CN108984658A - 一种智能问答数据处理方法及装置 - Google Patents

一种智能问答数据处理方法及装置 Download PDF

Info

Publication number
CN108984658A
CN108984658A CN201810686605.9A CN201810686605A CN108984658A CN 108984658 A CN108984658 A CN 108984658A CN 201810686605 A CN201810686605 A CN 201810686605A CN 108984658 A CN108984658 A CN 108984658A
Authority
CN
China
Prior art keywords
information
question
knowledge point
subject
question 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.)
Pending
Application number
CN201810686605.9A
Other languages
English (en)
Inventor
张望舒
王全剑
段希娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201810686605.9A priority Critical patent/CN108984658A/zh
Publication of CN108984658A publication Critical patent/CN108984658A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted

Abstract

本说明书提供一种智能问答数据处理方法及装置。所述方法包括：接收提问信息，所述提问信息包括：提问内容信息、业务信息；将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。利用本说明书中各个实施例，引入了能够反映用户提问背景的业务信息，实现了准确定位用户提问的意图，提高了智能问答数据处理的效率。

Description

一种智能问答数据处理方法及装置
技术领域
本说明书属于计算机技术领域，尤其涉及一种智能问答数据处理方法及装置。
背景技术
随着互联网技术的发展，越来越多的人们对于生活中遇到的问题选择在互联网上寻找答案，用户还可以在一些问答平台中提出问题，问答平台可以利用搜索引擎为用户匹配对应的答案，如：一些交易平台中的智能客服。
但是，用户提问的问题很多情况下会出现比较口语化、简略化的现象，仅靠用户表述的字面信息，智能客服等问答平台往往无法准确的获取到用户的意图，可能需要一轮或多轮反复交互，才能为用户匹配到正确的答案。这种情况下，多轮的交互增加了交互成本，并且需要处理多轮交互的问答数据，数据处理量比较大，降低了现有方式的智能问答数据处理的效率。
发明内容
本说明书目的在于提供一种智能问答数据处理方法及装置，引入了能够反映用户提问背景的业务信息，实现了准确定位用户提问的意图，提高了智能问答数据处理的效率和用户体验。
一方面本说明书实施例提供了一种智能问答数据处理方法，包括：
接收提问信息，所述提问信息包括：提问内容信息、业务信息；
将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；
根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
进一步地，所述方法的另一个实施例中，所述方法还包括：
获取所述提问内容信息对应的知识点信息；
将所述知识点信息与所述标签数据库进行匹配，获取所述知识点信息对应的内容标签；
相应地，所述根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息，包括：
将所述内容标签与所述业务标签进行匹配，获取满足预设要求的内容标签对应的筛选知识点信息；
根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息。
进一步地，所述方法的另一个实施例中，所述根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息，包括：
分别确定所述筛选知识点信息和所述提问内容信息之间的相关性；
将相关性满足预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
进一步地，所述方法的另一个实施例中，所述方法还包括：
若所述筛选知识点信息均不满足所述预设相关性条件，则分别获取所述提问内容信息对应的所有知识点信息与所述提问内容信息之间的相关性，选择相关性满足所述预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
进一步地，所述方法的另一个实施例中，所述标签数据库采用层次聚类法进行建立。
进一步地，所述方法的另一个实施例中，在利用层次聚类法建立所述标签数据库时，所述方法还包括：
利用提问信息样本的文本相似度特征的加权平均值计算所述提问信息样本之间的距离，所述文本相似度特征包括：语句间杰卡德距离、句向量距离、词向量距离。
进一步地，所述方法的另一个实施例中，所述将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签，包括：
判断所述业务信息是否是交易业务信息，若是，则提取所述交易业务信息对应的交易因子信息，所述交易因子信息包括：交易对象标识、交易类型、交易商品名称；
利用所述标签数据库，基于交易对象标识与业务标签之间的映射关系，获取所述交易因子信息中的交易对象标识对应的交易对象标签；
和/或，利用所述标签数据库，基于交易类型与业务标签之间的映射关系，获取所述交易因子信息中的交易类型对应的类型标签；
和/或，利用所述标签数据库，基于运营规则与业务标签之间的映射关系，获取所述交易因子信息中的交易商品对应的商品标签；
根据所述交易对象标签、所述类型标签、所述商品标签中的至少一种确定所述交易业务信息对应的业务标签。
进一步地，所述方法的另一个实施例中，所述业务信息的获取方法包括：
获取客户端的设备监测信息；
根据所述设备检测信息，获取所述客户端对应的用户的行为轨迹；
根据所述行为轨迹获取所述业务信息。
另一方面，本说明书提供了智能问答数据处理装置，包括：
提问信息获取模块，用于接收提问信息，所述提问信息包括：提问内容信息、业务信息；
业务标签获取模块，用于将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；
应答信息确定模块，用于根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
进一步地，所述装置的另一个实施例中，所述装置还包括：
知识点信息获取模块，用于获取所述提问内容信息对应的知识点信息；
内容标签获取模块，用于将所述知识点信息与所述标签数据库进行匹配，获取所述知识点信息对应的内容标签；
相应地，所述应答信息确定模块包括：
标签匹配单元，用于将所述内容标签与所述业务标签进行匹配，获取满足预设要求的内容标签对应的知识点信息；
应答信息确定单元，用于根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息。
进一步地，所述装置的另一个实施例中，所述应答信息确定单元具体用于：
分别确定所述筛选知识点信息和所述提问内容信息之间的相关性；
将相关性满足预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
进一步地，所述装置的另一个实施例中，所述应答信息确定单元还用于：
若所述筛选知识点信息均不满足所述预设相关性条件，则分别获取所述提问内容信息对应的所有知识点信息与所述提问内容信息之间的相关性，选择相关性满足所述预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
