D三个关键字,其权重得分也分别为60、30、10,答案A3有A、E、F三个关键字,答案A4有D、E、F三个关键字,其权重得分也分别为60、30、10。假设为校验问题J1的关键字分析的结果为A、B、C,则J1的候选答案为A1、A2和A3,候选答案Q1、Q2和Q3的权重得分分别为100、90和60。
如果选择将权重得分最高的一个答案作为匹配答案,此时,问题J1的匹配答案为A1。
当然,也可将权重得分最高的前两个答案作为匹配答案。此时,问题J1的匹配答案为A1和A2。
603,输出实际问题的匹配答案。
当然,应理解,在具体的应用中,生成数据字典的问题答案自动学习装置并不一定是最终面向用户进行售后服务支持的装置。可将数据字典生成后,导出到最终面向用户进行售后服务支持的装置中进行使用。
图7是本发明实施例问题答案自动学习装置700的结构示意图。问题答案自动学习装置700可包括:分析及打分单元701和改进单元702。其中,
分析及打分单元701,用于根据第一问题集及该第一问题集的预设答案确定关键字与预设答案之间的对应关系集合,其中,第一问题对应于一个或多个关键字,在该对应关系集合中,该第一问题所对应的一个或多个关键字中的每一个关键字在该第一问题对应的预设答案中占据一个权重得分,该第一问题为该第一问题集中的任一个问题;
改进单元702,用于根据第二问题集及该对应集合关系得到该第二问题集中每一个问题的至少一个候选答案,并根据第二问题的至少一个候选答案的权重得分与该第二问题的预设答案校正该第二问题的关键字在该对应关系集合中该第二问题的至少一个候选答案的权重得分,使得该第二问题集中权重得分最高的候选答案为预设答案的概率大于预定阈值,其中,该第二问题为该第二问题集的任一个问题。
本发明实施例中,问题答案自动学习装置700通过根据第一问题集生成关键字与答案的对应关系集合,并根据第二问题集校正关键字与答案的对应关系集合,能够自动学习问题,从而提高问题匹配的准确率。
可选地,问题答案自动学习装置700还可包括:匹配单元,用于根据输入问题及该对应集合关系得到该输入问题中得分权重最高的答案。
可选地,问题答案自动学习装置700还可包括:分类单元,用于根据关键字的权重得分对问题和/或答案进行分类。
可选地,问题答案自动学习装置700还可包括:历史预存模块,用于存储该第一问题集及该第一问题集的预设答案,和/或用于存储该第二问题集及该第二问题集的预设答案。
可选地,问题答案自动学习装置700还可包括:解析单元,用于对问题进行分词解析以获取该问题的关键字。
具体地,在用于根据第二问题集及该对应集合关系得到该第二问题集中每一个问题的至少一个候选答案的过程中,改进单元702具体用于:通过解析单元获取该第二问题集中第二问题的关键字,并根据该第二问题的关键字从该对应关系集合中提取该第二问题的至少一个候选答案,该第二问题的每一个候选答案对应的关键字中至少包括该第二问题的一个关键字。
问题答案自动学习装置700还可执行图1的方法,并实现问题答案自动学习装置在图1、图3、图5或图6中任一实施例所示的功能,本发明实施例在此不再赘述。
在本发明中,当描述到特定部件位于第一部件和第二部件之间时,在该特定部件与第一部件或第二部件之间可以存在居间部件,也可以不存在居间部件;当描述到特定部件连接其它部件时,该特定部件可以与所述其它部件直接连接而不具有居间部件、也可以不与所述其它部件直接连接而具有居间部件。
Claims (10)
1.一种问题答案自动学习装置,其特征在于,包括:
分析及打分单元,用于根据第一问题集及所述第一问题集的预设答案确定关键字与预设答案之间的对应关系集合,其中,第一问题对应于一个或多个关键字,在所述对应关系集合中,所述第一问题所对应的一个或多个关键字中的每一个关键字在所述第一问题对应的预设答案中占据一个权重得分,所述第一问题为所述第一问题集中的任一个问题;
改进单元,用于根据第二问题集及所述对应集合关系得到所述第二问题集中每一个问题的至少一个候选答案,并根据第二问题的至少一个候选答案的权重得分与所述第二问题的预设答案校正所述第二问题的关键字在所述对应关系集合中所述第二问题的至少一个候选答案的权重得分,使得所述第二问题集中权重得分最高的候选答案为预设答案的概率大于预定阈值,其中,所述第二问题为所述第二问题集的任一个问题。
2.如权利要求1所述的问题答案自动学习装置,其特征在于,还包括:
匹配单元,用于根据输入问题及所述对应集合关系得到所述输入问题的关键字的得分权重之和最高的一个或多个匹配答案。
3.如权利要求1或2所述的问题答案自动学习装置,其特征在于,还包括:
分类单元,用于根据关键字的权重得分对问题和/或答案进行分类。
4.如权利要求1至3任一项所述的问题答案自动学习装置,其特征在于,还包括:
历史预存模块,用于存储所述第一问题集及所述第一问题集的预设答案,和/或用于存储所述第二问题集及所述第二问题集的预设答案。
5.如权利要求1至4任一项所述的问题答案自动学习装置,其特征在于,还包括:解析单元,用于对所述第一问题进行分词解析以获取所述第一问题的关键字,或用于对所述第二问题进行分词解析以获取所述第二问题的关键字,对所述输入问题进行分词解析以获取所述输入问题的关键字。
6.如权利要求5所述的问题答案自动学习装置,其特征在于,在用于根据第二问题集及所述对应集合关系得到所述第二问题集中每一个问题的至少一个候选答案的过程中,所述改进单元具体用于通过所述解析单元获取所述第二问题集中第二问题的关键字,并根据所述第二问题的关键字从所述对应关系集合中提取所述第二问题的至少一个候选答案,所述第二问题的每一个候选答案对应的关键字中至少包括所述第二问题的一个关键字。
