CN108664599A - 智能问答方法、装置、智能问答服务器及存储介质 - Google Patents
智能问答方法、装置、智能问答服务器及存储介质 Download PDFInfo
- Publication number
- CN108664599A CN108664599A CN201810437832.8A CN201810437832A CN108664599A CN 108664599 A CN108664599 A CN 108664599A CN 201810437832 A CN201810437832 A CN 201810437832A CN 108664599 A CN108664599 A CN 108664599A
- Authority
- CN
- China
- Prior art keywords
- character string
- title
- template
- question information
- information
- 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
Abstract
本发明公开了一种智能问答方法、装置、智能问答服务器及存储介质,属于人工智能技术领域。该方法包括:将提问信息中的各个字符串与每个提问模板中的字符串进行匹配;当提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,获取匹配的提问模板;以目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息。本发明通过将提问信息中的各个字符串与每个提问模板中的字符串进行匹配,并基于字符串之间的匹配度,获取匹配的提问模板,进而基于目标实体名称和匹配的提问模板获取回复信息。采用字符串的匹配的问答方式,要求字符串的匹配度满足条件,泛化能力较强,克服了提问信息匹配的局限性。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种智能问答方法、装置、智能问答服务器及存储介质。
背景技术
随着人工智能技术和自然语言处理技术的发展,智能问答系统具有广泛的发展前景。智能问答系统作为信息检索系统的高级表现形式,能够采用准确、简洁地自然语言回答用户所提问的问题。
目前,相关技术中智能问答系统进行智能问答时,主要采用如下方法:获取提问信息;将提问信息与数据库中存储的各个提问信息进行匹配;当该提问信息与任一存储的提问信息相匹配,基于该匹配的提问信息,从数据库中获取对应的回复信息,其中,数据库中存储有提问信息和回复信息之间的对应关系。
然而,相关技术仅在提问信息与存储的提问信息相匹配时,才能获取到回复信息,该种问答方式泛化能力较弱,具有一定的局限性。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种智能问答方法、装置、智能问答服务器及存储介质。所述技术方案如下:
一方面,提供了一种智能问答方法,所述方法包括:
对提问信息进行检测,得到所述提问信息中的目标实体名称,所述目标实体名称用于确定本次提问的提问对象;
将所述提问信息中的各个字符串与每个提问模板中的字符串进行匹配,所述各个字符串为所述提问信息中除所述目标实体名称以外的字符串;
当所述提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,获取匹配的提问模板;
以所述目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息,所述数据库中存储有实体名称、属性名称及回复信息之间的对应关系。
另一方面,提供了一种智能问答装置,所述装置包括:
检测模块,用于对提问信息进行检测,得到所述提问信息中的目标实体名称,所述目标实体名称用于确定本次提问的提问对象;
匹配模块,用于将所述提问信息中的各个字符串与每个提问模板中的字符串进行匹配,所述各个字符串为所述提问信息中除所述目标实体名称以外的字符串;
获取模块,用于当所述提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,获取匹配的提问模板;
所述获取模块,用于以所述目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息,所述数据库中存储有实体名称、属性名称及回复信息之间的对应关系。
另一方面,提供了一种智能问答服务器,所述智能问答服务器包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现智能问答方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现智能问答方法。
本发明实施例提供的技术方案带来的有益效果是:
通过将提问信息中的各个字符串与每个提问模板中的字符串进行匹配,并基于字符串之间的匹配度,获取匹配的提问模板,进而基于目标实体名称和匹配的提问模板获取回复信息。采用字符串的匹配的问答方式,要求字符串的匹配度满足条件,泛化能力较强,克服了提问信息匹配的局限性
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的智能问答方法所涉及的实施环境;
图2是本发明实施例提供的一种智能问答方法的流程图;
图3是本发明实施例提供的一种网页条目的检索结果示意图;
图4是本发明实施例提供的一种属性名称归一化的示意图;
图5是本发明实施例提供的一种提问模板的获取过程的示意图;
图6是本发明实施例提供的一种智能问答过程的示意图;
图7是本发明实施例提供的一种智能问答装置结构示意图;
图8是根据一示例性实施例示出的一种用于智能问题的服务器。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
在执行本发明之前,首先对本发明实施例涉及的概念进行解释。
实体:在数据处理的角度上,是指现实世界中的客观事物,包括现实世界中任何可区分、可识别的事物。例如,实体可以指人,如教师、学生等,也可以指物,如书、仓库等。实体不仅可以指能触及的客观对象,还可以指抽象的事件,如演出、足球赛等。
数据库:是指若干实体、实体自身属性、以及实体间联系属性的组合。
属性名称归一:是指将同义属性名称进行合并,如地区、区域两个属性名称可以统一合并到地区属性名称下。
实体识别,又称为专名识别,是指识别文本中具有特定意义的实体,该具有特定意义的实体主要包括人名、地名、机构名、专有名词等。
XGBoost:是指一种基于梯度提升算法框架的开源软件库。XGBoost与其他梯度提升算法相比,如GBM(Gradient Boosting Machine,梯度推进机)、GBDT(Gradient BoostingDecision Tree,梯度提升树)等,具有轻量级、可扩展、分布式的特点。
图1为本发明实施例提供的智能问答方法所涉及的实施环境,参见图1,该实施环境包括:终端101和智能问答服务器102。
其中,终端101可以为智能手机、笔记本电脑、平板电脑等等,本发明实施例不对终端101的产品类型作具体的限定。终端101上可安装有用于进行智能问答的应用,基于该应用能够完成人与机器之间的对话。其中,该应用可以为专用于进行人机对话的应用,也可为具有智能问答功能的其他应用,比如具有智能问答功能的社交应用、浏览器应用、搜索引擎等,本发明实施例对此不进行具体限定。
智能问答服务器102为用于进行智能问答的应用的后台服务器,该智能问答服务器可以为聊天机器人等。该智能问答服务器102维护一个数据库,该数据库中存储着问答对,该问答对采用三元组S、P、O形式进行存储。其中,S表示实体名称;P表示属性名称;O表示回复信息。
基于终端101和智能问答服务器102的智能问答过程为:当获取到用户输入的提问信息时,终端101将该提问信息发送至智能问答服务器102,智能问答服务器102根据该问答信息,获取相应的回复信息,通过将回复信息发送至终端101,从而实现一次智能问答。
基于图1所示的实施环境,本发明实施例提供了一种智能问答方法,该智能问答方法分为两个阶段,第一个阶段为提问模板的获取阶段,第二个阶段为基于提问模板的应用阶段。参见图2,本发明实施例提供的方法流程如下:
提问模板的获取阶段,该阶段包括步骤201。
201、智能问答服务器预先获取至少一个提问模板。
随着互联网技术的发展,互联网上的信息数量越来越多。对于互联网上的海量信息,终端可基于所安装的搜索引擎和用户输入的提问信息,从中筛选出满足用户需求的回复信息。在对提问信息进行分析时发现,很多提问信息具有相似的文本结构,基于这些文本结构挖掘出的提问模板,在智能问答、信息检索、自然语言处理等方面发挥着重要的作用。因此,智能问答服务器在实现智能问答之前,有必要先获取至少一个提问模板。
关于智能问答服务器获取至少一个提问模板的步骤,包括但不限于步骤2011~步骤2014:
2011、智能问答服务器根据数据库中每个属性名称的使用频率,获取至少一个指定属性名称。
在本发明实施例中,智能问答服务器维护一个数据库,该数据库中存储有采用人工方式标注得到的问答对,该问答对的准确性较高,实际上为命名实体、属性名称及回复信息之间的对应关系,该对应关系以三元组{S,P,O}的形式进行存储。其中,S代表实体名称,用于确定本次提问的提问对象,例如,张学友、刘德华等等;P代表属性名称,用于确定本次提问的提问对象的提问范围,例如,歌曲大全、演唱会等等;O代表回复信息。当接收到查询请求时,智能问答服务器以实体名称和属性名称为索引,可从数据库中获取到对应的回复信息。
在本发明实施例中,数据库中存储着大量属性名称,每个属性名称具有不同的使用频率。考虑到不同使用频率的属性名称被访问的概率是不同的,对于使用频率相对较高的属性名称,被用户访问的概率较高,且在UGC(User-generated Content,用户原创内容)中匹配的概率也相对较高,对于使用频率相对较低的属性名称,被用户访问的概率较低,且在UGC中匹配的概率也相对较低,因此,可基于每个属性名称的使用频率,从数据库中获取指定属性名称。其中,指定属性名称可以为数据库中使用频率大于第三阈值的属性名称,该第三阈值可根据智能问答服务器的处理精度确定,该第三阈值可以为10000次、20000次、30000次等。在本发明实施例中指定属性名称也称为高频属性名称。
2012、智能问答服务器根据至少一个指定属性名称,获取至少一个网页条目。
其中,每个网页条目能够在接收到触发操作指令时跳转至相应的网页,每个网页条目包括提问部分和回复部分。基于所获取的至少一个指定属性名称,智能问答服务器获取至少一个网页条目时,包括但不限于如下两种方式:
第一种方式、智能问答服务器根据至少一个指定属性名称,获取至少一个训练样本提问信息,并基于至少一个训练样本提问信息,从互联网上获取至少一个网页条目。具体实施时,可采用如下步骤:
第一步,智能问答服务器从数据库中获取至少一个指定实体名称。
其中,指定实体名称可以为数据库中频数高于第四阈值的实体名称,该第四阈值可以为10000次、20000次、30000次等。在本发明实施例中指定实体名称也称为高频实体名称。
第二步,智能问答服务器根据至少一个指定实体名称和至少一个指定属性名称,获取至少一个第一训练样本提问信息。
智能问答服务器将每个指定实体名称分别与至少一个指定属性名称进行组合,得到至少一个第一训练样本提问信息,该第一训练样本提问信息的形式为“指定实体名称指定属性名称”。
例如,智能问答服务器获取到的高频实体名称为“张学友”、“刘德华”,高频属性名称为“演唱会”、“歌曲”,则智能问答服务器通过将每个高频实体名称和高频属性名称进行组合,可得到四个第一训练样本提问信息,分别为“张学友演唱会”、“张学友歌曲”、“刘德华演唱会”、“刘德华歌曲”等。
第三步,智能问答服务器根据至少一个第一训练样本提问信息,获取至少一个网页条目。
基于至少一个第一训练样本提问信息,智能问答服务器可从互联网上抓取至少一个网页条目,每个网页条目均包括组成第一训练样本提问信息中的指定属性名称和指定实体名称。
第二种方式、智能问答服务器对至少一个指定属性名称进行聚类及归一化操作,得到每类指定属性名称的树形结构,基于每类指定属性名称的树形结构,获取至少一个第一训练样本提问信息,并基于至少一个第一训练样本提问信息,获取至少一个网页条目。具体实施时,可采用如下步骤:
第一步,智能问答服务器对至少一个指定属性名称进行聚类,得到至少一类指定属性名称。
由于数据库中的属性名称来源于网页,而网页是采用人工方式进行编辑的,因此,不同用户在对同一内容进行编辑时,表述方式可能是不同的,导致对于同一属性名称可能有多种不同的表述方式。例如,对于属性名称面积,可以有占地面积、公园面积、室内面积等不同表述方式,对于属性名称地址,可以有通信地址、总部地址、联系地址等不同表述方式。虽然这些表述方式略有区别,但当第一信息查询语句中包括属性名称的一种表述方式时,实际上该属性名称的其他表述方式均可用来查询相应的查询结果。例如,对于第一信息查询语句“**大厦有多大”,通过采用占地面积、公园面积、室内面积等不同表述方式进行查询,能够丰富最终的查询结果。
鉴于属性名称的不同表述,智能问答服务器可采用聚类算法对至少一个指定属性名称进行聚类,得到至少一类指定属性名称,其中,聚类算法可以为K-means聚类算法、基于密度的聚类算法等;智能问答服务器还可计算任意两个指定属性名称的句子向量之间的相似度,如果相似度满足一定条件,则将这两个指定属性名称聚为一类。
第二步,智能问答服务器对属于每类指定属性名称的各个指定属性名称进行归一化,得到每类指定属性名称的树形结构。
基于所得到的至少一类指定属性名称,智能问答服务器通过对各个指定属性名称进行归一化,可得到每类指定属性名称的树形结构。智能问答服务器对属于每类指定属性名称的各个高频属性名称进行归一化时,可从语义层面和关键词层面进行归一化。对于至少两个指定属性名称,如果其中一个指定属性名称的语义能够涵盖其他指定属性名称的语义,则将该指定属性名称作为父节点,如果其他指定属性名称包括其中一个指定属性名称,则将该被包含的指定属性名称作为父节点,以此类推,最终可得到每类指定属性名称的树形结构。
例如,“大小”、“体积”、“面积”、“使用面积”、“建筑面积”、“绿化面积”等属性名称被聚为一类,通过对该类中的各个高频属性名称进行归一化,可得到图4所示的树形结构。参见图4,该树形结构中根节点为“大小”,其子节点为“体积”、“面积”,对于“面积”其子节点为“使用面积”、“建筑面积”、“绿化面积”等。
第三步,对于任一指定属性名称,智能问答服务器根据指定属性名称和至少一个指定实体名称,获取至少一个第一训练样本提问信息。
基于任一指定属性名称,智能问答服务器可获取包括该指定实体名称和至少一个指定实体名称的至少一个第一训练样本提问信息。例如,指定属性名称为歌曲大全,指定实体名称为刘德华、张学友,则可获取出两个训练样本提问信息,分别为“刘德华歌曲大全”、“张学友歌曲大全”。
第四步,对于任一第一训练样本提问信息,智能问答服务器根据指定属性名称所在的树形结构,将第一训练样本提问信息扩展为一组第一训练样本提问信息。
其中,每组第一训练样本提问信息包括树形结构中的各个指定属性名称和至少一个指定实体名称。如果以每个指定属性名称为树形结构的节点,当基于某一节点的指定属性名称进行查询时,可以根据本节点的指定属性名称和树形结构上其他节点的指定属性名称,构建一组第一训练样本提问信息,并基于该组第一训练样本提问信息进行查询。
需要说明的是,为使回复信息更接近用户所需要的信息,当采用本节点的指定属性名称和树形结构上其他节点的指定属性名称进行查询时,可根据树形结构,获取与本节点距离最近的其他节点对应的回复信息,并将所获取的回复信息作为该节点上的回复信息。其中,与本节点距离最近的其他节点包括本节点的父节点、本节点的子节点或与本节点具有相同父节点的子节点。
第五步,智能问答服务器根据每组第一训练样本提问信息,获取至少一个网页条目。
对于上述两种方式,由于智能问答服务器均采用“指定实体名称指定属性名称”的方式构造第一训练样本提问信息,并基于所构造的第一训练样本提问信息对网页进行抓取,使得抓取的网页条目中包括指定实体名称及指定属性名称,从而可方便对网页条目进行处理。
参见图3,当采用“张学友歌曲”作为第一训练样本提问信息,智能问答服务器可从互联网上,获取到图3所示的搜索结果,该搜索结果包括“张学友全部歌曲名称”、“张学友所有歌曲”等至少一个网页条目,每个网页条目均包括高频实体名称“张学友”、高频属性名称“歌曲”。
由图3可以看出,基于第一训练样本提问信息进行查询具有如下几点优势:
第一,根据第一训练样本提问信息中的属性名称,可以明确的判断出查询结果具有什么属性名称;
第二,根据第一训练样本提问信息中实体名称,可以有效地确定查询对象,提高查询效率;
第三,通过将第一训练样本提问信息中的实体名称替换为特殊符号,即可获得信息提问模版,例如:将“张学友全部歌曲名”中的命名实体“张学友”采用@替换,可得到提问模版“@全部歌曲名”。
2013、智能问答服务器获取每个网页条目对应的特征信息。
为了便于对获取的网页条目进行筛选,从而选择出准确、表述方式丰富的第一训练样本提问信息,智能问答服务器需要从每个网页条目中获取特征信息。其中,特征信息包括网页显示类特征信息、语义类特征信息、搜索类特征信息、回标类特征信息等。其中,网页类特征信息包括提问时间、回答个数、点赞个数等;语义类特征信息包括第一训练样本提问信息与网页条目中提问信息的句子相似度;搜索类特征包括将第一训练样本提问信息切分后的各个字符串在网页条目的提问信息中的权重;回标类特征信息包括数据库中对应的属性名称在网页条目中出现的位置、出现的个数、属性名称占回复信息长度的比例等,属性名称占回复信息长度的比例可以为属性名称包括的各个字符串在数据库中的权重值之和、与回复信息中各个字符串在数据库中的权重值之和的比值。
2014、智能问答服务器根据至少一个网页条目和对应的特征信息,获取至少一个提问模板。
智能问答服务器根据至少一个网页条目和对应的特征信息,获取至少一个信息查询模板时,可采用如下步骤20141~20145:
20141、智能问答服务器根据至少一个网页条目和对应的特征信息,训练分类模型。
其中,分类模型用于从网页条目中获取提问模板。
具体地,智能问答服务器根据至少一个网页条目和对应的特征信息,训练分类模型的步骤如下:
201411、智能问答服务器根据每个指定实体名称,从至少一个网页条目中,获取包括每个指定实体名称的第二训练样本提问信息。
智能问答服务器从每个网页条目的回复部分,识别出指定实体名称,进而提取出包括该指定实体名称的第二训练样本提问信息。
201412、智能问答服务器获取对第二训练样本提问信息的标注结果。
其中,标注结果为第二训练样本提问信息是否包括第一训练样本提问信息中的指定属性名称,该标注结果可由采用人工的方式由用户进行标注。当第二训练样本提问信息包括第一训练样本提问信息中的指定属性名称时,用户可将该第二训练样本提问信息的标注结果标为是;当第二训练样本提问信息不包括第一训练样本提问信息中的指定属性名称时,用户可将该第二训练样本提问信息的标注结果标为否。
201413、智能问答服务器将至少一个网页条目对应的标注结果和对应的特征信息输入到初始分类模型中,输出分类模型。
智能问答服务器以至少一个网页条目对应的标注结果为训练数据,以提取的特征信息为数据特征,对初始分类模型进行训练,可得到分类模型。其中,分类模型可以为XGBoost等。
