CN109063152A - 智能问答方法、装置及智能终端 - Google Patents

Abstract

本发明提供了一种智能问答方法、装置及智能终端，涉及智能问答技术领域，该方法由智能终端执行，包括：获取当前用户输入的问题；对问题进行语义理解，得到语义理解结果；根据语义理解结果，判断问题是否属于预设知识库的问答集合；如果是，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案；通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题；将目标答案与关联问题显示在智能终端的显示界面上。本发明能够有效提高回答问题的深度，提升了回答问题的准确率，从而较好地提升用户体验度。

Description

智能问答方法、装置及智能终端

技术领域

本发明涉及智能问答技术领域，尤其是涉及一种智能问答方法、装置及智能终端。

背景技术

目前的智能问答系统，主要包括通用型智能问答系统和业务型智能问答系统，通用型智能问答系统以内容为基础，对内容进行建模，为了适应通用型，重视内容的广度而牺牲了深度，不能回答较有深度的问题，对于专业领域回答的准确率难以达到用户满意的水平。业务型智能问答系统需要对每个用户进行建模并且提取用户的业务流程和访客路径，目的是帮助用户解决业务流程中的问题，而不是提供较有深度的知识，回答问题的准确率不高，致使用户体验度不佳。

发明内容

有鉴于此，本发明的目的在于提供一种智能问答方法、装置及智能终端，能够有效提高回答问题的深度，提升了回答问题的准确率，从而较好地提升用户体验度。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种智能问答方法，该方法由智能终端执行，包括：获取当前用户输入的问题；对问题进行语义理解，得到语义理解结果；其中，语义理解结果包括问题的一个或多个关键词；根据语义理解结果，判断问题是否属于预设知识库的问答集合；如果是，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案；通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题；将目标答案与关联问题显示在智能终端的显示界面上。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，根据语义理解结果，判断问题是否属于预设知识库的问答集合的步骤，包括：对关键词进行向量化处理，生成词向量模型；根据预设知识库中已构建的领域分类模型对词向量模型进行领域分类，判断词向量模型的领域类别是否属于知识库中的已有领域类别；如果是，确定问题属于知识库的问答集合。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述方法还包括：如果问题不属于知识库的问答集合，在显示界面上显示提示框和留言框；其中，提示框用于向用户提示无法告知问题；留言框用于接收用户的反馈信息；当通过留言框获取到用户的反馈信息时，根据反馈信息对匹配算法进行优化。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题的步骤，包括：通过匹配算法将问题与问答集合中的问题进行匹配，得到问题与问题集合中的各问题之间的匹配度；将问题集合中匹配度最高的问题确定为与问题匹配的目标问题。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，对问题进行语义理解的步骤之前，方法还包括：判断用户的问题输入方式是语音输入还是文本输入；如果当前用户的问题输入方式为语音输入，确定问题为语音格式；将问题从语音格式转换为文本格式。

第二方面，本发明实施例还提供一种智能问答装置，该装置包括：获取模块，用于获取当前用户输入的问题；语义理解模块，用于对问题进行语义理解，得到语义理解结果；其中，语义理解结果包括问题的一个或多个关键词；判断模块，用于根据语义理解结果，判断问题是否属于预设知识库的问答集合；匹配模块，用于如果问题属于预设知识库的问答集合，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案；筛选模块，用于通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题；显示模块，用于将目标答案与关联问题显示在智能终端的显示界面上。

第三方面，本发明实施例提供了一种智能终端，智能终端包括处理器和存储器；存储器上存储有计算机程序，计算机程序在被处理器运行时执行如第一方面至第一方面的第四种可能的实施方式任一项的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述第一方面至第一方面的第四种可能的实施方式任一项的方法的步骤。

本发明实施例提供了一种智能问答方法、装置及智能终端，通过获取当前用户输入的问题，对问题进行语义理解，得到语义理解结果，并根据语义理解结果，判断问题是否属于预设知识库的问答集合，如果是，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案，从而通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题，进而将目标答案与关联问题显示在智能终端的显示界面上。本发明实施例提供的智能问答方法是结合关联问题，对用户输入的问题进行回答的，能够有效提高回答问题的深度，提升了回答问题的准确率，从而较好地提升用户体验度。

本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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示出了本发明实施例所提供的一种智能问答方法的流程图；

图2示出了本发明实施例所提供的另一种智能问答方法的流程图；

图3示出了本发明实施例所提供的一种智能问答装置的结构框图；

图4示出了本发明实施例所提供的一种智能终端的结构示意图。

具体实施方式

为使本发明实施例的目的、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。

考虑到现有智能问答系统对用户输入的问题的回答深度不高，本发明实施例提供了一种智能问答方法、装置及智能终端，能够对用户输入的问题进行较有深度的回答，以下对本发明实施例进行详细介绍。

参见图1所示的一种智能问答方法的流程图，该方法可以由诸如计算机、服务器等智能终端执行，该方法包括以下步骤：

步骤S102，获取当前用户输入的问题。

当前用户输入的问题可以是语音格式也可以是文本格式，若用户输入的问题为语音格式，则可以将语音格式转换为文本格式。

步骤S104，对问题进行语义理解，得到语义理解结果；其中，语义理解结果包括问题的一个或多个关键词。

如对当前用户输入的问题“北京的社保卡需要怎么领”进行语义理解，可以得到关键词“北京”、“社保卡”和“领”，语义理解结果中包括这些关键词。

步骤S106，根据语义理解结果，判断问题是否属于预设知识库的问答集合。

问答集合中有多个问题且每个问题对应有一个答案，这些问题可能属于多个领域。在一种实施方式中，可以是通过已构建的向量化处理模型对关键词进行向量化处理生成词向量模型，根据预设知识库中已构建的领域分类模型对词向量模型进行领域分类，判断词向量模型的领域类别是否属于知识库中的已有领域类别，已有领域类别即问答集合中的所有问题对应的不同领域类别，如果是，确定问题属于预设知识库的问答集合，如果否，说明问题不属于预设知识库的问答集合，可以在显示界面上显示提示框和留言框，提示框用于向用户提示无法告知问题，留言框用于接收用户的反馈信息。

步骤S108，如果是，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案。

匹配算法将问题与问答集合中的问题进行匹配可以是通过词向量模型的匹配确定与问题匹配的目标问题，和问答集合中的不同问题匹配时一般有不同的匹配度，如对获取的问题“北京的社保卡怎么补办”，得到关键词“北京”、“社保卡”和“领”，并对应有关键词的词向量模型，若问题集合中的第一个问题“北京社保卡如何补办”，第二个问题“北京社保卡如何领取”，由于获取的问题中的关键词在第一个问题中有两个，而在第二个问题中有三个，则获取的问题和问答集合中的这两个问题的匹配度肯定是不相同的，可以确定第二个问题基本完全匹配，匹配度最高，则可以将第二个问题作为目标问题。由于知识库的问答集合中每个问题都对应有一个答案，因此确定目标问题后，目标答案即可确定，目标问题对应的答案即为目标答案。

步骤S110，通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题。

根据判断出的问题所属领域并根据历史行为数据即根据获取的用户之前输入的问题和用户反馈的问题，通过协同过滤算法确定当前用户输入的问题和知识库的问题集合中的问题的关联度，筛选出与问题达到预设关联度的关联问题。如对获取的问题“北京的社保卡怎么领”，根据判断出的问题属于社保领域并根据之前获取的社保领域的问题及相关反馈信息，筛选出关联问题，若问题集合中的一个问题“北京社保卡如何领取”达到了预设关联度，则此问题可以作为关联问题，关联问题可能不仅一个，达到预设关联度的问题均筛选出作为关联问题。

步骤S112，将目标答案与关联问题显示在智能终端的显示界面上。

目标答案与关联问题可以是以文本格式显示在智能终端的显示界面上，便于用户直接看到想要的信息，也可以附加语音格式让用户选择。

本发明实施例提供的上述智能问答方法，通过获取当前用户输入的问题，对问题进行语义理解，得到语义理解结果，并根据语义理解结果，判断问题是否属于预设知识库的问答集合，如果是，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案，从而通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题，进而将目标答案与关联问题显示在智能终端的显示界面上。本发明实施例提供的智能问答方法是结合关联问题，对用户输入的问题进行回答的，能够有效提高回答问题的深度，提升了回答问题的准确率，从而较好地提升用户体验度。