进一步地，所述装置的另一个实施例中，所述业务标签获取模块用于采用层次聚类法进行建立所述标签数据库。
进一步地，所述装置的另一个实施例中，所述业务标签获取模块具体用于：
在利用层次聚类法建立所述标签数据库时，利用提问信息样本的文本相似度特征的加权平均值计算所述提问信息样本之间的距离，所述文本相似度特征包括：语句间杰卡德距离、句向量距离、词向量距离。
进一步地，所述装置的另一个实施例中，所述业务标签获取模块具体用于：
判断所述业务信息是否是交易业务信息，若是，则提取所述交易业务信息对应的交易因子信息，所述交易因子信息包括：交易对象标识、交易类型、交易商品名称；
利用所述标签数据库，基于交易对象标识与业务标签之间的映射关系，获取所述交易因子信息中的交易对象标识对应的交易对象标签；
和/或，利用所述标签数据库，基于交易类型与业务标签之间的映射关系，获取所述交易因子信息中的交易类型对应的类型标签；
和/或，利用所述标签数据库，基于运营规则与业务标签之间的映射关系，获取所述交易因子信息中的交易商品对应的商品标签；
根据所述交易对象标签、所述类型标签、所述商品标签中的至少一种确定所述交易业务信息对应的业务标签。
进一步地，所述装置的另一个实施例中，所述提问信息获取模块还用于：
获取客户端的设备监测信息；
根据所述设备检测信息，获取所述客户端对应的用户的行为轨迹；
根据所述行为轨迹获取所述业务信息。
再一方面，本说明书实施例提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时，实现权利要求上述智能问答数据处理方法。
又一方面，本说明书实施例提供了智能问答数据处理系统，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述智能问答数据处理方法。
本说明书提供的智能问答数据处理方法、装置、系统，在接收到用户提交的提问信息后，根据提问信息中的业务信息，获取用户提交的提问信息对应的业务标签，基于业务标签和用户提交的具体的提问内容信息为用户匹配对应的应答信息。业务标签可以表示用户提交的提问信息对应的业务场景，可以一定程度上反映出用户提交提问信息时对应的背景。基于用户提交的提问信息对应的业务信息进行标签匹配，在用户提问背景下为用户匹配应答信息，实现了智能问答中对用户提问意图的准确定位，可以不需要与用户进行其他多余的问答交互，减少了中间交互流程，可以快速准确的为用户匹配出正确的应答信息，提高了智能问答数据处理的效率和准确性。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书提供的一个实施例中的智能问答数据处理方法的流程示意图；
图2是本说明书一个实施例中层次聚类分析法获得的谱系图；
图3是本说明书一个实施例中标签过滤流程示意图；
图4是本说明书一个实施例中业务标签识别的流程示意图；
图5是本说明书又一个实施例中智能问答数据处理流程示意图；
图6(a)-6(c)是本说明书实施例中智能问答数据处理的效果示意图；
图7是本说明书提供的智能问答数据处理装置一个实施例的模块结构示意图；
图8是本说明书又一个实施例提供的智能问答数据处理装置的模块结构示意图；
图9是本说明书提供的一种智能问答数据处理系统实施例的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
智能问答可以表示用户利用互联网问答平台等，咨询一些生活中遇到的问题，互联网问答平台可以通过智能机器人客服或者人工客服回答用户的问题。通常情况下，可以优先利用智能机器人客服与用户进行沟通，回答用户的问题，在智能机器人客服无法回答或者回答不准确时，用户可以选择人工客服进行咨询。本说明书实施例中的智能问答数据处理主要针对的是智能机器人客服在解决用户提问时智能问答系统的数据处理过程，智能机器人客服可以理解为用于回答用户问题的客户端或组件等，智能机器人客服可以根据问答平台内的数据库、搜索引擎等，对一些比较常见的问题进行回答。
在智能机器人客服与用户的沟通交互过程中，用户提问的语言通常比较口语化、简略化，经统计，单10个字以下的问题就超过了50％，这种情况在用户首问中尤其明显。此时，依靠用户表述的字面信息和NLP(Natural Language Processing，自然语言处理)技术有着较为明显瓶颈和局限性。并且，用户在进行提问时，通常是假定问答平台深知其提问的背景上下文的，一般不会对问题的背景进行介绍，直接进行提问，例如：有些用户直接提问“如何还款”，此时，如果正常交互，至少需再行确认什么业务如：“信用卡”、“花呗”、“借呗”等中的哪个具体业务，如此往复至少3轮才能最终解决用户的问题，最后给出的应答信息可能也不是用户想要的答案，应答准确率也可能得不到保证。
本说明书实施例提供的智能问答数据处理方法，根据用户提交的提问信息，获取用户提出该问题时对应的业务信息，即可以获得用户在什么背景下提出的该问题。根据业务信息利用建立的标签数据库，获得用户提交的提问信息对应的业务标签。基于业务标签以及用户提交的提问信息的具体内容，可以确定用户提交的提问信息对应的应答信息，确定用户提出的问题的答案或解决办法等。基于用户提交的提问信息对应的业务信息进行标签匹配，在用户提问背景下为用户匹配应答信息，可以不需要与用户进行其他的问答交互，减少了中间交互流程，提高了智能问答数据处理的效率。
本申请实施例中智能问答数据的处理方法可以在多种客户端上进行实施，如：智能手机、平板电脑、智能可穿戴设备(智能手表、虚拟现实眼镜、虚拟现实头盔等)、车载设备等电子设备。
具体地，图1是本说明书提供的一个实施例中的智能问答数据处理方法的流程示意图，如图1所示，本说明书实施例提供的智能问答数据处理方法，包括：
S2、接收提问信息，所述提问信息包括：提问内容信息、业务信息。
在具体的实施过程中，用户可以在问答平台如：客户端或客户端中的应用程序中输入需要咨询的问题，客户端可以接收到用户通过客户端等提交的提问信息，提问信息可以包括提问内容信息、业务信息。提问内容信息可以包括用户具体需要咨询的问题的内容，如用户输入的问题的关键词或者全部文字内容等。业务信息可以表示用户在提交提问信息时对应的业务场景，即用户是从哪个业务场景进入提问界面提交的提问信息，也可以理解为用户在提交提问信息前所处的业务场景。业务信息可以包括用户在提交提问信息之前(即进入提问界面之前)所处的位置信息、网址信息、网址标识信息、网页内容信息、交易信息等。业务信息可以反映用户提问的背景，本说明书一个实施例中，可以通过获取用户所在的客户端或问答平台的设备监测信息，根据设备监测信息，获取用户在问答平台或客户端中的“足迹”或行为轨迹。用户所在的客户端也可以理解为接收提问信息的客户端，设备监测信息可以包括鼠标点击的位置记录、用户打开的网页、客户端的日志信息等，行为轨迹可以体现用户在客户端中的浏览或操作历史信息，根据用户在问答平台或客户端中的行为轨迹获得用户在提交提问信息时的业务背景信息。
例如：用户在进入提问界面之前在进行了手机话费充值操作，之后进入提问界面提交了一个“充值错误”的提问信息，则可以通过获取用户在提交提问信息之前在客户端或问答平台中的操作，获取到用户在提交提问信息时对应的是关于“手机话费充值”的业务场景。
当然，业务信息也可以包括用户在提交提问信息之前预设时间内涉及到的业务场景，可以通过对用户所在的客户端的设备行为进行监控，获取用户提交提问信息之前预设时间内用户的行为轨迹，以获得提问信息对应的业务信息。
S4、将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签。
在具体的实施过程中，可以通过分析不同的历史提问信息，并为不同的历史提问信息进行分类并设置不同的标签，构建出标签数据库。标签数据库中可以存储与用户提问信息相关的标签，标签数据库的具体构建方法可以根据实际需要进行选择，如：可以采用数学模拟法、机器学习法等，本说明书实施例中不作具体限定。本说明书实施例中的标签数据库可以是TagID标签集合，TagID标签是一个业务标签的集合，可以包含上百个具体细分的业务类型。
本说明书一个实施例中，所述标签数据库可以采用层次聚类法进行建立。如：可以利用自底而上的层次聚类方法对用户提交的提问信息的类型进行挖掘，并且，可以由运营人员根据用户提交的提问信息的聚类结果标注出标签类型，构建出标签数据库。
本说明书一个实施例中，层次聚类是一种常见的聚类方法，可以分为以下几个步骤：
1、初始化。输入n个样本S1，S2，…，Sn，把每个样本归为一类，即有n个类C1，C2，…，Cn，使得Si∈Ci(i＝1，…，n)，计算每两个类之间的距离dij(i＝1，…，n，j＝1，…，n)，两个类之间的距离可以理解为样本与样本之间的相似度。其中，每个样本可以是用户提交的提问信息。
本说明书一个实施例中，在使用聚类分析法构建标签数据库时，可以利用提问信息样本的文本相似度特征的加权平均值计算所述提问信息样本之间的距离，所述文本相似度特征包括：语句间杰卡德距离即Jaccard距离、句向量距离、词向量距离即WMD(WordMover'sDistance)距离。其中，句向量距离可以根据句子分词后的词向量距离平均得到。
例如：两个样本之间的距离可以采用如下公式计算：
dij＝w1×Feat1ij+w2×Feat2ij+,...,+wm×Featmij
上式中，dij可以表示两个样本之间的距离，w1～wm可以表示权重，Feat1ij～Featmij可以表示文本相似度特征。
2、寻找各个类之间最近的两个类min(dij)，把他们归为一类Si，Sj∈Ck。
3、重新计算新生成的这个类与各个旧类之间的相似度。
4、重复2和3直到所有样本点都归为一类，结束。
最后，可以根据层次聚类法生成的提问信息的层次聚类的谱系图对不同类别的提问信息进行标签的标注。图2是本说明书一个实施例中层次聚类分析法获得的谱系图，如图2所示，本说明书一个实施例中利用层次聚类分析法将用户提交的提问信息分为4类，可以根据实际的提问信息，将这4类提问信息标注对应的标签。实际用户提问信息的聚类中，标注生成的标签多达100余个，基本可以覆盖用户提交的提问信息的常见类型。基于层次聚类法构建标签数据库，方法简单，标签覆盖范围比较全面，为后续业务标签的识别提供了准确的数据基础。
在接收到用户提交的提问信息并根据提问信息获取到提问信息对应的业务信息后，可以将业务信息与标签数据库进行匹配，获取该用户提交的提问信息中的业务信息对应的业务标签，业务标签可以反映用户提问时对应的业务背景。可以根据业务信息对应的关键词与标签数据库中的标签之间的相似度或匹配程度，获得相似度或匹配程度高的标签作为业务信息对应的业务标签，或者也可以预先在标签数据库中建立业务信息与各个标签之间的映射关系，直接根据映射关系从标签数据库中确定出业务信息对应的业务标签。例如：用户提交的提问信息中的业务信息为话费充值相关的业务如：用户在提交提问信息钱浏览了手机话费充值的网址或页面，标签数据库中存储的标签有手机话费充值标签，则可以将该业务信息的业务标签设置为手机话费充值。此外，一个场景信息可能对应多个业务标签，本说明书实施例不作具体限定。
S6、根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
在获得用户提交的提问信息中的业务信息对应的业务标签后，可以获得用户在提交提问信息时对应的业务类型，提问信息对应的背景信息等。可以利用搜索引擎或者问答数据库或其他的方法，基于业务标签以及用户提交的提问内容信息，为用户匹配对应的应答信息。搜索引擎可以自动从因特网搜集信息，经过一定整理以后，提供给用户进行查询的系统，利用搜索引擎可以查询业务标签和提问内容信息对应的应答信息。
例如：若根据用户提交的提问信息中的业务信息，获得业务信息对应的业务标签是“余额宝”，用户提交的提问信息中的具体提问内容信息是“提现慢”，则可以确定出用户想要问的问题是“余额宝提现慢”，则可以将关于余额宝提现的相关内容作为应答信息发送给用户，以帮助用户解决相应的问题。
本说明书实施例提供的方法，在接收到用户提交的提问信息后，根据提问信息中的业务信息，获取用户提交的提问信息对应的业务标签，基于业务标签和用户提交的具体的提问内容信息为用户匹配对应的应答信息。业务标签可以表示用户提交的提问信息对应的业务场景，可以一定程度上反映出用户提交提问信息时对应的背景。基于业务标签和提问信息内容，实现了智能问答中对用户提问意图的准确定位，可以不需要用户与智能问答系统进行多余的交互，可以快速准确的为用户匹配出正确的应答信息，提高了智能问答数据处理的效率和准确性。
在上述实施例的基础上，所述方法还包括：
获取所述提问内容信息对应的知识点信息；
将所述知识点信息与所述标签数据库进行匹配，获取所述知识点信息对应的内容标签；
相应地，所述根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息，包括：
将所述内容标签与所述业务标签进行匹配，获取满足预设要求的内容标签对应的筛选知识点信息；
根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息。
具体地，本说明书实施例中的知识点信息可以表示与提问内容信息相关的知识点或关键信息，提问内容信息中的知识点信息可以通过关键词提取或由搜索引擎匹配获得。例如：若用户提问内容信息为“到账慢”，通过搜索引擎获得具有“到账”功能的业务有：提现到账、转账到账、收益到账、充值到账等，则可以将“提现到账”、“转账到账”、“收益到账”、“充值到账”等作为该提问内容信息的知识点信息。知识点信息还可以包括，如：余额宝收益类型知识点、共享单车押金知识点、医疗健康知识点、人物信息知识点等。
在具体的实施过程中，每一个知识点信息也可以对应有一个标签数据库中的标签，知识点信息对应的标签可以反映提问内容信息对应的业务类型，可以称为内容标签。在接收到用户提交的提问信息后，获取提问内容信息中的知识点信息，并利用标签数据库获得知识点信息对应的内容标签。可以预先将知识点信息与对应的标签之间的映射关系存储在标签数据库中，根据映射关系从标签数据库中匹配出知识点信息对应的内容标签；也可以根据知识点信息与标签之间的匹配程度或相似度，匹配出知识点信息对应的内容标签；也可以由搜索引擎对知识点信息进行搜索，获得知识点信息对应的业务类型，并将搜索结果与标签数据库中的标签进行匹配，确定出知识点信息对应的内容标签。
例如：用户提交的提问内容信息是“不能充值话费怎么办？”，对应的知识点信息可以为“充值话费”，标签数据库中存储有“手机话费充值”标签，则本说明书一个实施例中，该知识点信息对应的内容标签可以匹配为“手机话费充值”。一个提问内容信息可能对应多个知识点信息，本说明书实施例不作具体限定。
本说明书实施例中，标签数据库中的业务标签和内容标签是同一种类型的标签，即业务信息和知识点信息可以共用使用同一个标签数据库。例如：用户从进行手机话费充值的界面进入到提问界面，并提交“不能充值话费怎么办？”的提问信息，则可以获得用户提交的提问内容信息对应的知识点为“充值话费”，场景信息为“手机话费充值界面”，则可以获得场景信息对应的业务标签和提问内容信息对应的内容标签均为：“手机话费充值”。
获得用户提交的提问信息对应的业务标签和内容标签后，可以将业务标签和内容标签进行匹配，获取满足预设要求的内容标签对应的知识点信息作为筛选知识点信息。如：可以获取与业务标签相同的内容标签对应的知识点信息作为筛选知识点信息进行保留，也可以根据业务标签和内容标签的匹配程度，获取匹配程度大于预设匹配阈值的内容标签对应的知识点信息作为筛选知识点信息进行保留，匹配程度的计算可以通过机器学习算法、数学模拟等方法计算。如：若业务标签为“共享单车”，内容标签为“摩拜”属于共享单车的一种，可以认为内容标签与业务标签匹配程度较高，可以保留内容标签对应的知识点信息。根据保留的知识点信息和用户提交的提问内容信息，可以为用户匹配对应的应答信息。如：若保留的知识点信息为：“提现”，用户提问的问题为“到账慢”，则可以将关于“提现到账”的相关信息作为应答信息发送给用户。
本说明书实施例通过将用户提交的提问信息的业务信息、提问内容信息分别进行标签匹配，并将获得的业务标签和内容标签进行匹配对比，获得满足预设要求的内容标签对应的知识点信息，基于保留的知识点信息和提问内容信息为用户提供应答信息。结合了用户提交提问信息时的背景对应的业务类型，以及提问内容对应的业务类型，综合分析，准确定位出用户提问的意图。提高了智能问答数据处理结果的准确性，避免了智能问答系统与用户多次交互，提高了智能问答数据处理的效率。
在上述实施例的基础上，所述根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息，包括：
分别确定所述筛选知识点信息和所述提问内容信息之间的相关性；
将相关性满足预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
图3是本说明书一个实施例中标签过滤流程示意图，如图3所示，在上述实施例的基础上，本说明书一个实施例中，用户提交提问信息后，可以通过Lucene(全文搜索系统)进行检索，取出与用户提交的提问内容信息相关的知识点信息。并且，可以通过标签数据库获得每一个知识点信息对应的内容标签，根据用户提问信息中的业务信息对应的业务标签对获得的内容标签进行过滤。可以将与业务信息对应的业务标签相同的内容标签对应的知识点信息(即满足预设要求的内容标签对应的知识点信息)保留，删除其他的知识点信息。再对保留下来的知识点信息和提问内容信息进行相关性分析，如：可以通过数学模拟、机器学习等对用户提交的提问内容信息与每一个保留下来的筛选知识点信息进行相似度计算，获得知识点信息与提问内容信息之间的相关性分数。可以将相关性满足预设相关性条件的知识点信息作为目标知识点信息，如：可以将相关性分数排名在预设名次内的知识点信息作为目标知识点信息。
基于目标知识点信息和提问内容信息，确定出用户提交的提问信息对应的应答信息，具体确定的方式可以参考上述实施例的方法，此处不再赘述。
本说明书实施例通过将提问内容信息对应的知识点信息进行两次筛选，提高了对用户提问意图定位的准确性，进一步提高了智能问答数据处理的准确性，同时，基于用户提问的业务信息、提问内容信息共同对用户提问进行定位，可以减少与用户的交互次数，提高了智能问答数据处理的效率，进一步提高了用户体验。
在上述实施例的基础上，所述方法还包括：
若所述筛选知识点信息均不满足所述预设相关性条件，则分别获取所述提问内容信息对应的所有知识点信息与所述提问内容信息之间的相关性，选择相关性满足所述预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
如图3所示，在对保留下来的筛选知识点信息与提问内容信息进行相关性处理时，若保留下来的所有的筛选知识点信息的相关性分数均不符合要求，即保留下来的筛选知识点信息与提问内容信息的相关性均不满足预设相关性条件，则可以认为保留下来的筛选知识点信息不准确。由于保留下来的筛选知识点信息是基于知识点信息对应的内容标签与业务标签之间的匹配结果确定的，因此，筛选知识点信息不准确也可以说明获取到的业务信息对应的业务标签与用户提交的提问内容信息无关。如图3所示，本说明书一个实施例中，针对这种情况，可以去除知识点信息对应的内容标签与业务信息对应的业务标签进行匹配的步骤，将提问内容信息对应的所有的知识点信息与提问内容信息进行相关性分析，获得各个知识点信息对应的相关性分数，并获取满足预设相关性条件即相关性分数大于预设阈值的知识点信息作为目标知识点信息。根据目标知识点信息和提问内容信息为用户匹配正确的应答信息。
例如：若用户提交的提问信息中的提问内容信息对应的知识点信息有A、B、C、D，根据知识点信息A、B、C、D对应的内容标签与提问信息中的业务信息对应的业务标签对知识点信息进行筛选后，保留下来的筛选知识点信息为A、B、C。将筛选知识点信息A、B、C与提问内容信息进行相关性分数计算后，发现筛选知识点信息A、B、C的相关性分数均不满足预设相关性条件，此时，可以将知识点信息A、B、C、D与提问内容信息进行相关性分数计算，并筛选出相关性分数满足要求的知识点信息作为目标知识点信息。如：用户在“手机话费充值”的业务标签下问“余额宝收益多少？”，显然，手机话费充值相关内容里无法解决用户的问题，此时，取消业务标签和内容标签的匹配，直接对所有的知识点信息与内容信息进行相关性分析，并输出满足相关性条件的知识点信息。
本说明书实施例在对提问内容信息对应的知识点信息进行两次过滤筛选后，若保留下来的知识点信息与提问内容信息的相关性均不符合要求，则将提问内容信息对应的所有知识点信息进行相关性分析，避免了因业务标签不准确导致的用户提问定位不准确的问题，提高了智能问答数据处理的准确性和效率。
在上述实施例的基础上，所述利用建立的标签数据库获取所述业务信息对应的业务标签，包括：
判断所述业务信息是否是交易业务信息，若是，则提取所述交易业务信息对应的交易因子信息，所述交易因子信息包括：交易对象标识、交易类型、交易商品名称；
利用所述标签数据库，基于交易对象标识与业务标签之间的映射关系，获取所述交易因子信息中的交易对象标识对应的交易对象标签；
和/或，利用所述标签数据库，基于交易类型与业务标签之间的映射关系，获取所述交易因子信息中的交易类型对应的类型标签；
和/或，利用所述标签数据库，基于运营规则与业务标签之间的映射关系，获取所述交易因子信息中的交易商品对应的商品标签；
根据所述交易对象标签、所述类型标签、所述商品标签中的至少一种确定所述交易业务信息对应的业务标签。
在具体的实施过程中，可以预先对业务信息进行分类，如：交易业务场景、医疗健康业务场景、人物信息业务场景等，并且可以将不同的业务信息匹配不同的场景码或者业务标识。在获取到用户提问信息对应业务信息后，可以通过预先设置的场景码或者业务标识，判断获取到的业务信息是否是交易业务信息。交易业务信息通常会涉及到买卖双方，也可以根据获取到的业务信息中的具体信息内容，识别业务信息是否涉及买卖双方，判断当前的业务信息是否属于交易业务信息。
图4是本说明书一个实施例中业务标签识别的流程示意图，如图4所示，在确定当前的业务场景属于交易业务场景时，可以提取交易业务信息对应的交易因子信息，交易因子信息可以包括交易对象标识、交易类型、交易商品名称、交易对象的名称、其他交易信息等，交易类型可以包括购物、充值等，购物可以具体包括购买生鲜产品、日用品、奢侈品等。如图4所示，可以根据交易对象标识与业务标签之间的映射关系，获得交易对象标识对应的交易对象标签。例如：某些商家ID可以映射为“共享单车”的业务标签，则可以获得该交易对象标识对应的交易对象标签为“共享单车”。交易对象标识与业务标签之间的映射关系可以由运营商根据标签数据库中的标签进行配置。还可以根据交易类型与业务标签之间的映射关系，获得交易类型对应的类型标签。交易类型以及交易类型与业务标签之间的映射关系可以由渠道端根据标签数据库中的标签进行配置，如：余额宝收益发放的交易类型可以映射到“余额宝”的业务标签。还可以根据运营规则与业务标签之间的映射关系，获得交易商品对应的商品标签，运营规则与业务标签之间的映射关系可以包括：商家名称、交易商品名称、其他交易信息等与业务标签之间的映射关系，可以根据标签数据库中的标签由运营商进行配置，也可以根据商家名称、交易商品名称、其他交易信息的关键词与标签数据库中的标签进行匹配获得。例如：商品名称包含“移动/电信/联通”和“话费”等关键词即可以映射为“手机话费充值”的业务标签。
其中，交易对象标识与业务标签之间的映射关系、交易类型与业务标签之间的映射关系、运营规则与业务标签之间的映射关系，可以由运营商、渠道端等根据实际使用需要进行配置。例如：运营商可以根据构建出的标签数据库为不同的商家匹配对应的标签并进行保存，在需要获得该商家对应的标签时，可以根据商家的商家标识直接获取到运营商配置好的标签。可以将交易对象标识与业务标签之间的映射关系、交易类型与业务标签之间的映射关系、运营规则与业务标签之间的映射关系，存储在标签数据库中，在根据业务信息提取业务标签时，可以直接根据业务信息的内容与标签之间的映射关系提取出对应的业务标签。
获得交易业务信息中的交易对象标签、类型标签、商品标签后，可以根据交易对象标签、类型标签、商品标签中的至少一种确定交易业务信息对应的业务标签。如：可以将交易对象标签、类型标签、商品标签任意一个或两个或者均作为交易业务信息的业务标签，也可以根据交易对象标签、类型标签、商品标签进行综合评价，确定出交易业务信息对应的业务标签，如：若交易对象标签、类型标签相同，商品标签与交易对象标签、类型标签不同，则可以将交易对象标签、类型标签对应的标签作为交易业务信息的业务标签。
此外，由于有些标签可能无法获取，如：运营商在对交易对象标识和业务标签之间的映射关系进行配置时，可能不能将所有的交易对象都配置到标签，可能只有部分商家可以产生映射关系，则可以将获取成功的标签作为交易业务信息的业务标签。例如：若根据交易对象标识与业务标签之间的映射关系，发现该交易对象没有对应的标签，则交易对象标签获取失败，可以根据交易类型与业务标签之间的映射关系获取交易类型对应的类型标签，若获取成功，则可以将类型标签作为交易业务信息的业务标签，若获取失败，则可以继续根据运行规则与业务标签之间的映射关系，获取交易商品或商家名称或其他交易信息对应的商品标签，将商品标签作为交易业务信息对应的业务标签。
本说明书实施例提供的方法，针对交易业务信息，提供了交易业务信息对应的业务标签的获取方法，可以根据交易业务信息中的交易因子信息准确的定位出用户提交提问信息时，对应的业务类型，为后续用户提问意图的定位提供了准确的数据基础。
图5是本说明书又一个实施例中智能问答数据处理流程示意图，如图5所示，本说明书中智能问答数据处理方法还可以包括：
步骤501)、接收用户提交的提问信息。
步骤502)、判断是否属于交易业务场景。若是则执行步骤503)，若否则执行513)。可以根据用户提交的提问信息中的业务信息判断是否是交易业务场景，如可以根据业务信息对应的场景码进行判断，具体可以参考上述实施例的方法，此处不再赘述。
步骤503)、提取交易因子信息。交易因子信息的具体内容可以参考上述实施例的介绍，此处不再赘述。
步骤504)、判断交易因子信息提取是否成功。若是则执行步骤505)，否则，执行513)。
步骤505)、根据交易因子信息和标签数据库，获取交易场景信息对应的业务标签。
步骤506)、获取提问信息中的提问内容信息对应的知识点信息，根据知识点信息和标签数据库获取知识点信息对应的内容标签。
步骤507)、将业务标签和内容标签进行匹配，保留与业务标签相同的内容标签对应的知识点信息。
步骤508)、将保留的知识点信息与提问内容信息进行相关性分析，获取保留的知识点信息的相关性分数。
步骤509)、判断保留的知识点信息的相关性分数是否满足相关性要求，若是，则执行步骤510)，否则，执行步骤512)。
步骤510)、选择相关性分数排名在预设名次内的知识点信息作为目标知识点信息。
步骤511)、根据目标知识点信息和提问内容信息，确定用户提交的提问信息的应答信息。
步骤512)、获取提问内容信息对应的所有知识点信息与提问内容信息的相关系分数，返回步骤510)。
步骤513)、正常问答匹配流程。正常问答流程可以包括智能问答平台根据用户提交的提问信息与用户进行问答交互以定位用户的意图，利用搜索引擎等为用户输出应答信息。
图6(a)-6(c)是本说明书实施例中智能问答数据处理的效果示意图，如图6(a)-6(c)所示，用户提交的提问信息都比较简单、模糊，例如，仅仅依靠用户提交的“到账慢”，无法知道用户针对的是转账到账、收益到账、提现到账等等，仅依靠“充值错误”也无法判断用户针对的是话费充值、一卡通充值、还是支付宝充值等等，依靠“怎么取消”也无法判断是取消订单、取消付款、取消收款等。本说明书实施例根据用户的行为轨迹，可以获得用户提交的提问信息中的业务信息，如：图6(a)中用户的行为轨迹是：访问账单-查看体现账单-机器人提问，可以获得用户提交的提问信息中的业务信息为“提现”，可以看出，用户提交的“到账慢”提问信息，智能问答系统输出的都是“提现”相关业务，用户可以直接点击自己需要的业务获得对应的答案。同样的，图6(b)中根据用户的行为轨迹获得的业务信息为“话费充值”，则对于“充值错误”的提问内容，输出的都是“手机话费充值”相关业务。图6(c)中根据用户的行为轨迹获得的业务信息为“个人收款”，则对于“怎么取消”的提问内容，输出的是如何取消收款的应答信息。可以看出，本说明书实施例中依靠业务标签TagID标签识别技术，可以精确定位用户问题业务类别。
本说明书实施例根据用户提交的提问信息，根据用户的行为轨迹，获取提问信息中的交易因子信息，并基于交易因子信息获取提问信息对应的业务标签。业务标签可以定位出用户提交提问信息时所处的业务场景，结合提问信息中的提问内容信息对应的内容标签，可以对用户的问题进行准确的定位，避免了需要经过多次的交互定位用户提问的意图，提高了智能问答数据处理的效率和准确性。
本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
基于上述所述的智能问答数据处理方法，本说明书一个或多个实施例还提供一种智能问答数据处理装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
具体地，图7是本说明书提供的智能问答数据处理装置一个实施例的模块结构示意图，如图7所示，本说明书中提供的智能问答数据处理装置包括：提问信息获取模块71、业务标签获取模块72、应答信息确定模块73，其中：
提问信息获取模块71，可以用于接收提问信息，所述提问信息包括：提问内容信息、业务信息；
业务标签获取模块72，可以用于将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；
应答信息确定模块73，可以用于根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
本说明书实施例提供的智能问答数据处理装置，在接收到用户提交的提问信息后，根据提问信息中的业务信息，获取用户提交的提问信息对应的业务标签，基于业务标签和用户提交的具体的提问内容信息为用户匹配对应的应答信息。业务标签可以表示用户提交的提问信息对应的业务场景，可以一定程度上反映出用户提交提问信息时对应的背景。基于业务标签和提问信息内容，可以更准确的定位出用户提问的意图，实现了智能问答中对用户提问的准确定位，可以不需要用户与智能问答系统进行多余的交互，提高了智能问答数据处理的效率和准确性。
图8是本说明书又一个实施例提供的智能问答数据处理装置的模块结构示意图，如图8所示，在上述实施例的基础上，所述装置还包括：
知识点信息获取模块81，可以用于获取所述提问内容信息对应的知识点信息；
内容标签获取模块82，可以用于将所述知识点信息与所述标签数据库进行匹配，获取所述知识点信息对应的内容标签；
相应地，所述应答信息确定模块73包括：
标签匹配单元731，可以用于将所述内容标签与所述业务标签进行匹配，获取满足预设要求的内容标签对应的筛选知识点信息；
应答信息确定单元732，可以用于根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息。
本说明书实施例提供的智能问答数据处理装置，通过将用户提交的提问信息的业务信息、提问内容信息分别进行标签匹配，并将获得的业务标签和内容标签进行匹配对比，获得满足预设要求的内容标签对应的知识点信息，基于保留的知识点信息和提问内容信息为用户提供应答信息。结合了用户提交提问信息时的背景对应的业务类型，以及提问内容对应的业务类型，综合分析为用户提交的提问信息进行定位。提高了智能问答数据处理结果的准确性，避免了智能问答系统与用户多次交互，提高了智能问答数据处理的效率。
在上述实施例的基础上，所述应答信息确定单元具体用于：
分别确定所述筛选知识点信息和所述提问内容信息之间的相关性；
将相关性满足预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
本说明书实施例提供的智能问答数据处理装置，通过将用户提交的提问信息的业务信息、提问内容信息分别进行标签匹配，并将获得的业务标签和内容标签进行匹配对比，获得满足预设要求的内容标签对应的知识点信息，基于保留的知识点信息和提问内容信息为用户提供应答信息。结合了用户提交提问信息时的背景对应的业务类型，以及提问内容对应的业务类型，综合分析为用户提交的提问信息进行定位。提高了智能问答数据处理结果的准确性，避免了智能问答系统与用户多次交互，提高了智能问答数据处理的效率。
在上述实施例的基础上，所述应答信息确定单元还用于：
若所述筛选知识点信息均不满足所述预设相关性条件，则分别获取所述提问内容信息对应的所有知识点信息与所述提问内容信息之间的相关性，选择相关性满足所述预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
本说明书实施例，通过将提问内容信息对应的知识点进行两次筛选，提高了对用户提问定位的准确性，进一步提高了智能问答数据处理的准确性，同时，基于用户提问的业务信息、提问内容信息共同对用户提问进行定位，可以减少与用户的交互次数，提高了智能问答数据处理的效率，进一步提高了用户体验。
在上述实施例的基础上，所述业务标签获取模块用于采用层次聚类法进行建立所述标签数据库。
在上述实施例的基础上，所述业务标签获取模块具体用于：
在利用层次聚类法建立所述标签数据库时，利用提问信息样本的文本相似度特征的加权平均值计算所述提问信息样本之间的距离，所述文本相似度特征包括：语句间杰卡德距离、句向量距离、词向量距离。
本说明书实施例，基于层次聚类法构建标签数据库，方法简单，标签覆盖范围比较全面，为后续业务标签的识别提供了准确的数据基础。
在上述实施例的基础上，所述业务标签获取模块具体用于：
判断所述业务信息是否是交易业务信息，若是，则提取所述交易业务信息对应的交易因子信息，所述交易因子信息包括：交易对象标识、交易类型、交易商品名称；
利用所述标签数据库，基于交易对象标识与业务标签之间的映射关系，获取所述交易因子信息中的交易对象标识对应的交易对象标签；
和/或，利用所述标签数据库，基于交易类型与业务标签之间的映射关系，获取所述交易因子信息中的交易类型对应的类型标签；
和/或，利用所述标签数据库，基于运营规则与业务标签之间的映射关系，获取所述交易因子信息中的交易商品对应的商品标签；
根据所述交易对象标签、所述类型标签、所述商品标签中的至少一种确定所述交易业务信息对应的业务标签。
本说明书实施例，针对交易业务信息，提供了交易业务信息对应的业务标签的获取方法，可以根据交易业务信息中的交易因子信息准确的定位出用户提交提问信息时，对应的业务类型，为后续用户提问意图的定位提供了准确的数据基础。
在上述实施例的基础上，所述提问信息获取模块还用于：
获取客户端的设备监测信息；
根据所述设备检测信息，获取所述客户端对应的用户的行为轨迹；
根据所述行为轨迹获取所述业务信息。
本说明书实施例，基于用户的行为轨迹，可以准确的定位用户提交提问信息时的业务场景，为后续用户提问的准确定位提供了理论基础。
需要说明书的是，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
本说明书一个实施例中，还可以提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时，实现上述实施例中视频数据的处理方法，例如可以实现如下方法：
接收提问信息，所述提问信息包括：提问内容信息、业务信息；
将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；
根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。
本说明书实施例提供的上述智能问答数据处理方法或装置可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在PC端实现、linux系统实现，或其他例如使用android、iOS系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。本说明书提供的一种智能问答数据处理系统的一个实施例中，图9是本说明书提供的一种智能问答数据处理系统实施例的模块结构示意图，如图9所示，本说明书实施例提供的智能问答数据处理系统可以包括处理器91以及用于存储处理器可执行指令的存储器92，
处理器91和存储器92通过总线93完成相互间的通信；
所述处理器91用于调用所述存储器92中的程序指令，以执行上述各地震数据处理方法实施例所提供的方法，例如包括：接收提问信息，所述提问信息包括：提问内容信息、业务信息；将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机数据处理和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本发明是参照根据本发明实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。

Claims (18)

1.一种智能问答数据处理方法，包括：
接收提问信息，所述提问信息包括：提问内容信息、业务信息；
将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；
根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
2.如权利要求1所述的方法，所述方法还包括：
获取所述提问内容信息对应的知识点信息；
将所述知识点信息与所述标签数据库进行匹配，获取所述知识点信息对应的内容标签；
相应地，所述根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息，包括：
将所述内容标签与所述业务标签进行匹配，获取满足预设要求的内容标签对应的筛选知识点信息；
根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息。
3.如权利要求2所述的方法，所述根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息，包括：
分别确定所述筛选知识点信息和所述提问内容信息之间的相关性；
将相关性满足预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
4.如权利要求3所述的方法，所述方法还包括：
若所述筛选知识点信息均不满足所述预设相关性条件，则分别获取所述提问内容信息对应的所有知识点信息与所述提问内容信息之间的相关性，选择相关性满足所述预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
5.如权利要求1所述的方法，所述标签数据库采用层次聚类法进行建立。
6.如权利要求5所述的方法，在利用层次聚类法建立所述标签数据库时，所述方法还包括：
利用提问信息样本的文本相似度特征的加权平均值计算所述提问信息样本之间的距离，所述文本相似度特征包括：语句间杰卡德距离、句向量距离、词向量距离。
7.如权利要求1所述的方法，所述将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签，包括：
判断所述业务信息是否是交易业务信息，若是，则提取所述交易业务信息对应的交易因子信息，所述交易因子信息包括：交易对象标识、交易类型、交易商品名称；
利用所述标签数据库，基于交易对象标识与业务标签之间的映射关系，获取所述交易因子信息中的交易对象标识对应的交易对象标签；
和/或，利用所述标签数据库，基于交易类型与业务标签之间的映射关系，获取所述交易因子信息中的交易类型对应的类型标签；
和/或，利用所述标签数据库，基于运营规则与业务标签之间的映射关系，获取所述交易因子信息中的交易商品对应的商品标签；
根据所述交易对象标签、所述类型标签、所述商品标签中的至少一种确定所述交易业务信息对应的业务标签。
8.如权利要求1-7任一项所述的方法，所述业务信息的获取方法包括：
获取客户端的设备监测信息；
根据所述设备检测信息，获取所述客户端对应的用户的行为轨迹；
根据所述行为轨迹获取所述业务信息。
9.一种智能问答数据处理装置，包括：
提问信息获取模块，用于接收提问信息，所述提问信息包括：提问内容信息、业务信息；
业务标签获取模块，用于将所述业务信息与建立的标签数据库进行匹配，获取所述业务信息对应的业务标签；
应答信息确定模块，用于根据所述业务标签和所述提问内容信息，确定出所述提问信息对应的应答信息。
10.如权利要求9所述的装置，所述装置还包括：
知识点信息获取模块，用于获取所述提问内容信息对应的知识点信息；
内容标签获取模块，用于将所述知识点信息与所述标签数据库进行匹配，获取所述知识点信息对应的内容标签；
相应地，所述应答信息确定模块包括：
标签匹配单元，用于将所述内容标签与所述业务标签进行匹配，获取满足预设要求的内容标签对应的筛选知识点信息；
应答信息确定单元，用于根据所述提问内容信息、所述筛选知识点信息，确定出所述提问信息对应的应答信息。
11.如权利要求10所述的装置，所述应答信息确定单元具体用于：
分别确定所述筛选知识点信息和所述提问内容信息之间的相关性；
将相关性满足预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
12.如权利要求11所述的装置，所述应答信息确定单元还用于：
若所述筛选知识点信息均不满足所述预设相关性条件，则分别获取所述提问内容信息对应的所有知识点信息与所述提问内容信息之间的相关性，选择相关性满足所述预设相关性条件的知识点信息作为目标知识点信息；
根据所述目标知识点信息、所述提问内容信息，确定所述提问信息对应的应答信息。
13.如权利要求9所述的装置，所述业务标签获取模块用于采用层次聚类法进行建立所述标签数据库。
14.如权利要求13所述的装置，所述业务标签获取模块具体用于：
在利用层次聚类法建立所述标签数据库时，利用提问信息样本的文本相似度特征的加权平均值计算所述提问信息样本之间的距离，所述文本相似度特征包括：语句间杰卡德距离、句向量距离、词向量距离。
15.如权利要求9所述的装置，所述业务标签获取模块具体用于：
判断所述业务信息是否是交易业务信息，若是，则提取所述交易业务信息对应的交易因子信息，所述交易因子信息包括：交易对象标识、交易类型、交易商品名称；
利用所述标签数据库，基于交易对象标识与业务标签之间的映射关系，获取所述交易因子信息中的交易对象标识对应的交易对象标签；
和/或，利用所述标签数据库，基于交易类型与业务标签之间的映射关系，获取所述交易因子信息中的交易类型对应的类型标签；
和/或，利用所述标签数据库，基于运营规则与业务标签之间的映射关系，获取所述交易因子信息中的交易商品对应的商品标签；
根据所述交易对象标签、所述类型标签、所述商品标签中的至少一种确定所述交易业务信息对应的业务标签。
16.如权利要求9-15任一项所述的装置，所述提问信息获取模块还用于：
获取客户端的设备监测信息；
根据所述设备检测信息，获取所述客户端对应的用户的行为轨迹；
根据所述行为轨迹获取所述业务信息。
17.一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时，实现权利要求1-8任一项所述的方法。
18.一种智能问答数据处理系统，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-8任一项所述的方法。
CN201810686605.9A 2018-06-28 2018-06-28 一种智能问答数据处理方法及装置 Pending CN108984658A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810686605.9A CN108984658A (zh) 2018-06-28 2018-06-28 一种智能问答数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810686605.9A CN108984658A (zh) 2018-06-28 2018-06-28 一种智能问答数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN108984658A true CN108984658A (zh) 2018-12-11

Family

ID=64539331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810686605.9A Pending CN108984658A (zh) 2018-06-28 2018-06-28 一种智能问答数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN108984658A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109710818A (zh) * 2018-12-28 2019-05-03 咪咕文化科技有限公司 答案权重的确定方法、答案确定方法、装置和存储介质
CN110046234A (zh) * 2019-02-12 2019-07-23 阿里巴巴集团控股有限公司 问答模型优化方法及装置、问答机器人系统
CN110147499A (zh) * 2019-05-21 2019-08-20 智者四海（北京）技术有限公司 打标签方法、推荐方法及记录介质
CN110222167A (zh) * 2019-07-03 2019-09-10 阿里巴巴集团控股有限公司 一种获取目标标准信息的方法和系统
CN110263128A (zh) * 2019-06-24 2019-09-20 百度在线网络技术（北京）有限公司 交互问答的方法、装置及计算机可读存储介质
CN110795546A (zh) * 2019-09-12 2020-02-14 易谷网络科技股份有限公司 一种基于智能客服的收敛方法、装置及电子设备
CN111652671A (zh) * 2020-04-24 2020-09-11 青岛檬豆网络科技有限公司 一种适合买方市场环境的采购商城及其采购方法
CN112883244A (zh) * 2021-02-05 2021-06-01 深圳点猫科技有限公司 一种在线课程互动答疑实现方法、装置及设备
CN113096657A (zh) * 2021-03-30 2021-07-09 西安云湾科技有限公司 一种基于物联网产品的智能交互系统和方法
CN114297357A (zh) * 2021-12-27 2022-04-08 北京中科闻歌科技股份有限公司 一种基于量子计算的问答模型构建方法、装置及电子设备

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130205336A1 (en) * 2012-02-06 2013-08-08 Oohly, Llc System and method for real-time marketing using conventional scene / timing metadata-embedded video
CN105023214A (zh) * 2015-07-17 2015-11-04 蓝舰信息科技南京有限公司 一种题目知识点智能推荐方法
CN105608221A (zh) * 2016-01-11 2016-05-25 北京光年无限科技有限公司 一种面向问答系统的自学习方法和装置
CN105989084A (zh) * 2015-02-11 2016-10-05 阿里巴巴集团控股有限公司 一种回复问题的方法和设备
CN105989088A (zh) * 2015-02-12 2016-10-05 马正方 数字化环境下的学习装置
CN106294341A (zh) * 2015-05-12 2017-01-04 阿里巴巴集团控股有限公司 一种智能问答系统及其主题判别方法和装置
CN106445905A (zh) * 2015-08-04 2017-02-22 阿里巴巴集团控股有限公司 问答数据处理、自动问答方法及装置
CN106844735A (zh) * 2017-02-13 2017-06-13 长沙军鸽软件有限公司 一种自动建立个人专属语料库的方法
CN107679082A (zh) * 2017-08-31 2018-02-09 阿里巴巴集团控股有限公司 问答搜索方法、装置以及电子设备
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
CN107885842A (zh) * 2017-11-10 2018-04-06 上海智臻智能网络科技股份有限公司 智能问答的方法、装置、服务器及存储介质
CN107967254A (zh) * 2017-10-31 2018-04-27 科大讯飞股份有限公司 知识点预测方法及装置、存储介质、电子设备
CN108052605A (zh) * 2017-12-13 2018-05-18 广州佰聆数据股份有限公司 一种基于客户特征库的智能问答系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130205336A1 (en) * 2012-02-06 2013-08-08 Oohly, Llc System and method for real-time marketing using conventional scene / timing metadata-embedded video
CN105989084A (zh) * 2015-02-11 2016-10-05 阿里巴巴集团控股有限公司 一种回复问题的方法和设备
CN105989088A (zh) * 2015-02-12 2016-10-05 马正方 数字化环境下的学习装置
CN106294341A (zh) * 2015-05-12 2017-01-04 阿里巴巴集团控股有限公司 一种智能问答系统及其主题判别方法和装置
CN105023214A (zh) * 2015-07-17 2015-11-04 蓝舰信息科技南京有限公司 一种题目知识点智能推荐方法
CN106445905A (zh) * 2015-08-04 2017-02-22 阿里巴巴集团控股有限公司 问答数据处理、自动问答方法及装置
CN105608221A (zh) * 2016-01-11 2016-05-25 北京光年无限科技有限公司 一种面向问答系统的自学习方法和装置
CN106844735A (zh) * 2017-02-13 2017-06-13 长沙军鸽软件有限公司 一种自动建立个人专属语料库的方法
CN107679082A (zh) * 2017-08-31 2018-02-09 阿里巴巴集团控股有限公司 问答搜索方法、装置以及电子设备
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
CN107967254A (zh) * 2017-10-31 2018-04-27 科大讯飞股份有限公司 知识点预测方法及装置、存储介质、电子设备
CN107885842A (zh) * 2017-11-10 2018-04-06 上海智臻智能网络科技股份有限公司 智能问答的方法、装置、服务器及存储介质
CN108052605A (zh) * 2017-12-13 2018-05-18 广州佰聆数据股份有限公司 一种基于客户特征库的智能问答系统

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109710818A (zh) * 2018-12-28 2019-05-03 咪咕文化科技有限公司 答案权重的确定方法、答案确定方法、装置和存储介质
CN110046234B (zh) * 2019-02-12 2023-03-14 创新先进技术有限公司 问答模型优化方法及装置、问答机器人系统
CN110046234A (zh) * 2019-02-12 2019-07-23 阿里巴巴集团控股有限公司 问答模型优化方法及装置、问答机器人系统
CN110147499A (zh) * 2019-05-21 2019-08-20 智者四海（北京）技术有限公司 打标签方法、推荐方法及记录介质
CN110263128A (zh) * 2019-06-24 2019-09-20 百度在线网络技术（北京）有限公司 交互问答的方法、装置及计算机可读存储介质
CN110222167A (zh) * 2019-07-03 2019-09-10 阿里巴巴集团控股有限公司 一种获取目标标准信息的方法和系统
CN110222167B (zh) * 2019-07-03 2023-04-07 创新先进技术有限公司 一种获取目标标准信息的方法和系统
CN110795546A (zh) * 2019-09-12 2020-02-14 易谷网络科技股份有限公司 一种基于智能客服的收敛方法、装置及电子设备
CN111652671A (zh) * 2020-04-24 2020-09-11 青岛檬豆网络科技有限公司 一种适合买方市场环境的采购商城及其采购方法
CN112883244A (zh) * 2021-02-05 2021-06-01 深圳点猫科技有限公司 一种在线课程互动答疑实现方法、装置及设备
CN113096657A (zh) * 2021-03-30 2021-07-09 西安云湾科技有限公司 一种基于物联网产品的智能交互系统和方法
CN114297357A (zh) * 2021-12-27 2022-04-08 北京中科闻歌科技股份有限公司 一种基于量子计算的问答模型构建方法、装置及电子设备
CN114297357B (zh) * 2021-12-27 2022-08-19 北京中科闻歌科技股份有限公司 一种基于量子计算的问答模型构建方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN108984658A (zh) 一种智能问答数据处理方法及装置
CN110413877A (zh) 一种资源推荐方法、装置及电子设备
CN109934619A (zh) 用户画像标签建模方法、装置、电子设备及可读存储介质
CN110532479A (zh) 一种信息推荐方法、装置及设备
CN110335115A (zh) 一种业务订单处理方法及装置
CN108734479A (zh) 保险欺诈识别的数据处理方法、装置、设备及服务器
CN109690529A (zh) 按事件将文档编译到时间线中
CN107993085A (zh) 模型训练方法、基于模型的用户行为预测方法及装置
CN110325983A (zh) 图像检索装置和图像检索方法
CN103534697B (zh) 用于提供统计对话管理器训练的方法和系统
US10909606B2 (en) Real-time in-venue cognitive recommendations to user based on user behavior
CN107679082A (zh) 问答搜索方法、装置以及电子设备
CN110490625A (zh) 用户偏好确定方法及装置、电子设备、存储介质
CN106202088A (zh) 一种匹配业务场景的方法和系统
CN108256537A (zh) 一种用户性别预测方法和系统
CN108346107A (zh) 一种社交内容风险识别方法、装置以及设备
CN109213859A (zh) 一种文本检测方法、装置及系统
CN107978189A (zh) 一种习题的智能推送方法、系统及终端设备
CN110457578A (zh) 一种客服服务需求识别方法及装置
CN108665158A (zh) 一种训练风控模型的方法、装置及设备
CN107885856A (zh) 一种页面展示方法和装置
CN112632379A (zh) 路线推荐方法、装置、电子设备和存储介质
Ozcan et al. Technology roadmapping using text mining: A foresight study for the retail industry
JPWO2018142753A1 (ja) ディープラーニングを用いる情報処理装置、情報処理方法及び情報処理プログラム
CN109739965A (zh) 跨领域对话策略的迁移方法及装置、设备、可读存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: Greater Cayman, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20181211

RJ01 Rejection of invention patent application after publication