20142、智能问答服务器根据分类模型,对至少一个网页条目进行检测。
智能问答服务器获取上述步骤2012得到的至少一个网页条目,并根据分类模型,对每个网页条目进行检测。智能问答服务器对至少一个网页条目进行检测时,可提取每个网页条目的特征信息,并将提取的特征信息输入到分类模型中,输出对每个网页条目的标注结果。
20143、智能问答服务器根据检测结果,从至少一个网页条目中,获取第二训练样本提问信息。
智能问答服务器获取用户对每个网页条目的标注结果,并将每个网页条目的标注结果与分类模型输出的标注结果进行比较,对于任一第二训练样本提问信息,智能问答服务器获取基于该第二训练样本提问信息查询到的至少一个网页条目,以用户的标注结果为参照标准,如果基于分类模型输出的标注结果与用户的标注结果相比,准确率高于第五阈值,则获取该第二训练样本提问信息。其中,第五阈值由智能问答服务器的处理精度确定,该第五阈值可以为95%、96%等等。
20144、智能问答服务器过滤掉第二训练样本提问信息中的指定实体名称、第一指定字符及第二指定字符,得到至少一个初始提问模板。
其中,第一指定字符、第二指定字符可以为第二训练样本提问信息中的前缀(例如,你好、请问等等)、后缀(例如,谢谢啦、多谢等等)。由于指定实体名称、第一指定字符及第二指定字符等会干扰到提问模板的构建,因此,智能问答服务器需要先去除第二训练样本提问信息中的指定实体名称、第一指定字符及第二指定字符。通过去除第二训练样本提问信息中的指定实体名称、第一指定字符及第二指定字符,可得到至少一个初始提问模板。
20145、智能问答服务器根据每个初始提问模板的使用频数,从至少一个初始提问模板中,获取至少一个提问模板。
在本发明实施例中,每个初始提问模板在数据库中都具有一个使用频数,智能问答服务器按照使用频数由高到低的顺序,对至少一个初始提问模板进行排序,并根据排序结果,从至少一个初始提问模板中,获取排位位于前C%的至少一个初始提问模板,并将所获取的至少一个初始提问模板,作为至少一个提问模板。其中,C%可以为85%、90%、95%等等。
对于提问模板的获取过程,下面将以图5为例进行说明。
1、智能问答服务器基于数据库中的全部属性名称的使用频率,获取至少一个高频属性名称;
2、智能问答服务器对至少一个高频属性名称进行归一化操作,得到每类高频属性名称的树形结构;
3、基于每类高频属性名称的树形结构,智能问答服务器根据高频属性名称和高频实体名称,获取至少一个第一训练样本提问信息,并根据至少一个第一训练样本提问信息,从互联网上获取问答相似问题(即网页条目);
4、智能问答服务器从获取的每个问答相似问题中,提取特征信息;
5、智能问答服务器至少根据提取的特征信息,训练XGBoost分类模型,并基于XGBoost分类模型对问答相似问题进行预测,得到至少一个预选问题;
6、智能问答服务器对至少一个预选问题中的实体名称进行替换,并过滤掉无意义词(包括前缀、后缀等),得到提问模板。
基于提问模板的应用阶段,包括步骤202~步骤206
202、智能问答服务器获取提问信息。
当用户需要获取某一问题的答案时,用户可在终端中输入相应的提问信息,终端通过检测用户的输入操作,获取用户输入的提问信息,并将该提问信息发送至智能问答服务器,智能问答服务器接收终端发送的提问信息。
203、智能问答服务器对提问信息进行检测。
在本发明的一个实施例中,智能问答服务器通过对提问信息进行切词处理,可将提问信息切分为至少一个字符串,进而通过对至少一个字符串进行检测,可从提问信息中检测出目标实体名称。其中,目标实体名称用于确定本次提问的提问对象。
204、智能问答服务器将提问信息中的各个字符串与每个提问模板中的字符串进行匹配。
一种实现方式,智能问答服务器将提问信息中除目标实体名称以外的各个字符串与每个提问模板中的字符串进行匹配。
例如,提问信息包括n个字符串,智能问答服务器检测出目标实体名称对应的字符串为第a个子符串到第b个字符串(其中,a<b<n),则将n个字符串中除第a个字符串到第b个字符串以外的字符串,与每个提问模板中的字符串进行匹配。
另一种实现方式,智能问答服务器过滤掉提问信息中的目标实体名称和第一指定字符,得到提问信息的剩余部分,并将剩余部分的各个字符串与每个提问模板中的字符串进行匹配。
例如,提问信息包括n个字符串,智能问答服务器检测出目标实体名称和第一指定字符对应的字符串为第1个子符串到第i个字符串及第j子符串到第n个字符串(其中,1<i<j<n),则将n个字符串中的第i到第j个字符串,作为提问信息的剩余部分,并将n个字符串中的第i到第j个字符串分别与每个提问模板中的字符串进行匹配。
上述以将提问信息中除目标实体名称以外的各个字符串或提问信息中除目标实体名称和第一指定字符以外的字符串,与每个提问模板中的字符串进行匹配为例,当然,除了采用两种方式外,还可以采用特殊符号替换提问信息中的目标实体名称,并将替换后的提问信息的各个字符串与每个提问模板中的字符串进行匹配。
为了提高匹配速度,在进行匹配时,可按照顺序对提问信息中的各个字符串逐一进行匹配。
205、当提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,智能问答服务器获取匹配的提问模板。
在匹配过程中,当提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,智能问答服务器确定该提问信息与该提问模板相匹配,并获取匹配的提问模板。其中,第一阈值可智能问答服务器的处理精度确定,该第一阈值可以为90%、95%等等。
为了提高获取到的匹配的提问模板的准确性,智能问答服务器获取提问信息中未匹配的各个字符串的权重值之和,得到第一权重值,并获取提问信息中各个字符串的权重值之和,得到第二权重值,进而计算第一权重值和第二权重值的比值,当第一权重值和第二权重值的比值小于第二阈值时,则通过步骤206以目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息;当第一权重值和第二权重值的比值大于第二阈值时,在忽略该提问模板。其中,第二阈值可智能问答服务器的处理精度确定,该第二阈值可以为90%、95%等等。
206、智能问答服务器以目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息。