为便于理解，以下给出基于本实施例提供的智能问答方法的一种具体实施方式，参见图2所示的另一种智能问答方法的流程图，该方法包括以下步骤：

步骤S202，获取当前用户输入的问题。

步骤S204，判断用户的问题输入方式是否为语音输入。如果是，执行步骤S206；如果否，执行步骤S208。

一般用户的问题输入方式为语音输入和文本输入两种输入方式。

步骤S206，确定问题为语音格式并将问题从语音格式转换为文本格式。

可以通过语音识别程序将语音转换为文本，即可以将用户输入的语音格式的问题转换为文本格式的问题。

步骤S208，确定问题为文本格式。

若判断用户输入的问题不是语音格式，则确定问题为文本格式，在智能问答中，一般默认问题的输入方式不是语音格式则是文本格式。

步骤S210，对问题进行语义理解，得到语义理解结果；其中，语义理解结果包括问题的一个或多个关键词。

如对当前用户输入的问题“北京的社保卡怎么用”进行语义理解，可以得到关键词“北京”、“社保卡”和“怎么用”，语义理解结果中包括这些关键词。

步骤S212，对关键词进行向量化处理，生成词向量模型。

在具体实施时，可以通过已构建的向量化处理模型对关键词进行向量化处理，把文本格式的关键词转化为数据矩阵，即生成词向量模型。

步骤S214，根据预设知识库中已构建的领域分类模型对词向量模型进行领域分类，判断词向量模型的领域类别是否属于知识库中的已有领域类别；如果是，执行步骤S216；如果否，执行步骤S226。

如对获取的问题“北京的社保卡怎么用”，通过语义理解得到了关键词“北京”、“社保卡”和“怎么用”，并对这些关键词进行向量化处理得到了对应的词向量模型，根据领域分类模型判断出词向量模型属于社保领域，进而判断社保领域是否属于知识库中的已有领域类别。

步骤S216，确定问题属于知识库的问答集合。

知识库的已有领域类别是根据知识库中的问答集合确定的，即知识库的已有领域是根据知识库的问答集合中的每一个问题以及对应的答案进行领域分类的，也即问答集合中所有问题所在的领域形成了知识库的已有领域。如果上述判断出的社保领域属于知识库中的已有领域类别，则说明知识库的问答集合中一定有社保领域的问题以及对应的答案，确定获取的当前用户输入的问题属于知识库的问答集合。

步骤S218，通过匹配算法将问题与问答集合中的问题进行匹配，得到问题与问题集合中的各问题之间的匹配度。

匹配算法将问题与问答集合中的问题进行匹配可以是通过词向量模型的匹配确定与问题匹配的目标问题，和问答集合中的问题匹配时有匹配度且不同的问题一般有不同的匹配度，如对获取的问题“北京的社保卡怎么补办”，得到关键词“北京”、“社保卡”和“怎么用”，并对应有关键词的词向量模型，若问题集合中的第一个问题“北京社保卡如何使用”，第二个问题“北京社保卡如何补办”，由于获取的问题中的关键词在第一个问题中有三个，而在第二个问题中有两个，则获取的问题和问答集合中的这两个问题的匹配度肯定是不相同的，可以确定第一个问题基本完全匹配，匹配度最高，则可以将第一个问题作为目标问题。

步骤S220，将问题集合中匹配度最高的问题确定为与问题匹配的目标问题，并确定与目标问题对应的目标答案。

若问题集合中存在两个及以上问题的匹配度相同且匹配度最高，则这些匹配度最高的问题均作为目标问题。由于知识库的问答集合中每个问题都对应有一个答案，因此确定目标问题后，目标问题对应的答案即为目标答案。

步骤S222，通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题。

根据判断出的问题所属领域并根据历史行为数据即根据获取的用户之前输入的问题和用户反馈的问题，通过协同过滤算法确定当前用户输入的问题和知识库的问题集合中的问题的关联度，筛选出与问题达到预设关联度的关联问题。如对获取的问题“北京的社保卡怎么用”，根据判断出的问题属于社保领域并根据之前获取的社保领域的问题及相关反馈信息，筛选出关联问题，若问题集合中的一个问题“北京社保卡如何补办”达到了预设关联度，则此问题可以作为关联问题，关联问题可能不仅一个，达到预设关联度的问题均筛选出作为关联问题。

步骤S224，将目标答案与关联问题显示在智能终端的显示界面上。

目标答案与关联问题可以是以文本格式显示在智能终端的显示界面上，也可以附加语音格式。

步骤S226，在显示界面上显示提示框和留言框；其中，提示框用于向用户提示无法告知问题；留言框用于接收用户的反馈信息。

提示框中有提示信息，提示信息可以是以文本格式和语音格式中的至少一种格式向用户提示无法告知问题，留言框用于接收用户的反馈信息，反馈信息可以是语音格式也可以是文本格式。

步骤S228，当通过留言框获取到用户的反馈信息时，根据反馈信息对匹配算法进行优化。

具体的，若反馈信息是用户在留言框反馈的想要获得答案的问题和/或对应的关联问题，则根据这些问题对匹配算法进行优化。

综上所述，采用本实施例提供的上述智能问答方法，通过对关键词进行向量化处理生成词向量模型，并对词向量模型进行领域分类，从而判断词向量模型的领域类别是否属于知识库中的已有领域类别，如果是，根据匹配算法确定与问题匹配的目标问题以及与目标问题对应的目标答案，并根据协同过滤算法筛选出与问题达到预设关联度的关联问题，进而将目标答案与关联问题显示在智能终端的显示界面上，能够有效提高回答问题的深度，提升了回答问题的准确率，从而较好地提升用户体验度。

对应于前述智能问答方法，本发明实施例提供了一种智能问答装置，参见图3示出的一种智能问答装置的结构框图，该装置包括以下模块：

获取模块302，用于获取当前用户输入的问题；

语义理解模块304，用于对问题进行语义理解，得到语义理解结果；其中，语义理解结果包括问题的一个或多个关键词；

判断模块306，用于根据语义理解结果，判断问题是否属于预设知识库的问答集合；

匹配模块308，用于如果问题属于预设知识库的问答集合，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案；

筛选模块310，用于通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题；

显示模块312，用于将目标答案与关联问题显示在智能终端的显示界面上。

本发明实施例提供的上述智能问答装置，通过获取当前用户输入的问题，对问题进行语义理解，得到语义理解结果，并根据语义理解结果，判断问题是否属于预设知识库的问答集合，如果是，通过匹配算法将问题与问答集合中的问题进行匹配，确定与问题匹配的目标问题，以及与目标问题对应的目标答案，从而通过协同过滤算法从问答集合中筛选出与问题达到预设关联度的关联问题，进而将目标答案与关联问题显示在智能终端的显示界面上。本发明实施例提供的智能问答方法是结合关联问题，对用户输入的问题进行回答的，能够有效提高回答问题的深度，提升了回答问题的准确率，从而较好地提升用户体验度。

上述判断模块306进一步用于：对关键词进行向量化处理，生成词向量模型；根据预设知识库中已构建的领域分类模型对词向量模型进行领域分类，判断词向量模型的领域类别是否属于知识库中的已有领域类别；如果是，确定问题属于知识库的问答集合。

上述匹配模块308进一步用于：通过匹配算法将问题与问答集合中的问题进行匹配，得到问题与问题集合中的各问题之间的匹配度；将问题集合中匹配度最高的问题确定为与问题匹配的目标问题。

本实施例所提供的装置，其实现原理及产生的技术效果和前述实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

本发明实施例提供了一种智能终端，参见图4所示的一种智能终端的结构示意图，该智能终端包括：处理器40、存储器41、总线42和通信接口43，所述处理器40、通信接口43和存储器41通过总线42连接；处理器40用于执行存储器41中存储的可执行模块，例如计算机程序。

其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器41用于存储程序，所述处理器40在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。

处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行前述实施例任一项的方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统具体工作过程，可以参考前述实施例中的对应过程，在此不再赘述。

本发明实施例所提供的智能问答方法、装置及智能终端的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种智能问答方法，其特征在于，所述方法由智能终端执行，包括：

获取当前用户输入的问题；

对所述问题进行语义理解，得到语义理解结果；其中，所述语义理解结果包括所述问题的一个或多个关键词；

根据所述语义理解结果，判断所述问题是否属于预设知识库的问答集合；

如果是，通过匹配算法将所述问题与所述问答集合中的问题进行匹配，确定与所述问题匹配的目标问题，以及与所述目标问题对应的目标答案；

通过协同过滤算法从所述问答集合中筛选出与所述问题达到预设关联度的关联问题；

将所述目标答案与所述关联问题显示在智能终端的显示界面上。

2.根据权利要求1所述的方法，其特征在于，所述根据所述语义理解结果，判断所述问题是否属于预设知识库的问答集合的步骤，包括：

对所述关键词进行向量化处理，生成词向量模型；

根据预设知识库中已构建的领域分类模型对所述词向量模型进行领域分类，判断所述词向量模型的领域类别是否属于所述知识库中的已有领域类别；

如果是，确定所述问题属于所述知识库的问答集合。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

如果所述问题不属于所述知识库的问答集合，在所述显示界面上显示提示框和留言框；其中，所述提示框用于向所述用户提示无法告知所述问题；所述留言框用于接收所述用户的反馈信息；

当通过所述留言框获取到所述用户的反馈信息时，根据所述反馈信息对所述匹配算法进行优化。

4.根据权利要求1所述的方法，其特征在于，所述通过匹配算法将所述问题与所述问答集合中的问题进行匹配，确定与所述问题匹配的目标问题的步骤，包括：

通过匹配算法将所述问题与所述问答集合中的问题进行匹配，得到所述问题与所述问题集合中的各问题之间的匹配度；

将所述问题集合中匹配度最高的问题确定为与所述问题匹配的目标问题。

5.根据权利要求1所述的方法，其特征在于，所述对所述问题进行语义理解的步骤之前，所述方法还包括：

判断所述用户的问题输入方式是语音输入还是文本输入；

如果所述当前用户的问题输入方式为语音输入，确定所述问题为语音格式；

将所述问题从语音格式转换为文本格式。

6.一种智能问答装置，其特征在于，包括：

获取模块，用于获取当前用户输入的问题；

语义理解模块，用于对所述问题进行语义理解，得到语义理解结果；其中，所述语义理解结果包括所述问题的一个或多个关键词；

判断模块，用于根据所述语义理解结果，判断所述问题是否属于预设知识库的问答集合；

匹配模块，用于如果所述问题属于预设知识库的问答集合，通过匹配算法将所述问题与所述问答集合中的问题进行匹配，确定与所述问题匹配的目标问题，以及与所述目标问题对应的目标答案；

筛选模块，用于通过协同过滤算法从所述问答集合中筛选出与所述问题达到预设关联度的关联问题；

显示模块，用于将所述目标答案与所述关联问题显示在智能终端的显示界面上。

7.根据权利要求6所述的装置，其特征在于，所述判断模块用于：

对所述关键词进行向量化处理，生成词向量模型；

根据预设知识库中已构建的领域分类模型对所述词向量模型进行领域分类，判断所述词向量模型的领域类别是否属于所述知识库中的已有领域类别；

如果是，确定所述问题属于所述知识库的问答集合。

8.根据权利要求6所述的装置，其特征在于，所述匹配模块用于：

通过匹配算法将所述问题与所述问答集合中的问题进行匹配，得到所述问题与所述问题集合中的各问题之间的匹配度；

将所述问题集合中匹配度最高的问题确定为与所述问题匹配的目标问题。

9.一种智能终端，其特征在于，包括处理器和存储器；

所述存储器上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至5任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至5任一项所述的方法的步骤。