CN109145092A - 一种数据库更新、智能问答管理方法、装置及其设备 - Google Patents
一种数据库更新、智能问答管理方法、装置及其设备 Download PDFInfo
- Publication number
- CN109145092A CN109145092A CN201710452374.0A CN201710452374A CN109145092A CN 109145092 A CN109145092 A CN 109145092A CN 201710452374 A CN201710452374 A CN 201710452374A CN 109145092 A CN109145092 A CN 109145092A
- Authority
- CN
- China
- Prior art keywords
- data
- server
- database
- semantic retrieval
- request message
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种数据库更新、智能问答管理方法、装置及其设备,该数据库更新方法包括:接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;在第一数据库中记录所述知识点标题和所述问题数据的映射关系。通过本申请的技术方案,不用每个服务端单独生成智能问答系统,可以节约服务端的资源,并提高服务端的处理效率。使得服务端可以尽快支持智能问答,尽快为客户提供在线客服。由于使用服务端的答案数据,使得各服务端可以定制答案数据,避免大量服务端使用相同的答案数据。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种数据库更新、智能问答管理方法、装置及其设备。
背景技术
随着互联网服务的日益发展,越来越多的互联网企业需要提供在线客户服务(简称在线客服),从而解决客户的问题。很显然,通过人工客服的方式不能应对海量的客户问答请求,这就需要一种智能问答系统,来通过自动回复的方式解决客户诉求。智能问答系统是一种解决客户问答需求的系统,其系统底层是一个排序系统,通过理解客户的问题来为客户推荐比较合适的问题答案。
随着社会的不断进步,各行各业的竞争变得日益激烈,每个行业都存在大量公司,如在物流领域,包括申通快递、圆通快递、天天快递等。在传统方式中,每个公司需要单独生成智能问答系统。显然,这样会造成资源浪费,甚至有些公司可能无法单独生成智能问答系统,继而无法为客户提供在线客服。
发明内容
本申请提供一种数据库更新方法,该方法包括:
接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
本申请提供一种数据库更新方法,该方法包括:
接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
通过所述知识点标题查询第一数据库,得到与所述知识点标题对应的问题数据;其中,所述第一数据库用于记录知识点标题和问题数据的映射关系;
确定与得到的问题数据对应的语义检索数据;
在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
本申请提供一种智能问答管理方法,该方法包括:
接收来自服务端的查询消息,所述查询消息携带待查询问题;
确定与所述待查询问题对应的语义检索数据;
通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
将得到的答案数据发送给所述服务端。
本申请提供一种物流领域的智能问答管理方法,应用于集群服务器;其中,所述集群服务器接入多个服务端,每个服务端对应一个或者多个物流公司。
本申请提供一种数据库更新装置,该装置包括:
接收模块,用于接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;
记录模块,用于在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
本申请提供一种集群服务器,该集群服务器包括:
接收器,用于接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;
处理器,用于在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
本申请提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
本申请提供一种数据库更新装置,该装置包括:
接收模块,用于接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
获得模块,用于通过所述知识点标题查询第一数据库,得到与知识点标题对应的问题数据;所述第一数据库用于记录知识点标题和问题数据的映射关系;
确定模块,用于确定与得到的问题数据对应的语义检索数据;
记录模块,用于在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
本申请提供一种集群服务器,该集群服务器包括:
接收器,用于接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
处理器,用于通过所述知识点标题查询第一数据库,得到与知识点标题对应的问题数据,第一数据库用于记录知识点标题和问题数据的映射关系;确定与得到的问题数据对应的语义检索数据;在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
本申请提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
通过所述知识点标题查询第一数据库,得到与所述知识点标题对应的问题数据;其中,所述第一数据库用于记录知识点标题和问题数据的映射关系;
确定与得到的问题数据对应的语义检索数据;
在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
本申请提供一种智能问答管理装置,该装置包括:
接收模块,用于接收来自服务端的查询消息,该查询消息携带待查询问题;
确定模块,用于确定与所述待查询问题对应的语义检索数据;
获得模块,用于通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
发送模块,用于将得到的答案数据发送给所述服务端。
本申请提供一种集群服务器,该集群服务器包括:
接收器,用于接收来自服务端的查询消息,该查询消息携带待查询问题;
处理器,用于确定与所述待查询问题对应的语义检索数据;以及,
通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
发射器,用于将得到的答案数据发送给所述服务端。
本申请提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
接收来自服务端的查询消息,该查询消息携带待查询问题;
确定与所述待查询问题对应的语义检索数据;
通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
将得到的答案数据发送给所述服务端。
基于上述技术方案,本申请实施例中,不用每个服务端单独生成智能问答系统,可以节约服务端的资源,并提高服务端的处理效率。由于第二数据库包括服务端的属性信息,因此,集群服务器可以通过属性信息来区分不同的服务端。即使服务端不提供问题数据,集群服务器也可以从第一数据库中查询出问题数据,并利用该问题数据为服务端更新第二数据库,使得服务端可以尽快支持智能问答,尽快为客户提供在线客服。由于使用服务端的答案数据,使得各服务端可以定制答案数据,避免大量服务端使用相同的答案数据。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案,下面将对本申请实施例或者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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据本申请实施例的这些附图获得其它的附图。
图1是本申请一种实施方式中的应用场景示意图;
图2是本申请一种实施方式中的数据库更新方法的流程图;
图3是本申请另一种实施方式中的数据库更新方法的流程图;
图4是本申请另一种实施方式中的数据库更新方法的流程图;
图5是本申请一种实施方式中的智能问答管理方法的流程图;
图6A是本申请一种实施方式中的数据库更新装置的结构图;
图6B是本申请一种实施方式中的集群服务器的硬件结构图;
图7A是本申请一种实施方式中的数据库更新装置的结构图;
图7B是本申请一种实施方式中的集群服务器的硬件结构图;
图8A是本申请一种实施方式中的数据库更新装置的结构图;
图8B是本申请一种实施方式中的集群服务器的硬件结构图。
具体实施方式
在本申请使用的术语仅仅是出于描述特定实施例的目的,而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其它含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,此外,所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请实施例提出一种数据库更新及智能问答管理方法,该方法可以应用于包括服务端和集群服务器的系统,如图1所示,为该系统的结构示意图。其中,集群服务器可以接入一个或者多个服务端,每个服务端可以对应一个或者多个公司,如服务端A是公司A部署的为客户提供智能问答服务的设备(如PC,Personal Computer,个人计算机等),服务端B是公司B部署的为客户提供智能问答服务的设备,服务端C是公司C部署的为客户提供智能问答服务的设备。
例如,上述智能问答管理方法应用于物流领域时,接入到集群服务器的每个服务端则对应一个或者多个物流公司,如天天快递、圆通快递,申通快递等。
在一个例子中,集群服务器可以是由多个服务器组成的分布式服务器,也可以是一个服务器,集群服务器用于为上述多个服务端(如服务端A、服务端B、服务端C等)提供服务,对此集群服务器的类型不做限制,如可以是数据平台、电商平台等,只要与多个服务端连接,并为这些服务端提供服务即可。
假设服务端A第一个接入到集群服务器,服务端B第二个接入到集群服务器,服务端C第三个接入到集群服务器。以下结合具体实施例,对服务端A、服务端B、服务端C接入到集群服务器时的数据库更新过程进行说明。
情况一、服务端A在接入集群服务器时,向集群服务器发送请求消息,该请求消息可以携带知识点标题、问题数据、答案数据的对应关系。集群服务器在接收到该请求消息之后,可以利用该知识点标题和该问题数据更新第一数据库(即问题数据库),并利用该问题数据训练出语义检索数据,然后利用该知识点标题、该语义检索数据以及该答案数据更新第二数据库(即检索数据库)。
以下结合具体的实施例对上述过程进行详细说明。
服务端A在为客户提供智能问答服务的过程中,会收集问题数据(如客户输入到服务端A或者由服务端A采集)。可以将这些问题数据划分为多个类别,每个类别的问题数据对应知识点标题和答案数据。例如,服务端A将与“双休日是否正常工作”有关的所有问题数据(后续称为问题数据1,其实质是一个数据集合,如包含1000条数据)划分到一类,这个类别的问题数据对应知识点标题1(如双休日正常送货吗)和答案数据1(如正常送货)。服务端A将与“客服电话”有关的所有问题数据(后续称为问题数据2)划分到一类,这个类别的问题数据对应知识点标题2(如你们的客服电话是多少)和答案数据2(如95543)。
综上所述,服务端A发送的请求消息可以携带知识点标题1、问题数据1、答案数据1的对应关系,知识点标题2、问题数据2、答案数据2的对应关系。
在一个例子中,第一数据库用于记录知识点标题与问题数据的对应关系,集群服务器在接收到请求消息后,利用知识点标题1与问题数据1的对应关系更新第一数据库,并利用知识点标题2与问题数据2的对应关系更新第一数据库,如表1所示,为更新后的第一数据库。在表1中,与知识点标题1对应的所有问题数据为问题数据1,与知识点标题2对应的所有问题数据为问题数据2。
表1
在一个例子中,第二数据库用于记录属性信息、知识点标题、语义检索数据和答案数据的对应关系。集群服务器在接收到请求消息后,获取服务端A的属性信息,并利用问题数据1训练出语义检索数据1,利用问题数据2训练出语义检索数据2。集群服务器利用服务端A的属性信息、知识点标题1、语义检索数据1与答案数据1的对应关系更新第二数据库,并利用服务端A的属性信息、知识点标题2、语义检索数据2与答案数据2的对应关系更新第二数据库。如表2所示,为更新后的第二数据库。在表2中,与知识点标题1对应的语义检索数据为语义检索数据1,与知识点标题2对应的语义检索数据为语义检索数据2。
表2
属性信息 | 知识点标题 | 语义检索数据 | 答案数据 |
服务端A | 双休日正常送货吗 | NOWORKDAY、派件、上班、送货 | 正常送货 |
服务端A | 你们的客服电话是多少 | EXPRESS、客服、电话 | 95543 |
其中,针对“获取服务端A的属性信息”的过程,可以预先在集群服务器配置服务端A的属性信息,或者集群服务器可以从请求消息中解析出服务端A的属性信息,对此方式不做限制。该属性信息可以包括但不限于:IP地址、服务端名称(如服务端A)、MAC(MediaAccess Control,媒体访问控制)地址、公司名称等,对此属性信息不做限制,只要能够区分出不同的服务端即可。
其中,针对“利用问题数据1训练出语义检索数据1,利用问题数据2训练出语义检索数据2”的过程,将在后续实施例中说明,在此不再赘述。
情况二、服务端B在接入集群服务器时,假设服务端B是一个新上线的服务端,当前还没有收集到问题数据,则服务端B向集群服务器发送的请求消息,可以携带知识点标题与答案数据的对应关系,而不携带问题数据。集群服务器在接收到该请求消息之后,可以利用该知识点标题查询第一数据库,得到与该知识点标题对应的问题数据,然后利用该问题数据训练出语义检索数据,并利用该知识点标题、该语义检索数据以及该答案数据更新第二数据库。
以下结合具体的实施例对上述过程进行详细说明。
服务端B发送的请求消息可以携带知识点标题1与答案数据3(如不正常送货)的对应关系,知识点标题2与答案数据4(如95338)的对应关系。在实际应用中,针对相同的知识点标题1,服务端B提供的答案数据3与服务端A提供的答案数据1可以相同,也可以不同。同理,针对相同的知识点标题2,服务端B提供的答案数据4与服务端A提供的答案数据2可以相同,也可以不同。
集群服务器在接收到该请求消息后,利用知识点标题1查询表1所示的第一数据库,得到问题数据1,并利用知识点标题2查询表1所示的第一数据库,得到问题数据2。然后,获取服务端B的属性信息,并利用问题数据1训练出语义检索数据1,利用问题数据2训练出语义检索数据2。集群服务器利用服务端B的属性信息、知识点标题1、语义检索数据1与答案数据3的对应关系更新第二数据库,并利用服务端B的属性信息、知识点标题2、语义检索数据2与答案数据4的对应关系更新第二数据库。如表3所示,为更新后的第二数据库。
表3
属性信息 | 知识点标题 | 语义检索数据 | 答案数据 |
服务端A | 双休日正常送货吗 | NOWORKDAY、派件、上班、送货 | 正常送货 |
服务端A | 你们的客服电话是多少 | EXPRESS、客服、电话 | 95543 |
服务端B | 双休日正常送货吗 | NOWORKDAY、派件、上班、送货 | 不正常送货 |
服务端B | 你们的客服电话是多少 | EXPRESS、客服、电话 | 95338 |
其中,获取服务端B的属性信息的过程,与获取服务端A的属性信息类似,在此不再赘述。针对“利用问题数据1训练出语义检索数据1,利用问题数据2训练出语义检索数据2”的过程,将在后续实施例中说明,在此不再赘述。
情况三、服务端C在接入集群服务器时,向集群服务器发送请求消息,该请求消息携带知识点标题、问题数据、答案数据的对应关系。集群服务器在接收到该请求消息后,利用该知识点标题查询第一数据库,得到对应的问题数据,并利用该请求消息携带的知识点标题和问题数据更新第一数据库。然后,利用从第一数据库中得到的问题数据以及该请求消息携带的问题数据训练出语义检索数据,并利用知识点标题、语义检索数据以及答案数据更新第二数据库。
以下结合具体的实施例对上述过程进行详细说明。
服务端C发送的请求消息可以携带知识点标题1、问题数据3、与答案数据5(如正常送货)的对应关系,知识点标题2、问题数据4、与答案数据6(如11183)的对应关系。针对知识点标题1,服务端C提供的答案数据5与服务端A提供的答案数据1可以相同,也可以不同。针对知识点标题2,服务端C提供的答案数据6与服务端A提供的答案数据2可以相同,也可以不同。
集群服务器在接收到该请求消息之后,可以利用知识点标题1与问题数据3的对应关系更新第一数据库,并利用知识点标题2与问题数据4的对应关系更新第一数据库,如表4所示,为更新后的第一数据库。在表4中,与知识点标题1对应的所有问题数据为问题数据1和问题数据3,与表1相比,多出的问题数据就是问题数据3;此外,在表4中,与知识点标题2对应的所有问题数据为问题数据2和问题数据4,与表1相比,多出的问题数据就是问题数据4。
表4
进一步的,集群服务器利用知识点标题1查询表1所示的第一数据库,得到问题数据1,并利用知识点标题2查询表1所示的第一数据库,得到问题数据2。然后,获取服务端C的属性信息,并利用问题数据1和问题数据3训练出语义检索数据3,利用问题数据2和问题数据4训练出语义检索数据4。利用服务端C的属性信息、知识点标题1、语义检索数据3与答案数据5的对应关系更新第二数据库,并利用服务端C的属性信息、知识点标题2、语义检索数据4与答案数据6的对应关系更新第二数据库。如表5所示,为更新后的第二数据库。
表5
属性信息 | 知识点标题 | 语义检索数据 | 答案数据 |
服务端A | 双休日正常送货吗 | NOWORKDAY、派件、上班、送货 | 正常送货 |
服务端A | 你们的客服电话是多少 | EXPRESS、客服、电话 | 95543 |
服务端B | 双休日正常送货吗 | NOWORKDAY、派件、上班、送货 | 不正常送货 |
服务端B | 你们的客服电话是多少 | EXPRESS、客服、电话 | 95338 |
服务端C | 双休日正常送货吗 | NOWORKDAY、派件、上班、送货、休息 | 正常送货 |
服务端C | 你们的客服电话是多少 | EXPRESS、客服、电话、联系方式 | 11183 |
其中,获取服务端C的属性信息的过程,与获取服务端A的属性信息类似,在此不再赘述。针对“利用问题数据1和问题数据3训练出语义检索数据3,利用问题数据2和问题数据4训练出语义检索数据4”的过程,在此不再赘述。
在一个例子中,为了实现上述过程,服务端A、服务端B和服务端C发送的请求消息均会携带知识点标题,为了保证针对同一类别,各服务端使用相同的知识点标题,则集群服务器可以生成各类别的知识点标题,如生成与“双休日是否正常工作”有关的知识点标题1,与“客服电话”有关的知识点标题2等,并将知识点标题1和知识点标题2发送给服务端A、服务端B和服务端C。
服务端A在接收到知识点标题1和知识点标题2后,可以收集到与知识点标题1有关的问题数据1,与知识点标题2有关的问题数据2,并接收用户输入的与知识点标题1对应的答案数据1,与知识点标题2对应的答案数据2;基于此,服务端A发送的请求消息,可以携带知识点标题1、问题数据1和答案数据1的对应关系,以及知识点标题2、问题数据2和答案数据2的对应关系。
服务端B在接收到知识点标题1和知识点标题2后,可以接收用户输入的与知识点标题1对应的答案数据3,与知识点标题2对应的答案数据4;基于此,服务端B发送的请求消息,可以携带知识点标题1和答案数据3的对应关系,以及知识点标题2和答案数据4的对应关系。
服务端C在接收到知识点标题1和知识点标题2后,可以收集到与知识点标题1有关的问题数据3,与知识点标题2有关的问题数据4,并接收用户输入的与知识点标题1对应的答案数据5,与知识点标题2对应的答案数据6;基于此,服务端C发送的请求消息,可以携带知识点标题1、问题数据3和答案数据5的对应关系,以及知识点标题2、问题数据4和答案数据6的对应关系。
上述过程介绍了数据库更新过程,基于数据库更新过程得到的第二数据库,在智能问答管理过程中,服务端在接收到用户输入的待查询问题后,向集群服务器发送携带该待查询问题的查询消息,而集群服务器在接收到该查询消息后,先确定与该待查询问题对应的语义检索数据,然后通过该服务端的属性信息、该语义检索数据查询第二数据库,得到与该属性信息和该语义检索数据对应的答案数据,并将得到的答案数据发送给服务端。以下结合具体实施例,对服务端A、服务端B、服务端C接入到集群服务器时的智能问答管理过程进行说明。
服务端A在收到用户输入的待查询问题1后,向集群服务器发送携带待查询问题1的查询消息,集群服务器在接收到查询消息后,确定与待查询问题1对应的语义检索数据,对此确定过程将在后续实施例说明,假设确定的语义检索数据为“客服、电话”。集群服务器通过服务端的属性信息(服务端A)、语义检索数据(客服、电话)查询表5所示的第二数据库,得到答案数据95543,将答案数据95543发送给服务端A,服务端A将答案数据95543提供给用户。
服务端B在收到用户输入的待查询问题2后,向集群服务器发送携带待查询问题2的查询消息,集群服务器在收到查询消息后,确定与待查询问题2对应的语义检索数据,假设确定的语义检索数据为“派件、上班、送货”。集群服务器通过服务端的属性信息(服务端B)、语义检索数据(派件、上班、送货)查询表5所示的第二数据库,得到答案数据(不正常送货),将答案数据(不正常送货)发送给服务端B,服务端B将答案数据(不正常送货)提供给用户。
服务端C在收到用户输入的待查询问题3后,向集群服务器发送携带待查询问题3的查询消息,集群服务器在收到查询消息后,确定与待查询问题3对应的语义检索数据,假设确定的语义检索数据为“客服、电话、联系方式”。集群服务器通过服务端的属性信息(服务端C)、语义检索数据(客服、电话、联系方式)查询表5所示的第二数据库,得到答案数据(11183),将答案数据(11183)发送给服务端C,服务端C将答案数据(不正常送货)提供给用户。
综上所述,本实施例提出了数据库更新方法和智能问答管理方法,该数据库更新方法可以参见图2-图4所示,该智能问答管理方法可以参见图5所示。
参见图2所示,为数据库更新方法流程图,该方法可以应用于集群服务器。
步骤201,接收来自至少一个第一服务端(如一个或者多个)的请求消息,该请求消息可以携带知识点标题和问题数据。
步骤202,在第一数据库中记录该知识点标题和该问题数据的映射关系。
在一个例子中,请求消息还可以携带与该知识点标题对应的答案数据;而且,集群服务器还可以确定与该问题数据对应的语义检索数据,并在第二数据库中记录第一服务端的属性信息、该知识点标题、该语义检索数据、以及该答案数据的映射关系。其中,针对“确定与该问题数据对应的语义检索数据”的过程,将在后续实施例中进行详细说明,在此不再详加赘述。
其中,携带知识点标题的请求消息与携带答案数据的请求消息,二者可以是同一个请求消息,也可以是不同的请求消息,对此不做限制。
例如,第一服务端可以为服务端A,集群服务器基于服务端A的请求消息,更新第一数据库和第二数据库的过程,已经在上述实施例介绍,在此不再赘述。
参见图3所示,为数据库更新方法流程图,该方法可以应用于集群服务器。
步骤301,接收来自第二服务端的请求消息,该请求消息可以携带知识点标题。
步骤302,通过该知识点标题查询第一数据库,得到与该知识点标题对应的问题数据;其中,第一数据库用于记录知识点标题和问题数据的映射关系。
步骤303,确定与得到的问题数据对应的语义检索数据。其中,针对确定语义检索数据的过程,将在后续实施例中进行详细说明,在此不再详加赘述。
步骤304,在第二数据库中记录第二服务端的属性信息、该知识点标题、该语义检索数据、以及答案数据的映射关系。
其中,步骤304中的答案数据,可以是第二服务端通过请求消息发送给集群服务器的,而且,携带知识点标题的请求消息与携带答案数据的请求消息,二者可以是同一个请求消息,也可以是不同的请求消息,对此不做限制。
例如,第二服务端可以为服务端B,集群服务器基于服务端B的请求消息,更新第二数据库的过程,已经在上述实施例介绍,在此不再赘述。
参见图4所示,为数据库更新方法流程图,该方法可以应用于集群服务器。
步骤401,接收来自第二服务端的请求消息,该请求消息可以携带知识点标题、问题数据。
步骤402,通过该知识点标题查询第一数据库,得到与该知识点标题对应的问题数据;其中,第一数据库用于记录知识点标题和问题数据的映射关系。
步骤403,确定与得到的问题数据、以及该请求消息携带的问题数据对应的语义检索数据。其中,此过程将在后续实施例中进行说明,在此不再赘述。
步骤404,在第一数据库中记录该知识点标题以及该请求消息携带的问题数据的映射关系,并在第二数据库中记录第二服务端的属性信息、该知识点标题、该语义检索数据、以及答案数据的映射关系。
其中,步骤404中的答案数据,可以是第二服务端通过请求消息发送给集群服务器的,而且,携带知识点标题的请求消息与携带答案数据的请求消息,二者可以是同一个请求消息,也可以是不同的请求消息,对此不做限制。
例如,第二服务端可以为服务端C,集群服务器基于服务端C的请求消息,更新第一数据库和第二数据库的过程,已经在上述实施例介绍,在此不再赘述。
针对确定与问题数据(图2中是请求消息携带的问题数据,图3中是从第一数据库得到的问题数据,图4中是请求消息携带的问题数据以及从第一数据库得到的问题数据)对应的语义检索数据的过程,可以包括但不限于如下方式:对该问题数据进行预处理,得到预处理数据;对该预处理数据进行语义归一化,得到归一化数据;对该归一化数据进行语义解析,得到语义检索数据。
当然,实际应用中,并不局限于上述确定语义检索数据的方式,例如,可以直接对该问题数据进行语义归一化,得到归一化数据;对该归一化数据进行语义解析,得到语义检索数据。又例如,可以对该问题数据进行分词处理,然后对分词后的问题数据进行语义归一化,得到归一化数据;对该归一化数据进行语义解析,得到语义检索数据。对此确定语义检索数据的方式不做限制。
以下结合具体的应用场景,对上述确定语义检索数据的方式进行说明。
针对“对该问题数据进行预处理,得到预处理数据”的过程,可以包括但不限于:去除无意义的词。当然,预处理过程并不局限于此,对此过程不做限制。而且,可以将对问题数据进行预处理后得到的数据,称为预处理数据。
由于问题数据是客户输入的,无法对问题数据的格式做出限制,因此,有些问题数据可能会包含大量无意义的词,而在预处理过程中,可以去除问题数据中的无意义的词,例如,去除标点符号、去除停止词(如在、里面、也、的等)、去除URL(Uniform ResourceLocator,统一资源定位符)信息等。
针对“对预处理数据进行语义归一化,得到归一化数据”的过程,可以包括但不限于:可以获取服务端对应的归一化策略,并通过该归一化策略对预处理数据进行语义归一化,得到归一化数据。当然,语义归一化过程并不局限于此,对此过程不做限制。而且,可以将对预处理数据进行语义归一化后得到的数据,称为归一化数据。其中,不同服务端对应的归一化策略可以相同或者不同,例如,集群服务器可以为所有的服务端配置相同的归一化策略A。
其中,语义归一化是指:在自然语言中,同一个意思有不同种说法,而将不同种说法映射到统一表述的过程,也就是语义归一化。例如,归一化策略A用于将周六、周日、周六日等均映射到周末。当然,上述只是归一化策略的一个示例,归一化策略可以包括多个策略,对此归一化策略的内容不做限制。
在物流领域,可以为不同服务端配置相同的归一化策略,该归一化策略可以包括但不限于以下之一或者任意组合:用于将非工作时间归一化为工作日(如NOWORKDAY)的第一归一化策略(NOWORKDAY策略);用于将公司名称归一化为快速(如EXPRESS)的第二归一化策略(EXPRESS策略);用于将国内地址归一化为国内(如LOC)的第三归一化策略(LOC策略);用于将国外地址归一化为海外(如OVERSEAS)的第四归一化策略(OVERSEAS策略)。
针对“对归一化数据进行语义解析,得到语义检索数据”的过程,可以包括但不限于:可以获取服务端对应的语义解析策略,并通过该语义解析策略对归一化数据进行语义解析,得到语义检索数据。当然,语义解析过程并不局限于此,对此过程不做限制。而且,可以将对归一化数据进行语义解析后得到的数据,称为语义检索数据。其中,不同服务端对应的语义解析策略可以相同或者不同,如不同服务端对应不同语义解析策略时,可以为服务端A配置语义解析策略A,为服务端B配置语义解析策略B,为服务端C配置语义解析策略C。
其中,语义解析是指:通过语法规则和辞典来理解文字信息,对文字进行分词、提取核心内容、转换等处理,具体实现方式与语义解析策略的内容有关,该语义解析策略可以为语法规则和辞典等内容。例如,针对文字“节假日休息吗,可以派件吗?”,基于语义解析策略,可以得到如下关键词:派件、上班。其中,文字中的“休息”被转换为关键词“上班”。当然,上述只是语义解析策略的示例,语义解析策略可以包括多个策略,对此语义解析策略不做限制。
例如,针对表1中的问题数据1,可以采用NOWORKDAY策略对问题数据1进行语义归一化,如将“节假日、周末”等内容归一化到NOWORKDAY,从而得到归一化数据,如表6所示。然后,可以采用语义解析策略对该归一化数据进行语义解析,主要解析这两种语义信息:NOWORKDAY、上班/派件/送货等,从而可以得到语义检索数据,如表6所示。其中,可以通过在语义解析策略中配置相关的业务规则,实现上述两种语义信息的解析,对此不做限制。
又例如,针对表1中的问题数据2,则可以采用EXPRESS策略对问题数据2进行语义归一化,如将“物流公司名称”等内容归一化到EXPRESS,从而可以得到归一化数据,如表6所示。然后,还可以采用语义解析策略对该归一化数据进行语义解析,主要解析这两种语义信息:EXPRESS、客服电话等,从而可以得到语义检索数据,如表6所示。其中,可以通过在语义解析策略中配置相关的业务规则,实现上述两种语义信息的解析,对此不做限制。
表6
此外,针对LOC策略和OVERSEAS策略的处理过程,与NOWORKDAY策略或者EXPRESS策略的处理过程类似,在此不再重复赘述。
参见图5所示,为智能问答管理方法的流程图,该方法应用于集群服务器。
步骤501,接收来自服务端的查询消息,该查询消息携带待查询问题。
步骤502,确定与该待查询问题对应的语义检索数据。
步骤503,通过该服务端的属性信息、该语义检索数据查询第二数据库,得到与该属性信息和该语义检索数据对应的答案数据。
步骤504,将得到的答案数据发送给服务端。
例如,服务端可以为服务端A、服务端B、服务端C,集群服务器根据服务端的查询消息进行智能问答管理的过程,已在上述实施例介绍,在此不再赘述。
针对“确定与该待查询问题对应的语义检索数据”的过程,可以包括但不限于如下方式:集群服务器对该待查询问题进行预处理,得到预处理问题;对该预处理问题进行语义归一化,得到归一化问题;然后,对该归一化问题进行语义解析,得到语义问题;获取该语义问题与第二数据库中的每个语义检索数据的相似度;然后,根据该相似度确定与该语义问题匹配的语义检索数据。
当然,在实际应用中,并不局限于上述确定语义检索数据的方式,例如,集群服务器可以直接对待查询问题进行语义归一化,并执行后续步骤。又例如,集群服务器可以对待查询问题进行分词处理,然后对分词后的问题数据进行语义归一化,并执行后续步骤。对此确定语义检索数据的方式不做限制。
以下结合具体的应用场景,对上述确定语义检索数据的方式进行说明。
对于“集群服务器得到预处理问题、得到归一化问题、得到语义问题”的过程,与上述“集群服务器得到预处理数据、得到归一化数据、得到语义检索数据”的过程类似,二者的不同之处在于:得到预处理数据时使用的问题数据是大量问题组成的集合,而得到预处理问题时使用的待查询问题是一个问题。
针对“获取该语义问题与第二数据库中的每个语义检索数据的相似度”的过程,可以先从表5所示的第二数据库中查询出与该服务端(如服务端A)匹配的所有语义检索数据,并比较该语义问题与查询出的每个语义检索数据的相似度,对此相似度计算方法不做限制,只要相同的内容越多,相似度越大即可。
例如,当语义问题是(EXPRESS、客服、电话)时,则该语义问题与语义检索数据(NOWORKDAY、派件、上班、送货)的相似度可以为0%,该语义问题与语义检索数据(EXPRESS、客服、电话)的相似度可以为100%。
针对“根据该相似度确定与该语义问题匹配的语义检索数据”的过程,在得到语义问题与每个语义检索数据的相似度后,可以获取最高相似度,并将最高相似度对应的语义检索数据作为与该语义问题匹配的语义检索数据。
在另一个实现方式中,在得到语义问题与每个语义检索数据的相似度后,可以获取最高相似度;若最高相似度大于预设阈值(可以根据经验进行配置,如85%),则将最高相似度对应的语义检索数据作为与该语义问题匹配的语义检索数据;若最高相似度不大于预设阈值,则可以重新对待查询问题进行预处理、语义归一化、语义解析、比较相似度等过程,并基于重新确定的相似度确定与语义问题匹配的语义检索数据,或者,可以向服务端返回查询失败的信息,或者,可以将待查询问题输出给工作人员,由工作人员分析待查询问题。
基于上述技术方案,本申请实施例中,不用每个服务端单独生成智能问答系统,可以节约服务端的资源,并提高服务端的处理效率。由于第二数据库包括服务端的属性信息,因此,集群服务器可以通过属性信息来区分不同的服务端。即使服务端不提供问题数据,集群服务器也可以从第一数据库中查询出问题数据,并利用该问题数据为服务端更新第二数据库,使得服务端可以尽快支持智能问答,尽快为客户提供在线客服。由于使用服务端的答案数据,使得各服务端可以定制答案数据,避免大量服务端使用相同的答案数据。
基于与上述方法同样的申请构思,本申请实施例还提供一种数据库更新装置,如图6A所示,为数据库更新装置的结构示意图。
接收模块611,用于接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;记录模块612,用于在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
在一个例子中,所述请求消息还携带与所述知识点标题对应的答案数据;所述数据库更新装置还包括确定模块(在图中未显示);其中:
所述确定模块,用于确定与所述问题数据对应的语义检索数据;
所述记录模块612,还用于在第二数据库中记录所述第一服务端的属性信息、所述知识点标题、所述语义检索数据、所述答案数据的映射关系。
所述确定模块,具体用于在确定与所述问题数据对应的语义检索数据的过程中,对所述问题数据进行预处理,得到预处理数据;对预处理数据进行语义归一化,得到归一化数据;对归一化数据进行语义解析,得到语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供一种集群服务器,如图6B所示,为集群服务器的结构示意图。接收器621,用于接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;处理器622,用于在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
在一个例子中,所述接收器621接收的请求消息还携带与所述知识点标题对应的答案数据;所述处理器622,还用于确定与所述问题数据对应的语义检索数据;以及,在第二数据库中记录所述第一服务端的属性信息、所述知识点标题、所述语义检索数据、所述答案数据的映射关系。
所述处理器622,具体用于在确定与所述问题数据对应的语义检索数据的过程中,对所述问题数据进行预处理,得到预处理数据;对预处理数据进行语义归一化,得到归一化数据;对归一化数据进行语义解析,得到语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
所述请求消息还携带答案数据;所述计算机指令被执行时还进行如下处理:确定与问题数据对应的语义检索数据;在第二数据库中记录第一服务端的属性信息、所述知识点标题、所述语义检索数据、所述答案数据的映射关系。
在确定语义检索数据的过程中,所述计算机指令被执行时还进行如下处理:对所述问题数据进行预处理,得到预处理数据;对预处理数据进行语义归一化,得到归一化数据;对归一化数据进行语义解析,得到语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供了一种数据库更新装置,如图7A所示,为该数据库更新装置的结构示意图。
接收模块711,用于接收来自第二服务端的请求消息,所述请求消息携带知识点标题;获得模块712,用于通过所述知识点标题查询第一数据库,得到与知识点标题对应的问题数据;所述第一数据库用于记录知识点标题和问题数据的映射关系;确定模块713,用于确定与得到的问题数据对应的语义检索数据;记录模块714,用于在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
在一个例子中,所述请求消息还携带问题数据;
所述确定模块713,具体用于在确定问题数据对应的语义检索数据的过程中,确定与得到的问题数据、请求消息携带的问题数据对应的语义检索数据;
所述记录模块714,还用于在第一数据库中记录所述请求消息携带的所述知识点标题和所述请求消息携带的所述问题数据的映射关系。
在一个例子中,所述确定模块713,具体用于在确定语义检索数据的过程中,对所述问题数据进行预处理,得到预处理数据;对所述预处理数据进行语义归一化,得到归一化数据;对所述归一化数据进行语义解析,得到语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供一种集群服务器,如图7B所示,为集群服务器的结构示意图。接收器721,用于接收来自第二服务端的请求消息,所述请求消息携带知识点标题;处理器722,用于通过所述知识点标题查询第一数据库,得到与知识点标题对应的问题数据,第一数据库用于记录知识点标题和问题数据的映射关系;确定与得到的问题数据对应的语义检索数据;在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
在一个例子中,所述接收器接721收的所述请求消息还携带问题数据;
所述处理器722,用于确定与得到的问题数据、请求消息携带的问题数据对应的语义检索数据;以及,在所述第一数据库中记录所述请求消息携带的所述知识点标题和所述请求消息携带的所述问题数据的映射关系。
在一个例子中,所述处理器722,具体用于在确定语义检索数据的过程中,对所述问题数据进行预处理,得到预处理数据;对所述预处理数据进行语义归一化,得到归一化数据;对所述归一化数据进行语义解析,得到语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:接收来自第二服务端的请求消息,所述请求消息携带知识点标题;通过所述知识点标题查询第一数据库,得到与所述知识点标题对应的问题数据;所述第一数据库用于记录知识点标题和问题数据的映射关系;确定该问题数据对应的语义检索数据;在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
在一个例子中,所述请求消息还携带问题数据;在确定问题数据对应的语义检索数据的过程中,所述计算机指令被执行时还进行如下处理:确定与得到的问题数据、请求消息携带的问题数据对应的语义检索数据;以及,
所述计算机指令被执行时还进行如下处理:在第一数据库中记录所述请求消息携带的所述知识点标题和所述请求消息携带的问题数据的映射关系。
在确定语义检索数据的过程中,所述计算机指令被执行时还进行如下处理:对问题数据进行预处理,得到预处理数据;对所述预处理数据进行语义归一化,得到归一化数据;对所述归一化数据进行语义解析,得到语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供了一种智能问答管理装置,如图8A所示,为该数据库更新装置的结构示意图。接收模块811,用于接收来自服务端的查询消息,该查询消息携带待查询问题;确定模块812,用于确定与待查询问题对应的语义检索数据;获得模块813,用于通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;发送模块814,用于将得到的答案数据发送给所述服务端。
所述确定模块812,具体用于在确定与所述待查询问题对应的语义检索数据的过程中,对所述待查询问题进行预处理,得到预处理问题;对所述预处理问题进行语义归一化,得到归一化问题;对所述归一化问题进行语义解析,得到语义问题;获取所述语义问题与所述第二数据库中的每个语义检索数据的相似度;根据所述相似度确定与所述语义问题匹配的语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供一种集群服务器,如图8B所示,为集群服务器的结构示意图。接收器821,用于接收来自服务端的查询消息,该查询消息携带待查询问题;处理器822,用于确定与所述待查询问题对应的语义检索数据;通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;发射器823,用于将得到的答案数据发送给所述服务端。
所述处理器822,具体用于在确定与所述待查询问题对应的语义检索数据的过程中,对所述待查询问题进行预处理,得到预处理问题;对所述预处理问题进行语义归一化,得到归一化问题;对所述归一化问题进行语义解析,得到语义问题;获取所述语义问题与所述第二数据库中的每个语义检索数据的相似度;根据所述相似度确定与所述语义问题匹配的语义检索数据。
基于与上述方法同样的申请构思,本申请实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:接收来自服务端的查询消息,该查询消息携带待查询问题;确定与所述待查询问题对应的语义检索数据;通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;将得到的答案数据发送给所述服务端。
在确定与所述待查询问题对应的语义检索数据的过程中,所述计算机指令被执行时还进行如下处理:对所述待查询问题进行预处理,得到预处理问题;对所述预处理问题进行语义归一化,得到归一化问题;对所述归一化问题进行语义解析,得到语义问题;获取所述语义问题与所述第二数据库中的每个语义检索数据的相似度;根据所述相似度确定与所述语义问题匹配的语义检索数据。
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,计算机的具体形式可以是个人计算机、膝上型计算机、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、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以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、嵌入式处理机或其它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它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。
而且,这些计算机程序指令也可以存储在能引导计算机或其它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者多个流程和/或方框图一个方框或者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它可编程数据处理设备上,使得在计算机或者其它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,从而在计算机或其它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。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可以采用完全硬件实施例、完全软件实施例、或者结合软件和硬件方面的实施例的形式。而且,本申请可以采用在一个或者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(可以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。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (23)
1.一种数据库更新方法,其特征在于,该方法包括:
接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;
在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
2.根据权利要求1所述的方法,其特征在于,所述请求消息还携带与所述知识点标题对应的答案数据;所述方法还包括:
确定与所述问题数据对应的语义检索数据;
在第二数据库中记录所述第一服务端的属性信息、所述知识点标题、所述语义检索数据、所述答案数据的映射关系。
3.一种数据库更新方法,其特征在于,该方法包括:
接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
通过所述知识点标题查询第一数据库,得到与所述知识点标题对应的问题数据;其中,所述第一数据库用于记录知识点标题和问题数据的映射关系;
确定与得到的问题数据对应的语义检索数据;
在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
4.根据权利要求3所述的方法,其特征在于,所述请求消息还携带问题数据;所述确定与得到的问题数据对应的语义检索数据的过程,还包括:
确定与得到的问题数据、请求消息携带的问题数据对应的语义检索数据。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在第一数据库中记录所述请求消息携带的所述知识点标题和所述请求消息携带的所述问题数据的映射关系。
6.根据权利要求3或4所述的方法,其特征在于,
所述确定与得到的问题数据对应的语义检索数据的过程,具体包括:
对所述问题数据进行预处理,得到预处理数据;
对所述预处理数据进行语义归一化,得到归一化数据;
对所述归一化数据进行语义解析,得到语义检索数据。
7.根据权利要求3所述的方法,其特征在于,所述方法还包括:
接收来自所述第二服务端的查询消息,所述查询消息携带待查询问题;
确定与所述待查询问题对应的语义检索数据;
通过所述第二服务端的属性信息、确定的语义检索数据查询所述第二数据库,得到对应的答案数据,并将得到的答案数据发送给所述第二服务端。
8.根据权利要求7所述的方法,其特征在于,
所述确定与所述待查询问题对应的语义检索数据的过程,具体包括:
对所述待查询问题进行预处理,得到预处理问题;
对所述预处理问题进行语义归一化,得到归一化问题;
对所述归一化问题进行语义解析,得到语义问题;
获取所述语义问题与所述第二数据库中的每个语义检索数据的相似度;
根据所述相似度确定与所述语义问题匹配的语义检索数据。
9.一种智能问答管理方法,其特征在于,该方法包括:
接收来自服务端的查询消息,所述查询消息携带待查询问题;
确定与所述待查询问题对应的语义检索数据;
通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
将得到的答案数据发送给所述服务端。
10.根据权利要求9所述的方法,其特征在于,
所述确定与所述待查询问题对应的语义检索数据的过程,具体包括:
对所述待查询问题进行预处理,得到预处理问题;
对所述预处理问题进行语义归一化,得到归一化问题;
对所述归一化问题进行语义解析,得到语义问题;
获取所述语义问题与所述第二数据库中的每个语义检索数据的相似度;
根据所述相似度确定与所述语义问题匹配的语义检索数据。
11.一种物流领域的智能问答管理方法,应用于集群服务器,其特征在于,所述集群服务器采用权利要求1或2所述的方法进行数据库更新,或者,所述集群服务器采用权利要求3-8任一项所述的方法进行数据库更新;或者,所述集群服务器采用权利要求9或10所述的方法进行智能问答管理;其中,所述集群服务器接入多个服务端,每个服务端对应一个或者多个物流公司。
12.根据权利要求11所述的方法,其特征在于,所述集群服务器为不同的服务端配置相同的归一化策略,并为不同的服务端配置不同的语义解析策略;
其中,所述归一化策略包括以下之一或者任意组合:
用于将非工作时间归一化为工作日的第一归一化策略;
用于将公司名称归一化为快速的第二归一化策略;
用于将国内地址归一化为国内的第三归一化策略;
用于将国外地址归一化为海外的第四归一化策略。
13.一种数据库更新装置,其特征在于,该装置包括:
接收模块,用于接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;
记录模块,用于在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
14.根据权利要求13所述的装置,其特征在于,所述请求消息还携带与所述知识点标题对应的答案数据;所述数据库更新装置还包括:
确定模块,用于确定与所述问题数据对应的语义检索数据;
所述记录模块,还用于在第二数据库中记录所述第一服务端的属性信息、所述知识点标题、所述语义检索数据、所述答案数据的映射关系。
15.一种集群服务器,其特征在于,所述集群服务器包括:
接收器,用于接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;
处理器,用于在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
16.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
接收来自至少一个第一服务端的请求消息,所述请求消息携带知识点标题和问题数据;
在第一数据库中记录所述知识点标题和所述问题数据的映射关系。
17.一种数据库更新装置,其特征在于,该装置包括:
接收模块,用于接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
获得模块,用于通过所述知识点标题查询第一数据库,得到与知识点标题对应的问题数据;所述第一数据库用于记录知识点标题和问题数据的映射关系;
确定模块,用于确定与得到的问题数据对应的语义检索数据;
记录模块,用于在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
18.根据权利要求17所述的装置,其特征在于,
所述请求消息还携带问题数据;
所述确定模块,具体用于在确定问题数据对应的语义检索数据的过程中,确定与得到的问题数据、请求消息携带的问题数据对应的语义检索数据;
所述记录模块,还用于在第一数据库中记录所述请求消息携带的所述知识点标题和所述请求消息携带的所述问题数据的映射关系。
19.一种集群服务器,其特征在于,该集群服务器包括:
接收器,用于接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
处理器,用于通过所述知识点标题查询第一数据库,得到与知识点标题对应的问题数据,第一数据库用于记录知识点标题和问题数据的映射关系;确定与得到的问题数据对应的语义检索数据;在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
20.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
接收来自第二服务端的请求消息,所述请求消息携带知识点标题;
通过所述知识点标题查询第一数据库,得到与所述知识点标题对应的问题数据;其中,所述第一数据库用于记录知识点标题和问题数据的映射关系;
确定与得到的问题数据对应的语义检索数据;
在第二数据库中记录所述第二服务端的属性信息、所述知识点标题、所述语义检索数据、答案数据的映射关系。
21.一种智能问答管理装置,其特征在于,该装置包括:
接收模块,用于接收来自服务端的查询消息,该查询消息携带待查询问题;
确定模块,用于确定与所述待查询问题对应的语义检索数据;
获得模块,用于通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
发送模块,用于将得到的答案数据发送给所述服务端。
22.一种集群服务器,其特征在于,该集群服务器包括:
接收器,用于接收来自服务端的查询消息,该查询消息携带待查询问题;
处理器,用于确定与所述待查询问题对应的语义检索数据;以及,
通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
发射器,用于将得到的答案数据发送给所述服务端。
23.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
接收来自服务端的查询消息,该查询消息携带待查询问题;
确定与所述待查询问题对应的语义检索数据;
通过所述服务端的属性信息、所述语义检索数据查询第二数据库,得到与所述属性信息和所述语义检索数据对应的答案数据;其中,所述第二数据库用于记录服务端的属性信息、知识点标题、语义检索数据、答案数据的映射关系;
将得到的答案数据发送给所述服务端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710452374.0A CN109145092B (zh) | 2017-06-15 | 2017-06-15 | 一种数据库更新、智能问答管理方法、装置及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710452374.0A CN109145092B (zh) | 2017-06-15 | 2017-06-15 | 一种数据库更新、智能问答管理方法、装置及其设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145092A true CN109145092A (zh) | 2019-01-04 |
CN109145092B CN109145092B (zh) | 2022-05-17 |
Family
ID=64829936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710452374.0A Active CN109145092B (zh) | 2017-06-15 | 2017-06-15 | 一种数据库更新、智能问答管理方法、装置及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145092B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209785A (zh) * | 2019-05-07 | 2019-09-06 | 平安科技(深圳)有限公司 | 业务信息的查询方法及装置、电子设备、存储介质 |
CN110263051A (zh) * | 2019-06-11 | 2019-09-20 | 出门问问信息科技有限公司 | 用于问答系统的问答对更新方法、装置、设备及存储介质 |
CN110321462A (zh) * | 2019-05-24 | 2019-10-11 | 平安银行股份有限公司 | 信息动态更新方法、装置、计算机设备及存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1480870A (zh) * | 2003-07-16 | 2004-03-10 | 中南大学 | 基于互联网结构的群体智能决策支持系统生成器及其应用方法 |
JP2005010974A (ja) * | 2003-06-18 | 2005-01-13 | Fujitsu Ltd | 顧客情報を用いた質問応答システム |
CN101431573A (zh) * | 2007-11-08 | 2009-05-13 | 上海赢思软件技术有限公司 | 通过人机交互技术实现自动客户服务的方法和设备 |
CN101436981A (zh) * | 2007-11-13 | 2009-05-20 | 中国电信股份有限公司 | 在扩展的IPv4网络中的域名服务器系统 |
CN101576891A (zh) * | 2008-05-05 | 2009-11-11 | 北京瑞佳晨科技有限公司 | 一种解析网页表格对象节点的方法 |
CN101833725A (zh) * | 2010-04-15 | 2010-09-15 | 刘洪利 | 一种用户身份匹配比对方法,以及身份匹配系统 |
CN102158367A (zh) * | 2010-12-17 | 2011-08-17 | 中国科学技术大学苏州研究院 | 主动反外挂的网络游戏系统及网络游戏系统反外挂方法 |
CN102184204A (zh) * | 2011-04-28 | 2011-09-14 | 常州大学 | 一种智能Web表单自动填充方法及系统 |
CN102624675A (zh) * | 2011-01-27 | 2012-08-01 | 腾讯科技(深圳)有限公司 | 自助式客服系统、方法 |
CN102739557A (zh) * | 2011-04-08 | 2012-10-17 | 腾讯科技(深圳)有限公司 | 客户服务中的用户分流方法和装置 |
CN103744881A (zh) * | 2013-12-20 | 2014-04-23 | 百度在线网络技术(北京)有限公司 | 一种问答平台的问题分发方法和问题分发系统 |
CN103761242A (zh) * | 2012-12-31 | 2014-04-30 | 威盛电子股份有限公司 | 检索方法、检索系统以及自然语言理解系统 |
CN104679740A (zh) * | 2013-11-27 | 2015-06-03 | 中国银联股份有限公司 | 数据处理系统 |
CN105488164A (zh) * | 2015-11-30 | 2016-04-13 | 北京光年无限科技有限公司 | 问答数据处理方法及装置、智能机器人 |
CN105631014A (zh) * | 2015-12-28 | 2016-06-01 | 网易(杭州)网络有限公司 | 游戏问题信息回复方法与装置 |
CN106649524A (zh) * | 2016-10-20 | 2017-05-10 | 宁波江东大金佰汇信息技术有限公司 | 一种改进型基于计算机云数据的深度学习智能应答系统 |
-
2017
- 2017-06-15 CN CN201710452374.0A patent/CN109145092B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005010974A (ja) * | 2003-06-18 | 2005-01-13 | Fujitsu Ltd | 顧客情報を用いた質問応答システム |
CN1480870A (zh) * | 2003-07-16 | 2004-03-10 | 中南大学 | 基于互联网结构的群体智能决策支持系统生成器及其应用方法 |
CN101431573A (zh) * | 2007-11-08 | 2009-05-13 | 上海赢思软件技术有限公司 | 通过人机交互技术实现自动客户服务的方法和设备 |
CN101436981A (zh) * | 2007-11-13 | 2009-05-20 | 中国电信股份有限公司 | 在扩展的IPv4网络中的域名服务器系统 |
CN101576891A (zh) * | 2008-05-05 | 2009-11-11 | 北京瑞佳晨科技有限公司 | 一种解析网页表格对象节点的方法 |
CN101833725A (zh) * | 2010-04-15 | 2010-09-15 | 刘洪利 | 一种用户身份匹配比对方法,以及身份匹配系统 |
CN102158367A (zh) * | 2010-12-17 | 2011-08-17 | 中国科学技术大学苏州研究院 | 主动反外挂的网络游戏系统及网络游戏系统反外挂方法 |
CN102624675A (zh) * | 2011-01-27 | 2012-08-01 | 腾讯科技(深圳)有限公司 | 自助式客服系统、方法 |
CN102739557A (zh) * | 2011-04-08 | 2012-10-17 | 腾讯科技(深圳)有限公司 | 客户服务中的用户分流方法和装置 |
CN102184204A (zh) * | 2011-04-28 | 2011-09-14 | 常州大学 | 一种智能Web表单自动填充方法及系统 |
CN103761242A (zh) * | 2012-12-31 | 2014-04-30 | 威盛电子股份有限公司 | 检索方法、检索系统以及自然语言理解系统 |
CN104679740A (zh) * | 2013-11-27 | 2015-06-03 | 中国银联股份有限公司 | 数据处理系统 |
CN103744881A (zh) * | 2013-12-20 | 2014-04-23 | 百度在线网络技术(北京)有限公司 | 一种问答平台的问题分发方法和问题分发系统 |
CN105488164A (zh) * | 2015-11-30 | 2016-04-13 | 北京光年无限科技有限公司 | 问答数据处理方法及装置、智能机器人 |
CN105631014A (zh) * | 2015-12-28 | 2016-06-01 | 网易(杭州)网络有限公司 | 游戏问题信息回复方法与装置 |
CN106649524A (zh) * | 2016-10-20 | 2017-05-10 | 宁波江东大金佰汇信息技术有限公司 | 一种改进型基于计算机云数据的深度学习智能应答系统 |
Non-Patent Citations (1)
Title |
---|
周晖: "基于物联网技术的主动式服务系统", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209785A (zh) * | 2019-05-07 | 2019-09-06 | 平安科技(深圳)有限公司 | 业务信息的查询方法及装置、电子设备、存储介质 |
CN110321462A (zh) * | 2019-05-24 | 2019-10-11 | 平安银行股份有限公司 | 信息动态更新方法、装置、计算机设备及存储介质 |
CN110263051A (zh) * | 2019-06-11 | 2019-09-20 | 出门问问信息科技有限公司 | 用于问答系统的问答对更新方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109145092B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11663409B2 (en) | Systems and methods for training machine learning models using active learning | |
US20210232761A1 (en) | Methods and systems for improving machine learning performance | |
US11899681B2 (en) | Knowledge graph building method, electronic apparatus and non-transitory computer readable storage medium | |
US20190180196A1 (en) | Systems and methods for generating and updating machine hybrid deep learning models | |
US20190179903A1 (en) | Systems and methods for multi language automated action response | |
WO2019113122A1 (en) | Systems and methods for improved machine learning for conversations | |
CN113051362B (zh) | 数据的查询方法、装置和服务器 | |
US10803390B1 (en) | Method for the management of artifacts in knowledge ecosystems | |
US11609926B1 (en) | Methods and systems for social awareness | |
US20200349226A1 (en) | Dictionary Expansion Using Neural Language Models | |
US20230109545A1 (en) | System and method for an artificial intelligence data analytics platform for cryptographic certification management | |
CN109145092A (zh) | 一种数据库更新、智能问答管理方法、装置及其设备 | |
US11681696B2 (en) | Finding services in a service registry system of a service-oriented architecture | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
US8862609B2 (en) | Expanding high level queries | |
US9965812B2 (en) | Generating a supplemental description of an entity | |
US11593418B2 (en) | System and method for a semantically-driven smart data cache | |
US11373057B2 (en) | Artificial intelligence driven image retrieval | |
CN113051389A (zh) | 知识推送方法及装置 | |
CN112579733B (zh) | 规则匹配方法、规则匹配装置、存储介质及电子设备 | |
US11023497B2 (en) | Data classification | |
CN110737662A (zh) | 一种数据分析方法、装置、服务器及计算机存储介质 | |
CN113342646B (zh) | 用例生成方法、装置、电子设备和介质 | |
US11881042B2 (en) | Semantic template matching | |
US11475875B2 (en) | Method and system for implementing language neutral virtual assistant |
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 |