其中,数据库中存储有命名实体、属性名称及回复信息之间的对应关系。基于匹配的提问模板,智能问答服务器获取匹配的提问模板对应的属性名称,并以目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息。
对于上述智能问答过程,为了便于理解,下面将以图6为例进行说明。
1、对于用户的任一query(提问信息),智能问答服务器对该query的实体名称进行识别,并采用特殊字符替换该query的实体名称,得到替换后的query;
2、智能问答服务器过滤掉替换后的query中的无意义词,并将得到的query中的各个字符串与每个提问模板中的字符串进行匹配;
3、当query与任一提问模板中的字符串匹配时,智能问答服务器通过权重值对query中的剩余词进行检查,如果剩余词的权重值的比重小于第二阈值,则执行步骤4;
4、智能问答服务器基于匹配的提问模板和query的实体名称,以提问模板对应的属性名称和query的实体名称为索引,从数据库中获取对应的回复信息,其中,该数据库中以三元组形式存储实体名称、属性名称及回复信息之间的对应关系。
本发明实施例提供的方法,通过将提问信息中的各个字符串与每个提问模板中的字符串进行匹配,并基于字符串之间的匹配度,获取匹配的提问模板,进而基于目标实体名称和匹配的提问模板获取回复信息。采用字符串的匹配的问答方式,要求字符串的匹配度满足条件,泛化能力较强,克服了提问信息匹配的局限性。
参见图7,本发明实施例提供了一种智能问答装置,该装置包括:
检测模块701,用于对提问信息进行检测,得到提问信息中的目标实体名称,目标实体名称用于确定本次提问的提问对象;
匹配模块702,用于将提问信息中的各个字符串与每个提问模板中的字符串进行匹配,各个字符串为提问信息中除目标实体名称以外的字符串;
获取模块703,用于当提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,获取匹配的提问模板;
获取模块703,用于以目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息,数据库中存储有实体名称、属性名称及回复信息之间的对应关系。
在本发明的另一个实施例中,匹配模块702,用于过滤掉提问信息中的目标实体名称和第一指定字符,得到提问信息的剩余部分;将剩余部分的各个字符串与每个提问模板中的字符串进行匹配。
在本发明的另一个实施例中,提问信息中的每个字符串均对应一个权重值,权重值用于表征每个字符串在数据库中的使用频率;
获取模块703,用于获取提问信息中未匹配的各个字符串的权重值之和,得到第一权重值;获取提问信息中各个字符串的权重值之和,得到第二权重值;当第一权重值和第二权重值的比值小于第二阈值时,以目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息。
在本发明的另一个实施例中,获取模块703,用于根据数据库中每个属性名称的使用频率,获取至少一个指定属性名称,指定属性名称为使用频率大于第三阈值的属性名称;
根据至少一个指定属性名称,获取至少一个网页条目,每个网页条目用于在接收到触发操作指令时跳转至相应的网页;
获取模块703,用于获取每个网页条目对应的特征信息;
获取模块703,用于根据至少一个网页条目和对应的特征信息,获取至少一个提问模板。
在本发明的另一个实施例中,获取模块703,用于对于任一指定属性名称,根据指定属性名称和至少一个指定实体名称,获取至少一个第一训练样本提问信息,指定实体名称为数据库中频数大于第四阈值的实体名称;对于任一第一训练样本提问信息,根据指定属性名称所在的树形结构,将第一训练样本提问信息扩展为一第一组训练样本提问信息,每组第一训练样本提问信息包括树形结构中的各个指定属性名称和至少一个指定实体名称;根据每组第一训练样本提问信息,获取至少一个网页条目。
在本发明的另一个实施例中,获取模块703,用于对至少一个指定属性名称进行聚类,得到至少一类指定属性名称;对属于每类指定属性名称的各个指定属性名称进行归一化,得到每类特定指定属性名称的树形结构。
在本发明的另一个实施例中,获取模块703,用于根据至少一个网页条目和对应的特征信息,训练分类模型,分类模型用于从网页条目中获取提问模板;根据分类模型,对至少一个网页条目进行检测;根据检测结果,从至少一个网页条目中,获取第二训练样本提问信息;过滤掉第二训练样本提问信息中的指定实体名称、第一指定字符及第二指定字符,得到至少一个初始提问模板;根据每个初始提问模板的使用频数,从至少一个初始提问模板中,获取至少一个提问模板。
在本发明的另一个实施例中,获取模块703,用于根据每个指定实体名称,从至少一个网页条目中,获取包括每个指定实体名称的第二训练样本提问信息;获取对第二训练样本提问信息的标注结果,标注结果为是否包括指定属性名称;根据至少一个网页条目对应的标注结果和对应的特征信息,对初始分类模型进行训练,得到分类模型。
综上,本发明实施例提供的装置,通过将提问信息中的各个字符串与每个提问模板中的字符串进行匹配,并基于字符串之间的匹配度,获取匹配的提问模板,进而基于目标实体名称和匹配的提问模板获取回复信息。采用字符串的匹配的问答方式,要求字符串的匹配度满足条件,泛化能力较强,克服了提问信息匹配的局限性。
图8是根据一示例性实施例示出的一种用于智能问答的智能问答服务器。参照图8,服务器800包括处理组件822,其进一步包括一个或多个处理器,以及由存储器832所代表的存储器资源,用于存储可由处理组件822的执行的指令,例如应用程序。存储器832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件822被配置为执行指令,以执行上述智能问答方法中服务器所执行的功能。
服务器800还可以包括一个电源组件826被配置为执行服务器800的电源管理,一个有线或无线网络接口850被配置为将服务器800连接到网络,和一个输入输出(I/O)接口858。服务器800可以操作基于存储在存储器832的操作系统,例如Windows ServerTM,Mac OSXTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本发明实施例提供的服务器,通过将提问信息中的各个字符串与每个提问模板中的字符串进行匹配,并基于字符串之间的匹配度,获取匹配的提问模板,进而基于目标实体名称和匹配的提问模板获取回复信息。采用字符串的匹配的问答方式,要求字符串的匹配度满足条件,泛化能力较强,克服了提问信息匹配的局限性。
本发明实施例提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现图2所示的智能问答方法。
本发明实施例提供的通过计算机可读存储介质,通过将提问信息中的各个字符串与每个提问模板中的字符串进行匹配,并基于字符串之间的匹配度,获取匹配的提问模板,进而基于目标实体名称和匹配的提问模板获取回复信息。采用字符串的匹配的问答方式,要求字符串的匹配度满足条件,泛化能力较强,克服了提问信息匹配的局限性。
需要说明的是:上述实施例提供的智能问答装置、智能问答服务器在智能问答时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将智能问答装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的智能问答装置、智能问答服务器与智能问答方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种智能问答方法,其特征在于,所述方法包括:
对提问信息进行检测,得到所述提问信息中的目标实体名称,所述目标实体名称用于确定本次提问的提问对象;
将所述提问信息中的各个字符串与每个提问模板中的字符串进行匹配,所述各个字符串为所述提问信息中除所述目标实体名称以外的字符串;
当所述提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,获取匹配的提问模板;
以所述目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息,所述数据库中存储有实体名称、属性名称及回复信息之间的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述将所述提问信息中的各个字符串与每个提问模板中的字符串进行匹配,包括:
过滤掉所述提问信息中的所述目标实体名称和第一指定字符,得到所述提问信息的剩余部分;
将所述剩余部分的各个字符串与每个提问模板中的字符串进行匹配。
3.根据权利要求1所述的方法,其特征在于,所述提问信息中的每个字符串均对应一个权重值,所述权重值用于表征每个字符串在所述数据库中的使用频率;所述方法还包括:
获取所述提问信息中未匹配的各个字符串的权重值之和,得到第一权重值;
获取所述提问信息中各个字符串的权重值之和,得到第二权重值;
当所述第一权重值和所述第二权重值的比值小于第二阈值时,执行以所述目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息的步骤。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述将所述提问信息中的各个字符串与每个提问模板中的字符串进行匹配之前,还包括:
根据所述数据库中每个属性名称的使用频率,获取至少一个指定属性名称,所述指定属性名称为使用频率大于第三阈值的属性名称;
根据所述至少一个指定属性名称,获取至少一个网页条目,每个网页条目用于在接收到触发操作指令时跳转至相应的网页;
获取每个网页条目对应的特征信息;
根据所述至少一个网页条目和对应的特征信息,获取至少一个提问模板。
5.根据权利要求4所述的方法,其特征在于,所述根据所述至少一个指定属性名称,获取至少一个网页条目,包括:
对于任一指定属性名称,根据所述指定属性名称和至少一个指定实体名称,获取至少一个第一训练样本提问信息,所述指定实体名称为所述数据库中频数大于第四阈值的实体名称;
对于任一第一训练样本提问信息,根据所述指定属性名称所在的树形结构,将所述第一训练样本提问信息扩展为一组第一训练样本提问信息,每组第一训练样本提问信息包括树形结构中的各个指定属性名称和至少一个指定实体名称;
根据每组第一训练样本提问信息,获取至少一个网页条目。
6.根据权利要求5所述的方法,其特征在于,所述根据所述指定属性名称所在的树形结构,将所述第一训练样本提问信息扩展为一组第一训练样本提问信息之前,还包括:
对所述至少一个指定属性名称进行聚类,得到至少一类指定属性名称;
对属于每类指定属性名称的各个指定属性名称进行归一化,得到每类特定指定属性名称的树形结构。
7.根据权利要求4所述的方法,其特征在于,所述根据所述至少一个网页条目和对应的特征信息,获取至少一个提问模板,包括:
根据所述至少一个网页条目和对应的特征信息,训练分类模型,所述分类模型用于从网页条目中获取提问模板;
根据所述分类模型,对所述至少一个网页条目进行检测;
根据检测结果,从所述至少一个网页条目中,获取第二训练样本提问信息;
过滤掉所述第二训练样本提问信息中的指定实体名称、第一指定字符及第二指定字符,得到至少一个初始提问模板;
根据每个初始提问模板的使用频数,从至少一个初始提问模板中,获取至少一个提问模板。
8.根据权利要求7所述的方法,其特征在于,所述根据所述至少一个网页条目和对应的特征信息,训练分类模型,包括:
根据每个指定实体名称,从所述至少一个网页条目中,获取包括每个指定实体名称的第二训练样本提问信息;
获取对第二训练样本提问信息的标注结果,所述标注结果为是否包括指定属性名称;
根据所述至少一个网页条目对应的标注结果和对应的特征信息,对初始分类模型进行训练,得到所述分类模型。
9.一种智能问答装置,其特征在于,所述装置包括:
检测模块,用于对提问信息进行检测,得到所述提问信息中的目标实体名称,所述目标实体名称用于确定本次提问的提问对象;
匹配模块,用于将所述提问信息中的各个字符串与每个提问模板中的字符串进行匹配,所述各个字符串为所述提问信息中除所述目标实体名称以外的字符串;
获取模块,用于当所述提问信息的字符串与任一提问模板的字符串之间的匹配度大于第一阈值时,获取匹配的提问模板;
所述获取模块,用于以所述目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息,所述数据库中存储有实体名称、属性名称及回复信息之间的对应关系。
10.根据权利要求9所述的装置,其特征在于,所述匹配模块,用于过滤掉所述提问信息中的所述目标实体名称和第一指定字符,得到所述提问信息的剩余部分;将所述剩余部分的各个字符串与每个提问模板中的字符串进行匹配。
11.根据权利要求9所述的装置,其特征在于,所述提问信息中的每个字符串均对应一个权重值,所述权重值用于表征每个字符串在所述数据库中的使用频率;
所述获取模块,用于获取所述提问信息中未匹配的各个字符串的权重值之和,得到第一权重值;
所述获取模块,用于获取所述提问信息中各个字符串的权重值之和,得到第二权重值;
所述获取模块,用于当所述第一权重值和所述第二权重值的比值小于第二阈值时,以所述目标实体名称和匹配的提问模板对应的属性名称为索引,从数据库中获取对应的回复信息。
12.根据权利要求9至11中任一项所述的装置,其特征在于,所述获取模块,用于根据所述数据库中每个属性名称的使用频率,获取至少一个指定属性名称,所述指定属性名称为使用频率大于第三阈值的属性名称;
所述获取模块,用于根据所述至少一个指定属性名称,获取至少一个网页条目,每个网页条目用于在接收到触发操作指令时跳转至相应的网页;
所述获取模块,用于获取每个网页条目对应的特征信息;
所述获取模块,用于根据所述至少一个网页条目和对应的特征信息,获取至少一个提问模板。
13.根据权利要求12所述的装置,其特征在于,所述获取模块,用于对于任一指定属性名称,根据所述指定属性名称和至少一个指定实体名称,获取至少一个第一训练样本提问信息,所述指定实体名称为所述数据库中频数大于第四阈值的实体名称;对于任一第一训练样本提问信息,根据所述指定属性名称所在的树形结构,将所述训练样本提问信息扩展为一组第一训练样本提问信息,每组第一训练样本提问信息包括树形结构中的各个指定属性名称和至少一个指定实体名称;根据每组第一训练样本提问信息,获取至少一个网页条目。
14.一种智能问答服务器,其特征在于,所述智能问答服务器包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至8中任一项所述的智能问答方法。
15.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至8中任一项所述的智能问答方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810437832.8A CN108664599B (zh) | 2018-05-09 | 2018-05-09 | 智能问答方法、装置、智能问答服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810437832.8A CN108664599B (zh) | 2018-05-09 | 2018-05-09 | 智能问答方法、装置、智能问答服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108664599A true CN108664599A (zh) | 2018-10-16 |
CN108664599B CN108664599B (zh) | 2022-02-22 |
Family
ID=63778253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810437832.8A Active CN108664599B (zh) | 2018-05-09 | 2018-05-09 | 智能问答方法、装置、智能问答服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664599B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783627A (zh) * | 2019-01-07 | 2019-05-21 | 平安科技(深圳)有限公司 | 自动应答的方法、装置、计算机设备及存储介质 |
CN110929027A (zh) * | 2019-09-30 | 2020-03-27 | 珠海格力电器股份有限公司 | 提示系统、提示方法、计算机及废物容纳装置 |
CN111881266A (zh) * | 2019-07-19 | 2020-11-03 | 马上消费金融股份有限公司 | 一种应答方法及装置 |
WO2021036439A1 (zh) * | 2019-08-23 | 2021-03-04 | 深圳前海微众银行股份有限公司 | 一种信访问题答复方法及装置 |
CN112925898A (zh) * | 2021-04-13 | 2021-06-08 | 平安科技(深圳)有限公司 | 基于人工智能的问答方法、装置、服务器及存储介质 |
CN113282733A (zh) * | 2021-06-11 | 2021-08-20 | 上海寻梦信息技术有限公司 | 客服问题匹配方法、系统、设备及存储介质 |
CN113392203A (zh) * | 2021-06-23 | 2021-09-14 | 泰康保险集团股份有限公司 | 智能问答方法、装置、电子设备和计算机可读存储介质 |
CN114564599A (zh) * | 2022-04-28 | 2022-05-31 | 中科雨辰科技有限公司 | 一种基于查询字符串模板的检索系统 |
CN116303919A (zh) * | 2022-11-30 | 2023-06-23 | 荣耀终端有限公司 | 一种问答方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040167875A1 (en) * | 2003-02-20 | 2004-08-26 | Eriks Sneiders | Information processing method and system |
CN105868313A (zh) * | 2016-03-25 | 2016-08-17 | 浙江大学 | 一种基于模板匹配技术的知识图谱问答系统及方法 |
CN107766511A (zh) * | 2017-10-23 | 2018-03-06 | 深圳市前海众兴电子商务有限公司 | 智能问答方法、终端及存储介质 |
CN107895037A (zh) * | 2017-11-28 | 2018-04-10 | 北京百度网讯科技有限公司 | 一种问答数据处理方法、装置、设备和计算机可读介质 |
-
2018
- 2018-05-09 CN CN201810437832.8A patent/CN108664599B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040167875A1 (en) * | 2003-02-20 | 2004-08-26 | Eriks Sneiders | Information processing method and system |
CN105868313A (zh) * | 2016-03-25 | 2016-08-17 | 浙江大学 | 一种基于模板匹配技术的知识图谱问答系统及方法 |
CN107766511A (zh) * | 2017-10-23 | 2018-03-06 | 深圳市前海众兴电子商务有限公司 | 智能问答方法、终端及存储介质 |
CN107895037A (zh) * | 2017-11-28 | 2018-04-10 | 北京百度网讯科技有限公司 | 一种问答数据处理方法、装置、设备和计算机可读介质 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783627A (zh) * | 2019-01-07 | 2019-05-21 | 平安科技(深圳)有限公司 | 自动应答的方法、装置、计算机设备及存储介质 |
CN109783627B (zh) * | 2019-01-07 | 2023-06-30 | 平安科技(深圳)有限公司 | 自动应答的方法、装置、计算机设备及存储介质 |
CN111881266A (zh) * | 2019-07-19 | 2020-11-03 | 马上消费金融股份有限公司 | 一种应答方法及装置 |
WO2021036439A1 (zh) * | 2019-08-23 | 2021-03-04 | 深圳前海微众银行股份有限公司 | 一种信访问题答复方法及装置 |
CN110929027A (zh) * | 2019-09-30 | 2020-03-27 | 珠海格力电器股份有限公司 | 提示系统、提示方法、计算机及废物容纳装置 |
CN112925898A (zh) * | 2021-04-13 | 2021-06-08 | 平安科技(深圳)有限公司 | 基于人工智能的问答方法、装置、服务器及存储介质 |
CN112925898B (zh) * | 2021-04-13 | 2023-07-18 | 平安科技(深圳)有限公司 | 基于人工智能的问答方法、装置、服务器及存储介质 |
CN113282733A (zh) * | 2021-06-11 | 2021-08-20 | 上海寻梦信息技术有限公司 | 客服问题匹配方法、系统、设备及存储介质 |
CN113282733B (zh) * | 2021-06-11 | 2024-04-09 | 上海寻梦信息技术有限公司 | 客服问题匹配方法、系统、设备及存储介质 |
CN113392203A (zh) * | 2021-06-23 | 2021-09-14 | 泰康保险集团股份有限公司 | 智能问答方法、装置、电子设备和计算机可读存储介质 |
CN113392203B (zh) * | 2021-06-23 | 2023-08-22 | 泰康保险集团股份有限公司 | 智能问答方法、装置、电子设备和计算机可读存储介质 |
CN114564599A (zh) * | 2022-04-28 | 2022-05-31 | 中科雨辰科技有限公司 | 一种基于查询字符串模板的检索系统 |
CN116303919A (zh) * | 2022-11-30 | 2023-06-23 | 荣耀终端有限公司 | 一种问答方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108664599B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664599A (zh) | 智能问答方法、装置、智能问答服务器及存储介质 | |
CN111353310B (zh) | 基于人工智能的命名实体识别方法、装置及电子设备 | |
CN109284363B (zh) | 一种问答方法、装置、电子设备及存储介质 | |
CN110309393B (zh) | 数据处理方法、装置、设备及可读存储介质 | |
CN110633409B (zh) | 一种融合规则与深度学习的汽车新闻事件抽取方法 | |
CN104933164B (zh) | 互联网海量数据中命名实体间关系提取方法及其系统 | |
JP6894534B2 (ja) | 情報処理方法及び端末、コンピュータ記憶媒体 | |
CN106874279B (zh) | 生成应用类别标签的方法及装置 | |
CN109271506A (zh) | 一种基于深度学习的电力通信领域知识图谱问答系统的构建方法 | |
CN103544255B (zh) | 基于文本语义相关的网络舆情信息分析方法 | |
CN111680173A (zh) | 统一检索跨媒体信息的cmr模型 | |
US20150074112A1 (en) | Multimedia Question Answering System and Method | |
CN110427463A (zh) | 搜索语句响应方法、装置及服务器和存储介质 | |
Jotheeswaran et al. | OPINION MINING USING DECISION TREE BASED FEATURE SELECTION THROUGH MANHATTAN HIERARCHICAL CLUSTER MEASURE. | |
CN111159330B (zh) | 一种数据库查询语句的生成方法及装置 | |
CN109145168A (zh) | 一种专家服务机器人云平台 | |
CN107844533A (zh) | 一种智能问答系统及分析方法 | |
CN110377751A (zh) | 课件智能生成方法、装置、计算机设备及存储介质 | |
CN112632239A (zh) | 基于人工智能技术的类脑问答系统 | |
CN105335510A (zh) | 文本数据高效搜索方法 | |
CN109992665A (zh) | 一种基于问题目标特征扩展的分类方法 | |
CN114328800A (zh) | 文本处理方法、装置、电子设备和计算机可读存储介质 | |
CN116049376B (zh) | 一种信创知识检索回复的方法、装置和系统 | |
CN114238735B (zh) | 一种互联网数据智能采集方法 | |
CN115905705A (zh) | 基于工业大数据的工业算法模型推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |