CN110096581A - 一种基于用户行为构建问答体系推荐问的系统及方法 - Google Patents
一种基于用户行为构建问答体系推荐问的系统及方法 Download PDFInfo
- Publication number
- CN110096581A CN110096581A CN201910350005.XA CN201910350005A CN110096581A CN 110096581 A CN110096581 A CN 110096581A CN 201910350005 A CN201910350005 A CN 201910350005A CN 110096581 A CN110096581 A CN 110096581A
- Authority
- CN
- China
- Prior art keywords
- user
- recommendation
- ask
- data
- asked
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于用户行为构建问答体系推荐问的系统及方法,包括:数据采集模块,用于采集用户数据,并将所述用户数据的非结构化数据统一处理成符合要求的结构化数据;图谱模块,用于以知识图谱的形式存储用户的历史问答记录;标准问识别模块,用于根据用户输入的用户问,利用相似度算法,在知识库中匹配得到标准问;图计算模块,用于基于所述数据采集模块得到的数据、所述图谱模块存储内容、所述标准问识别模块得到的标准问,通过图计算得到推荐问;推荐问模块,用于按要求向用户返回推荐问列表。解决了现有问答系统个性化低、运维成本高的问题,为用户提供个性化的推荐问。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种基于用户行为构建问答体系推荐问的系统及方法。
背景技术
计算机领域重视的信息检索系统便是搜索引擎,但目前搜索引擎的缺陷也很明显,几乎快成了新的信息过载,一是搜索结果数量庞大,二是搜索结果的线性排列。在现有技术中,问答技术和个性化推荐被认为是能够提高检索返回结果质量的可能途径,问答系统可以分为自动问答系统和互动问答系统,自动问答系统主要利用基于语义匹配的方法获取答案以及相似推荐问。传统的构建推荐问采用简单的基于相似度类似问句,或人工可配置推荐问的方法。
以基于相似度类似问句为例,如“A股的定义”,基于软件分词器,可切分成两个重要的词“A股”和“定义”,根据分词后的两个主要词在知识库中通过相似匹配进行召回,“什么是A股”是匹配到的标准问题,和A股相关的问题则放在推荐问中,如返回给用户推荐问列表内容包括“A股转账怎么操作”“A股规费费率说明”“A股如何转户”等。上述推荐问方式简单,通过用户问句中的关键词在知识库中召回相似度较高的问题作为推荐问,但是没有把用户行为以及用户个性化数据作为推荐问的参考标准问,导致推荐问的准确度不高,没有问题之间的业务前后关系,只单纯以相似度高低做判断。
人工可配置推荐问方法是在推荐问逻辑处理中将人工配置的有业务关联性的问题放入到推荐问的列表中,以上述具体为基础,返回给用户推荐问列表内容包括“如何购买股票”(人工配置的推荐问)、“A股转账怎么操作”“A股规费费率说明”等。这种推荐问方式简单,将通过人工配置的有业务关联性的问题作为推荐问,虽然推荐的准确度较高,但是运维成本较高,不能动态调整问题之间的关联性,往往需要极大的人力资源来维护问题之间的推荐问关系。
发明内容
针对上述现有技术中存在的问题,本发明提供一种基于用户行为构建问答体系推荐问的系统及方法,在用户输入用户问时,根据采集的用户数据、用户历史问答记录构建的知识图谱、在知识库中匹配得到的标准问,通过图计算得到推荐问,并按要求向用户返回推荐问列表,解决现有问答系统个性化低、运维成本高的问题,为用户提供个性化的推荐问。
本发明具体为:
一种基于用户行为构建问答体系推荐问的系统,包括:
数据采集模块,用于采集用户数据,并将所述用户数据的非结构化数据统一处理成符合要求的结构化数据;所述用户数据包括用户的个人基本信息、社交网络数据、问答行为数据、相关领域大数据;
图谱模块,用于以知识图谱的形式存储用户的历史问答记录;
标准问识别模块,用于根据用户输入的用户问,利用相似度算法,在知识库中匹配得到标准问;
图计算模块,用于基于所述数据采集模块得到的数据、所述图谱模块存储内容、所述标准问识别模块得到的标准问,通过图计算得到推荐问;
推荐问模块,用于根据所述数据采集模块得到的数据、所述图计算模块得到的推荐问,按要求向用户返回推荐问列表。
进一步地,所述数据采集模块还用于:
利用所述用户的个人基本信息对用户进行分组并设置标签;所述用户的个人基本信息主要为用户注册信息,包括年龄、性别、婚否等;进行分组并设置标签的目的是利于将特定的一些问题推向目标用户,如将一些未成年人必须知道的问题,指定推向未成年人群;
利用所述用户的社交网络数据构建用户画像,分析用户的情绪值和兴趣点;构建画像也是一种用户分组标签化的过程,分析用户情绪值和兴趣点有利于将一些活动链接推荐问推荐给近日情绪值正面或者符合其兴趣点的用户群;
利用所述用户的问答行为数据计算用户问题之间的相关关系,并对关联问关系进行构建;
基于所述用户的相关领域大数据、用户标签,获取相关领域推荐问,并将所述相关领域推荐问发送至所述推荐问模块;
采集所述相关领域大数据主要为采集互联网上的快讯等信息,目的是根据用户标签使相关用户快速获取快讯问题推荐,使问答体系推荐问也具有获取互联网实时信息的能力。
进一步地,所述图谱模块具体用于:
以历史问题匹配得到的标准问为顶点,以紧后问题匹配得到的标准问的次数总和为边,构建知识图谱,存储在图数据库中。
进一步地,所述图计算模块具体用于:
基于所述数据采集模块得到的数据、所述图谱模块存储内容、所述标准问识别模块得到的标准问,通过图计算进行路径计算,得到推荐问;
在路径计算过程中,当某一路径中间有不能作为推荐问的顶点时,以该顶点作为该路径的结束顶点。
进一步地,所述推荐问模块具体用于:
根据所述用户画像、用户分组及用户标签,在所述图计算模块得到的推荐问,及所述相关领域推荐问中查找符合要求的推荐问,加入推荐问列表;
根据所述关联问关系,判断用户输入的用户问中是否含有构成推荐问的问题,若是则将相关推荐问加入所述推荐问列表;否则不作处理;
根据所述用户的情绪值和兴趣点对所述推荐问列表进行优化,加入符合用户情绪值和兴趣点的推荐问,过滤掉不符合用户情绪值和兴趣点的推荐问;
将最终得到的推荐问列表返回给用户。
一种基于用户行为构建问答体系推荐问的方法,包括:
动态采集用户数据,并将所述用户数据的非结构化数据统一处理成符合要求的结构化数据;所述用户数据包括用户的个人基本信息、社交网络数据、问答行为数据、相关领域大数据;
根据用户的历史问答记录动态构建知识图谱;
当监测到用户输入时,根据用户输入的用户问,利用相似度算法,在知识库中匹配得到标准问;
基于所述用户数据、所述知识图谱、所述标准问,通过图计算得到推荐问;
根据所述用户数据、所述推荐问,按要求向用户返回推荐问列表。
进一步地,在所述动态采集用户数据后,还包括:
利用所述用户的个人基本信息对用户进行分组并设置标签;所述用户的个人基本信息主要为用户注册信息,包括年龄、性别、婚否等;进行分组并设置标签的目的是利于将特定的一些问题推向目标用户,如将一些未成年人必须知道的问题,指定推向未成年人群;
利用所述用户的社交网络数据构建用户画像,分析用户的情绪值和兴趣点;构建画像也是一种用户分组标签化的过程,分析用户情绪值和兴趣点有利于将一些活动链接推荐问推荐给近日情绪值正面或者符合其兴趣点的用户群;
利用所述用户的问答行为数据计算用户问题之间的相关关系,并对关联问关系进行构建;
基于所述用户的相关领域大数据、用户标签,获取相关领域推荐问;
采集所述相关领域大数据主要为采集互联网上的快讯等信息,目的是根据用户标签使相关用户快速获取快讯问题推荐,使问答体系推荐问也具有获取互联网实时信息的能力。
进一步地,所述根据用户的历史问答记录动态构建知识图谱,具体包括:
以历史问题匹配得到的标准问为顶点,以紧后问题匹配得到的标准问的次数总和为边,构建知识图谱,存储在图数据库中。
进一步地,基于所述用户数据、所述知识图谱、所述标准问,通过图计算得到推荐问,具体包括:
基于所述用户数据、所述知识图谱、所述标准问,通过图计算进行路径计算,得到推荐问;
在路径计算过程中,当某一路径中间有不能作为推荐问的顶点时,以该顶点作为该路径的结束顶点。
进一步地,根据所述用户数据、所述推荐问,按要求向用户返回推荐问列表,具体包括:
根据所述用户画像、用户分组及用户标签,在所述推荐问,及所述相关领域推荐问中查找符合要求的推荐问,加入推荐问列表;
根据所述关联问关系,判断用户输入的用户问中是否含有构成推荐问的问题,若是则将相关推荐问加入所述推荐问列表;否则不作处理;
根据所述用户的情绪值和兴趣点对所述推荐问列表进行优化,加入符合用户情绪值和兴趣点的推荐问,过滤掉不符合用户情绪值和兴趣点的推荐问;
将最终得到的推荐问列表返回给用户。
本发明的有益效果体现在:
本发明在用户输入用户问时,根据采集的用户数据、用户历史问答记录构建的知识图谱、在知识库中匹配得到的标准问,通过图计算得到推荐问,并按要求向用户返回推荐问列表。本发明根据用户行为数据得到个性化高的推荐问,把隐形的有业务关联性的但低相似度的问题之间建立推荐问关系,提高推荐问的准确度;可定时分析用户行为数据,动态调整问题之间的推荐问关系,无需人工干预,减少运维成本。
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。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例一种基于用户行为构建问答体系推荐问的系统结构图;
图2为本发明实施例一种知识图谱示意图;
图3为本发明实施例一种图计算关键部分路径示意图;
图4为本发明实施例一种基于用户行为构建问答体系推荐问的方法流程图;
图5为本发明实施例另一种基于用户行为构建问答体系推荐问的方法流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,为本发明一种基于用户行为构建问答体系推荐问的系统实施例,包括:
数据采集模块11,用于采集用户数据,并将所述用户数据的非结构化数据统一处理成符合要求的结构化数据;所述用户数据包括用户的个人基本信息、社交网络数据、问答行为数据、相关领域大数据;
图谱模块12,用于以知识图谱的形式存储用户的历史问答记录;
标准问识别模块13,用于根据用户输入的用户问,利用相似度算法,在知识库中匹配得到标准问;
图计算模块14,用于基于所述数据采集模块11得到的数据、所述图谱模块12存储内容、所述标准问识别模块13得到的标准问,通过图计算得到推荐问;
推荐问模块15,用于根据所述数据采集模块11得到的数据、所述图计算模块14得到的推荐问,按要求向用户返回推荐问列表。
优选地,所述数据采集模块11还用于:
利用所述用户的个人基本信息对用户进行分组并设置标签;所述用户的个人基本信息主要为用户注册信息,包括年龄、性别、婚否等;进行分组并设置标签的目的是利于将特定的一些问题推向目标用户,如将一些未成年人必须知道的问题,指定推向未成年人群;
利用所述用户的社交网络数据构建用户画像,分析用户的情绪值和兴趣点;构建画像也是一种用户分组标签化的过程,分析用户情绪值和兴趣点有利于将一些活动链接推荐问推荐给近日情绪值正面或者符合其兴趣点的用户群;
利用所述用户的问答行为数据计算用户问题之间的相关关系,并对关联问关系进行构建;
基于所述用户的相关领域大数据、用户标签,获取相关领域推荐问,并将所述相关领域推荐问发送至所述推荐问模块15;
采集所述相关领域大数据主要为采集互联网上的快讯等信息,目的是根据用户标签使相关用户快速获取快讯问题推荐,使问答体系推荐问也具有获取互联网实时信息的能力。
优选地,所述图谱模块12具体用于:
以历史问题匹配得到的标准问为顶点,以紧后问题匹配得到的标准问的次数总和为边,构建知识图谱,存储在图数据库中。
以证券行业的一个历史问答为例,知识图谱示意图如图2所示。
优选地,所述图计算模块14具体用于:
基于所述数据采集模块11得到的数据、所述图谱模块12存储内容、所述标准问识别模块13得到的标准问,通过图计算进行路径计算,得到推荐问;
在路径计算过程中,当某一路径中间有不能作为推荐问的顶点时,以该顶点作为该路径的结束顶点。
一般情况下,路径计算时分为4种情况,关键部分路径示意图如图3所示;a和b情况下,用户问匹配到的标准问在知识图谱中有强推荐问关系的另一条标准问,符合构成推荐问关系;c情况下,用户问匹配到的标准问在知识图谱中有弱推荐问关系的另一条标准问,不符合构成推荐问关系;d情况下,用户问匹配到的标准问在知识图谱中有推荐问关系但是不能作为推荐问的另一条标准问,不符合构成推荐问关系;所述推荐问关系可由用户设定的阈值进行干预。
优选地,所述推荐问模块15具体用于:
根据所述用户画像、用户分组及用户标签,在所述图计算模块14得到的推荐问,及所述相关领域推荐问中查找符合要求的推荐问,加入推荐问列表;
根据所述关联问关系,判断用户输入的用户问中是否含有构成推荐问的问题,若是则将相关推荐问加入所述推荐问列表;否则不作处理;
根据所述用户的情绪值和兴趣点对所述推荐问列表进行优化,加入符合用户情绪值和兴趣点的推荐问,过滤掉不符合用户情绪值和兴趣点的推荐问;
将最终得到的推荐问列表返回给用户。
如图4所示,为本发明一种基于用户行为构建问答体系推荐问的方法实施例,包括:
S41:动态采集用户数据,并将所述用户数据的非结构化数据统一处理成符合要求的结构化数据;所述用户数据包括用户的个人基本信息、社交网络数据、问答行为数据、相关领域大数据;
S42:根据用户的历史问答记录动态构建知识图谱;
S43:当监测到用户输入时,根据用户输入的用户问,利用相似度算法,在知识库中匹配得到标准问;
S44:基于所述用户数据、所述知识图谱、所述标准问,通过图计算得到推荐问;
S45:根据所述用户数据、所述推荐问,按要求向用户返回推荐问列表。
优选地,在所述动态采集用户数据后,还包括:
利用所述用户的个人基本信息对用户进行分组并设置标签;所述用户的个人基本信息主要为用户注册信息,包括年龄、性别、婚否等;进行分组并设置标签的目的是利于将特定的一些问题推向目标用户,如将一些未成年人必须知道的问题,指定推向未成年人群;
利用所述用户的社交网络数据构建用户画像,分析用户的情绪值和兴趣点;构建画像也是一种用户分组标签化的过程,分析用户情绪值和兴趣点有利于将一些活动链接推荐问推荐给近日情绪值正面或者符合其兴趣点的用户群;
利用所述用户的问答行为数据计算用户问题之间的相关关系,并对关联问关系进行构建;
基于所述用户的相关领域大数据、用户标签,获取相关领域推荐问;
采集所述相关领域大数据主要为采集互联网上的快讯等信息,目的是根据用户标签使相关用户快速获取快讯问题推荐,使问答体系推荐问也具有获取互联网实时信息的能力。
优选地,所述根据用户的历史问答记录动态构建知识图谱,具体包括:
以历史问题匹配得到的标准问为顶点,以紧后问题匹配得到的标准问的次数总和为边,构建知识图谱,存储在图数据库中。
优选地,基于所述用户数据、所述知识图谱、所述标准问,通过图计算得到推荐问,具体包括:
基于所述用户数据、所述知识图谱、所述标准问,通过图计算进行路径计算,得到推荐问;
在路径计算过程中,当某一路径中间有不能作为推荐问的顶点时,以该顶点作为该路径的结束顶点。
优选地,根据所述用户数据、所述推荐问,按要求向用户返回推荐问列表,具体包括:
根据所述用户画像、用户分组及用户标签,在所述推荐问,及所述相关领域推荐问中查找符合要求的推荐问,加入推荐问列表;
根据所述关联问关系,判断用户输入的用户问中是否含有构成推荐问的问题,若是则将相关推荐问加入所述推荐问列表;否则不作处理;
根据所述用户的情绪值和兴趣点对所述推荐问列表进行优化,加入符合用户情绪值和兴趣点的推荐问,过滤掉不符合用户情绪值和兴趣点的推荐问;
将最终得到的推荐问列表返回给用户。
本发明可灵活与现有技术相结合,例如添加人工配置推荐问、返回推荐问列表的同时返回推荐问答案等,形成功能完备的问答体系推荐问技术;相应地,为对本发明进行进一步说明,给出另一种基于用户行为构建问答体系推荐问的方法实施例,如图5所示,包括:
S51:用户输入用户问;
S52:判断用户问中是否包含符合用户标签的推荐问;若是则添加符合用户标签的推荐问至推荐问列表;否则进入S53;
S53:判断是否有快讯信息推荐问推送,若是则添加相关快讯信息推荐问至推荐问列表;否则进入S54;
S54:利用知识库进行标准问识别;
S55:判断标准问是否在历史问答推荐问知识图谱中,若是则根据关联问关系及阈值查询推荐问放至推荐问列表中;否则进入S56;
S56:判断是否进行人工配置推荐问,若是则将人工配置的推荐问放至推荐问列表中,并进入S57;否则进行图计算,得到推荐问;
S57:合并推荐问列表中的推荐问;
S58:根据用户近期情绪值和兴趣点对推荐问列表进行优化;
S59:向用户返回推荐问列表及相关答案。
本发明在用户输入用户问时,根据采集的用户数据、用户历史问答记录构建的知识图谱、在知识库中匹配得到的标准问,通过图计算得到推荐问,并按要求向用户返回推荐问列表。本发明根据用户行为数据得到个性化高的推荐问,把隐形的有业务关联性的但低相似度的问题之间建立推荐问关系,提高推荐问的准确度;可定时分析用户行为数据,动态调整问题之间的推荐问关系,无需人工干预,减少运维成本。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于用户行为构建问答体系推荐问的系统,其特征在于,包括:
数据采集模块,用于采集用户数据,并将所述用户数据的非结构化数据统一处理成符合要求的结构化数据;所述用户数据包括用户的个人基本信息、社交网络数据、问答行为数据、相关领域大数据;
图谱模块,用于以知识图谱的形式存储用户的历史问答记录;
标准问识别模块,用于根据用户输入的用户问,利用相似度算法,在知识库中匹配得到标准问;
图计算模块,用于基于所述数据采集模块得到的数据、所述图谱模块存储内容、所述标准问识别模块得到的标准问,通过图计算得到推荐问;
推荐问模块,用于根据所述数据采集模块得到的数据、所述图计算模块得到的推荐问,按要求向用户返回推荐问列表。
2.如权利要求1所述的系统,其特征在于,所述数据采集模块还用于:
利用所述用户的个人基本信息对用户进行分组并设置标签;
利用所述用户的社交网络数据构建用户画像,分析用户的情绪值和兴趣点;
利用所述用户的问答行为数据计算用户问题之间的相关关系,并对关联问关系进行构建;
基于所述用户的相关领域大数据、用户标签,获取相关领域推荐问,并将所述相关领域推荐问发送至所述推荐问模块。
3.如权利要求2所述的系统,其特征在于,所述图谱模块具体用于:
以历史问题匹配得到的标准问为顶点,以紧后问题匹配得到的标准问的次数总和为边,构建知识图谱,存储在图数据库中。
4.如权利要求3所述的系统,其特征在于,所述图计算模块具体用于:
基于所述数据采集模块得到的数据、所述图谱模块存储内容、所述标准问识别模块得到的标准问,通过图计算进行路径计算,得到推荐问;
在路径计算过程中,当某一路径中间有不能作为推荐问的顶点时,以该顶点作为该路径的结束顶点。
5.如权利要求4所述的系统,其特征在于,所述推荐问模块具体用于:
根据所述用户画像、用户分组及用户标签,在所述图计算模块得到的推荐问,及所述相关领域推荐问中查找符合要求的推荐问,加入推荐问列表;
根据所述关联问关系,判断用户输入的用户问中是否含有构成推荐问的问题,若是则将相关推荐问加入所述推荐问列表;否则不作处理;
根据所述用户的情绪值和兴趣点对所述推荐问列表进行优化,加入符合用户情绪值和兴趣点的推荐问,过滤掉不符合用户情绪值和兴趣点的推荐问;
将最终得到的推荐问列表返回给用户。
6.一种基于用户行为构建问答体系推荐问的方法,其特征在于,包括:
动态采集用户数据,并将所述用户数据的非结构化数据统一处理成符合要求的结构化数据;所述用户数据包括用户的个人基本信息、社交网络数据、问答行为数据、相关领域大数据;
根据用户的历史问答记录动态构建知识图谱;
当监测到用户输入时,根据用户输入的用户问,利用相似度算法,在知识库中匹配得到标准问;
基于所述用户数据、所述知识图谱、所述标准问,通过图计算得到推荐问;
根据所述用户数据、所述推荐问,按要求向用户返回推荐问列表。
7.如权利要求6所述的方法,其特征在于,在所述动态采集用户数据后,所述方法还包括:
利用所述用户的个人基本信息对用户进行分组并设置标签;
利用所述用户的社交网络数据构建用户画像,分析用户的情绪值和兴趣点;
利用所述用户的问答行为数据计算用户问题之间的相关关系,并对关联问关系进行构建;
基于所述用户的相关领域大数据、用户标签,获取相关领域推荐问。
8.如权利要求7所述的方法,其特征在于,所述根据用户的历史问答记录动态构建知识图谱,具体包括:
以历史问题匹配得到的标准问为顶点,以紧后问题匹配得到的标准问的次数总和为边,构建知识图谱,存储在图数据库中。
9.如权利要求8所述的方法,其特征在于,基于所述用户数据、所述知识图谱、所述标准问,通过图计算得到推荐问,具体包括:
基于所述用户数据、所述知识图谱、所述标准问,通过图计算进行路径计算,得到推荐问;
在路径计算过程中,当某一路径中间有不能作为推荐问的顶点时,以该顶点作为该路径的结束顶点。
10.如权利要求9所述的方法,其特征在于,根据所述用户数据、所述推荐问,按要求向用户返回推荐问列表,具体包括:
根据所述用户画像、用户分组及用户标签,在所述推荐问,及所述相关领域推荐问中查找符合要求的推荐问,加入推荐问列表;
根据所述关联问关系,判断用户输入的用户问中是否含有构成推荐问的问题,若是则将相关推荐问加入所述推荐问列表;否则不作处理;
根据所述用户的情绪值和兴趣点对所述推荐问列表进行优化,加入符合用户情绪值和兴趣点的推荐问,过滤掉不符合用户情绪值和兴趣点的推荐问;
将最终得到的推荐问列表返回给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910350005.XA CN110096581B (zh) | 2019-04-28 | 2019-04-28 | 一种基于用户行为构建问答体系推荐问的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910350005.XA CN110096581B (zh) | 2019-04-28 | 2019-04-28 | 一种基于用户行为构建问答体系推荐问的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110096581A true CN110096581A (zh) | 2019-08-06 |
CN110096581B CN110096581B (zh) | 2021-04-20 |
Family
ID=67446176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910350005.XA Active CN110096581B (zh) | 2019-04-28 | 2019-04-28 | 一种基于用户行为构建问答体系推荐问的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110096581B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460085A (zh) * | 2020-04-17 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 基于图结构的知识点推荐方法及装置 |
CN111552880A (zh) * | 2020-04-30 | 2020-08-18 | 杭州网易再顾科技有限公司 | 基于知识图谱的数据处理方法、装置、介质及电子设备 |
CN112463949A (zh) * | 2020-12-01 | 2021-03-09 | 贝壳技术有限公司 | 数据召回方法与系统、交互方法及交互系统 |
CN112860859A (zh) * | 2019-11-28 | 2021-05-28 | 北京沃东天骏信息技术有限公司 | 一种推荐问题的方法和装置 |
CN113076409A (zh) * | 2021-04-20 | 2021-07-06 | 上海景吾智能科技有限公司 | 应用于机器人的对话系统及方法、机器人、可读介质 |
CN113792153A (zh) * | 2021-08-25 | 2021-12-14 | 北京百度网讯科技有限公司 | 问答推荐方法及其装置 |
EP4002141A4 (en) * | 2020-05-29 | 2022-09-28 | BOE Technology Group Co., Ltd. | QUESTION RECOMMENDATION METHOD, APPARATUS AND SYSTEM, AND ELECTRONIC DEVICE AND COMPUTER READABLE RECORDING MEDIA |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107943998A (zh) * | 2017-12-05 | 2018-04-20 | 竹间智能科技(上海)有限公司 | 一种基于知识图谱的人机对话控制系统及方法 |
CN108090169A (zh) * | 2017-12-14 | 2018-05-29 | 上海智臻智能网络科技股份有限公司 | 问句扩展方法及装置、存储介质、终端 |
CN109101551A (zh) * | 2018-07-10 | 2018-12-28 | 广州极天信息技术股份有限公司 | 一种问答知识库的构建方法及装置 |
CN109145102A (zh) * | 2018-09-06 | 2019-01-04 | 杭州安恒信息技术股份有限公司 | 智能问答方法及其知识图谱系统构建方法、装置、设备 |
CN109241266A (zh) * | 2015-07-23 | 2019-01-18 | 上海智臻智能网络科技股份有限公司 | 人机交互中基于标准问创建扩展问的方法和装置 |
CN109344174A (zh) * | 2018-09-13 | 2019-02-15 | 深圳易投云智能科技有限公司 | 金融分析方法和系统 |
-
2019
- 2019-04-28 CN CN201910350005.XA patent/CN110096581B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241266A (zh) * | 2015-07-23 | 2019-01-18 | 上海智臻智能网络科技股份有限公司 | 人机交互中基于标准问创建扩展问的方法和装置 |
CN107943998A (zh) * | 2017-12-05 | 2018-04-20 | 竹间智能科技(上海)有限公司 | 一种基于知识图谱的人机对话控制系统及方法 |
CN108090169A (zh) * | 2017-12-14 | 2018-05-29 | 上海智臻智能网络科技股份有限公司 | 问句扩展方法及装置、存储介质、终端 |
CN109101551A (zh) * | 2018-07-10 | 2018-12-28 | 广州极天信息技术股份有限公司 | 一种问答知识库的构建方法及装置 |
CN109145102A (zh) * | 2018-09-06 | 2019-01-04 | 杭州安恒信息技术股份有限公司 | 智能问答方法及其知识图谱系统构建方法、装置、设备 |
CN109344174A (zh) * | 2018-09-13 | 2019-02-15 | 深圳易投云智能科技有限公司 | 金融分析方法和系统 |
Non-Patent Citations (2)
Title |
---|
MATTHEW W. BILOTTI: "Query Expansion Techniques for Question Answering", 《MASSACHUSETTS INSTITUTE OF TECHNOLOGY》 * |
尹越: "财经问答系统数据服务子系统的设计实现", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860859A (zh) * | 2019-11-28 | 2021-05-28 | 北京沃东天骏信息技术有限公司 | 一种推荐问题的方法和装置 |
CN111460085A (zh) * | 2020-04-17 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 基于图结构的知识点推荐方法及装置 |
CN111552880A (zh) * | 2020-04-30 | 2020-08-18 | 杭州网易再顾科技有限公司 | 基于知识图谱的数据处理方法、装置、介质及电子设备 |
EP4002141A4 (en) * | 2020-05-29 | 2022-09-28 | BOE Technology Group Co., Ltd. | QUESTION RECOMMENDATION METHOD, APPARATUS AND SYSTEM, AND ELECTRONIC DEVICE AND COMPUTER READABLE RECORDING MEDIA |
CN112463949A (zh) * | 2020-12-01 | 2021-03-09 | 贝壳技术有限公司 | 数据召回方法与系统、交互方法及交互系统 |
CN113076409A (zh) * | 2021-04-20 | 2021-07-06 | 上海景吾智能科技有限公司 | 应用于机器人的对话系统及方法、机器人、可读介质 |
CN113792153A (zh) * | 2021-08-25 | 2021-12-14 | 北京百度网讯科技有限公司 | 问答推荐方法及其装置 |
CN113792153B (zh) * | 2021-08-25 | 2023-12-12 | 北京度商软件技术有限公司 | 问答推荐方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110096581B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096581A (zh) | 一种基于用户行为构建问答体系推荐问的系统及方法 | |
US10902183B2 (en) | Automated tagging of text | |
CN110633373B (zh) | 一种基于知识图谱和深度学习的汽车舆情分析方法 | |
CN110175227B (zh) | 一种基于组队学习和层级推理的对话辅助系统 | |
US12001439B2 (en) | Information service for facts extracted from differing sources on a wide area network | |
US20160048754A1 (en) | Classifying resources using a deep network | |
CN110162611A (zh) | 一种智能客服应答方法及系统 | |
CN107766511A (zh) | 智能问答方法、终端及存储介质 | |
US12010268B2 (en) | Partial automation of text chat conversations | |
CN103593412B (zh) | 一种基于树形结构问题的应答方法及系统 | |
CN113535963B (zh) | 一种长文本事件抽取方法、装置、计算机设备及存储介质 | |
CN109947902B (zh) | 一种数据查询方法、装置和可读介质 | |
CN108021660B (zh) | 一种基于迁移学习的话题自适应的微博情感分析方法 | |
US8977617B1 (en) | Computing social influence scores for users | |
CN111309887B (zh) | 一种训练文本关键内容提取模型的方法和系统 | |
US20160283876A1 (en) | System and method for providing automomous contextual information life cycle management | |
CN111552789B (zh) | 一种客服知识库自学习方法及装置 | |
US20140365410A1 (en) | Apparatus and method for building and using inference engines based on representations of data that preserve relationships between objects | |
CN114548092A (zh) | 客服会话调度方法及其装置、设备、介质、产品 | |
Freeman et al. | Online proactive escalation in multi-modal automated assistants | |
CN116484105B (zh) | 业务处理方法、装置及计算机设备、存储介质、程序产品 | |
CN111209394A (zh) | 文本分类处理方法和装置 | |
CN110188201A (zh) | 一种信息匹配方法及设备 | |
CN114239602A (zh) | 会话方法、装置和计算机程序产品 | |
Galitsky | Finding a Lattice of Needles in a Haystack: Forming a Query from a Set of Items of Interest. |
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 |