7.一种问题答案自动学习方法,其特征在于,包括:
根据第一问题集及所述第一问题集的预设答案确定关键字与预设答案之间的对应关系集合,其中,第一问题对应于一个或多个关键字,在所述对应关系集合中,所述第一问题所对应的一个或多个关键字中的每一个关键字在所述第一问题对应的预设答案中占据一个权重得分,所述第一问题为所述第一问题集中的任一个问题;
根据第二问题集及所述对应集合关系得到所述第二问题集中每一个问题的至少一个候选答案;
根据第二问题的至少一个候选答案的权重得分与所述第二问题的预设答案校正所述第二问题的关键字在所述对应关系集合中所述第二问题的至少一个候选答案的权重得分,使得所述第二问题集中权重得分最高的候选答案为预设答案的概率大于预定阈值,其中,所述第二问题为所述第二问题集的任一个问题。
8.如权利要求7所述的方法,其特征在于,还包括:
根据输入问题及所述对应集合关系得到所述输入问题的关键字的得分权重之和最高的一个或多个匹配答案并输出。
9.如权利要求7或8所述的方法,其特征在于,还包括:
对所述第一问题进行分词解析以获取所述第一问题的关键字,对所述第二问题进行分词解析以获取所述第二问题的关键字。
10.如权利要求9所述的方法,其特征在于,所述根据第二问题集及所述对应集合关系得到所述第二问题集中每一个问题的至少一个候选答案包括:根据第二问题的关键字从所述对应关系集合中提取所述第二问题的至少一个候选答案,其中,所述第二问题为所述第二问题中的任一个问题,所述第二问题的每一个候选答案对应的关键字中至少包括所述第二问题的一个关键字。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410444007.2A CN105373568B (zh) | 2014-09-02 | 2014-09-02 | 问题答案自动学习方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410444007.2A CN105373568B (zh) | 2014-09-02 | 2014-09-02 | 问题答案自动学习方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105373568A true CN105373568A (zh) | 2016-03-02 |
CN105373568B CN105373568B (zh) | 2019-01-15 |
Family
ID=55375776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410444007.2A Active CN105373568B (zh) | 2014-09-02 | 2014-09-02 | 问题答案自动学习方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105373568B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967293A (zh) * | 2016-10-20 | 2018-04-27 | 卡西欧计算机株式会社 | 学习辅助装置、学习辅助方法以及记录介质 |
CN109102809A (zh) * | 2018-06-22 | 2018-12-28 | 北京光年无限科技有限公司 | 一种用于智能机器人的对话方法及系统 |
CN109272129A (zh) * | 2018-09-20 | 2019-01-25 | 重庆先特服务外包产业有限公司 | 呼叫中心业务管理系统 |
CN112559769A (zh) * | 2020-12-15 | 2021-03-26 | 上海钛米机器人股份有限公司 | 问答数据库的生成方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049433A (zh) * | 2012-12-11 | 2013-04-17 | 微梦创科网络科技(中国)有限公司 | 自动问答方法、自动问答系统及构建问答实例库的方法 |
CN103064903A (zh) * | 2012-12-18 | 2013-04-24 | 厦门市美亚柏科信息股份有限公司 | 图片检索方法和装置 |
CN103914480A (zh) * | 2013-01-07 | 2014-07-09 | 重庆新媒农信科技有限公司 | 一种用于自动应答系统的数据查询方法、控制器及系统 |
-
2014
- 2014-09-02 CN CN201410444007.2A patent/CN105373568B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049433A (zh) * | 2012-12-11 | 2013-04-17 | 微梦创科网络科技(中国)有限公司 | 自动问答方法、自动问答系统及构建问答实例库的方法 |
CN103064903A (zh) * | 2012-12-18 | 2013-04-24 | 厦门市美亚柏科信息股份有限公司 | 图片检索方法和装置 |
CN103914480A (zh) * | 2013-01-07 | 2014-07-09 | 重庆新媒农信科技有限公司 | 一种用于自动应答系统的数据查询方法、控制器及系统 |
Non-Patent Citations (2)
Title |
---|
ESTHER RANI PETRISIA ELIZABETH 等: "Improving QA processing by semantic reformulation", 《2013 INTERNATIONAL CONFERENCE ON COMPUTER COMMUNICATION AND INFORMATICS》 * |
郑实福 等: "自动问答综述", 《中文信息学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967293A (zh) * | 2016-10-20 | 2018-04-27 | 卡西欧计算机株式会社 | 学习辅助装置、学习辅助方法以及记录介质 |
CN107967293B (zh) * | 2016-10-20 | 2021-09-28 | 卡西欧计算机株式会社 | 学习辅助装置、学习辅助方法以及记录介质 |
CN109102809A (zh) * | 2018-06-22 | 2018-12-28 | 北京光年无限科技有限公司 | 一种用于智能机器人的对话方法及系统 |
CN109272129A (zh) * | 2018-09-20 | 2019-01-25 | 重庆先特服务外包产业有限公司 | 呼叫中心业务管理系统 |
CN112559769A (zh) * | 2020-12-15 | 2021-03-26 | 上海钛米机器人股份有限公司 | 问答数据库的生成方法和装置 |
CN112559769B (zh) * | 2020-12-15 | 2024-04-16 | 上海钛米机器人股份有限公司 | 问答数据库的生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105373568B (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11640515B2 (en) | Method and neural network system for human-computer interaction, and user equipment | |
CN108287858B (zh) | 自然语言的语义提取方法及装置 | |
CN106448675B (zh) | 识别文本修正方法及系统 | |
US9898464B2 (en) | Information extraction supporting apparatus and method | |
CN107239450B (zh) | 基于交互上下文处理自然语言方法 | |
CN110781668A (zh) | 文本信息的类型识别方法及装置 | |
CN103136302A (zh) | 试题重复输出的方法和装置 | |
CN103577558A (zh) | 一种优化问答对的搜索排名的装置和方法 | |
CN105373568A (zh) | 问题答案自动学习方法和装置 | |
CN107491536B (zh) | 一种试题校验方法、试题校验装置及电子设备 | |
Dang et al. | MOOC-KG: A MOOC knowledge graph for cross-platform online learning resources | |
CN111506595B (zh) | 一种数据查询方法、系统及相关设备 | |
Friedman et al. | Overview of the 2021 key point analysis shared task | |
CN113505190B (zh) | 地址信息修正方法、装置、计算机设备和存储介质 | |
CN106600489B (zh) | 一种标记失误试题的方法及装置 | |
US10650195B2 (en) | Translated-clause generating method, translated-clause generating apparatus, and recording medium | |
CN106649293A (zh) | 一种翻译方法及系统 | |
CN103164534A (zh) | 一种基于云教育平台的数据搜索方法及系统 | |
KR101794547B1 (ko) | 단어장 자동 생성 및 학습훈련 시스템 및 방법 | |
JP6942759B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
CN115659004A (zh) | 一种基于互联网的在线学习系统 | |
CN109635009B (zh) | 模糊匹配查询系统 | |
CN106202234B (zh) | 基于样本对分类器可纠正的交互式信息检索方法 | |
CN107577667A (zh) | 一种实体词处理方法和装置 | |
CN103914480A (zh) | 一种用于自动应答系统的数据查询方法、控制器及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |