CN110472033A - 基于nlp模型的问答方法、装置及服务器 - Google Patents

Abstract

本发明提供了基于NLP模型的问答方法、装置及服务器，其中，基于NLP模型的问答方法包括：当获取到用户的问询信息时，抽取问询信息中的变量参数；根据预设语义触发规则将问询信息进行语义匹配，生成与变量参数对应的答复逻辑信息；根据答复逻辑信息和变量参数生成答复信息，并显示该答复信息。本申请缓解了现有的对话机器人无法满足专业领域或是特殊需求的问答的技术问题，可以在普通对话机器人系统中，扩展出丰富的功能和专业技能。

Description

基于NLP模型的问答方法、装置及服务器

技术领域

本发明涉及NLP技术领域，尤其是涉及基于NLP模型的问答方法、装置及服务器。

背景技术

目前，现有对话机器人系统，普遍停留在通用的泛场景领域，包括闲聊、问答、指令响应；例如，在泛场景的对话环境中，用户可以让机器人查询某些特定领域的信息，比如查快递、查天气、查火车票、查飞机票、说个绕口令、分析一下大盘、预定机票、控制机器人跳舞前进等。但是，现有的对话机器人无法满足专业领域或是特殊需求的问答，给用户带来了不便。

发明内容

有鉴于此，本发明的目的在于提供基于NLP模型的问答方法、装置及服务器，以缓解现有的对话机器人无法满足专业领域或是特殊需求的问答的技术问题，可以在普通对话机器人系统中，扩展出丰富的功能和专业技能。

第一方面，本发明实施例提供了一种基于NLP模型的问答方法，应用于服务器，所述基于NLP模型的问答方法包括：

当获取到用户的问询信息时，抽取所述问询信息中的变量参数；

根据预设语义触发规则将所述问询信息进行语义匹配，生成与所述变量参数对应的答复逻辑信息；

根据所述答复逻辑信息和所述变量参数生成答复信息，并显示所述答复信息。

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，所述服务器包括变量接口和控件接口；

所述抽取所述问询信息中的变量参数的步骤包括：

调用所述变量接口；

通过所述变量接口的接口函数从所述问询信息中抽取所述变量参数。

结合第一方面的第一种可能的实施方式，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，所述根据所述答复逻辑信息和所述变量参数生成答复信息的步骤包括：

调用所述控件接口；

将所述答复逻辑信息，以及所述变量接口抽取的所述变量参数输入至所述控件接口的接口函数，以使所述控件接口的接口函数根据所述答复逻辑信息和所述变量参数生成所述答复信息。

结合第一方面的第二种可能的实施方式，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，所述控件接口的接口函数根据所述答复逻辑信息和所述变量参数生成所述答复信息的步骤还包括：

所述控件接口的接口函数根据所述答复逻辑信息查找预存的控件库，以查找匹配的控件；

如果查找到所述控件，触发所述控件根据所述变量参数生成所述答复信息。

结合第一方面的第三种可能的实施方式，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，所述方法还包括：

如果所述控件接口的接口函数在所述预存的控件库中未查找到所述控件，则根据所述答复逻辑信息和所述变量参数生成更新控件，以及所述更新控件对应的控件编号，并保存至所述预存的控件库。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述根据预设语义触发规则将所述问询信息进行语义匹配，生成与所述变量参数对应的答复逻辑信息的步骤包括：

通过所述预设语义触发规则识别所述问询信息中的关键词；

根据所述关键词生成所述答复逻辑信息。

第二方面，本发明实施例还提供基于NLP模型的问答装置，应用于服务器，所述基于NLP模型的问答装置包括：

抽取模块，用于当获取到用户的问询信息时，抽取所述问询信息中的变量参数；

匹配模块，用于根据预设语义触发规则将所述问询信息进行语义匹配，生成与所述变量参数对应的答复逻辑信息；

生成模块，用于根据所述答复逻辑信息和所述变量参数生成答复信息，并显示所述答复信息。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述匹配模块还用于：

通过所述预设语义触发规则识别所述问询信息中的关键词；

根据所述关键词生成所述答复逻辑信息。

第三方面，本发明实施例还提供一种服务器，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现第一方面所述的基于NLP模型的问答方法。

第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现第一方面所述的基于NLP模型的问答方法。

本发明实施例带来了以下有益效果：

本发明实施例提供了基于NLP模型的问答方法、装置及服务器，其中，基于NLP模型的问答方法包括：当获取到用户的问询信息时，抽取问询信息中的变量参数；根据预设语义触发规则将问询信息进行语义匹配，生成与变量参数对应的答复逻辑信息；根据答复逻辑信息和变量参数生成答复信息，并显示该答复信息。本申请缓解了现有的对话机器人无法满足专业领域或是特殊需求的问答的技术问题，可以在普通对话机器人系统中，扩展出丰富的功能和专业技能。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

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为本发明实施例提供的一种基于NLP模型的问答方法的流程示意图；

图2为本发明实施例提供的一种控件中心界面的示意图；

图3为本发明实施例提供的另一种控件中心界面的示意图；

图4为本发明实施例提供的另一种基于NLP模型的问答方法的流程示意图；

图5为本发明实施例提供的一种基于NLP模型的问答装置示意图；

图6为本发明实施例提供的一种电子设备的结构示意图。

图标：

10-抽取模块；20-匹配模块；30-生成模块；40-存储器；41-处理器；42-总线；43-通信接口。

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。

针对现有的对话机器人无法满足专业领域或是特殊需求的问答的技术问题，本发明实施例提供了一种基于NLP模型的问答方法、装置及服务器，以缓解现有的对话机器人无法满足专业领域或是特殊需求的问答的技术问题，且，可以在普通对话机器人系统中，扩展出丰富的功能和专业技能。

为便于对本实施例进行理解，下面首先对本发明实施例提供的一种基于NLP模型的问答方法进行详细介绍。

实施例一：

图1所示为一种基于NLP模型的问答方法的流程示意图，应用于服务器，且，服务器中包括语义系统和控件中心，参照图1，该基于NLP模型的问答方法包括以下步骤：

步骤S101，当获取到用户的问询信息时，抽取问询信息中的变量参数；

具体地，上述NLP(Natural Language Processing，自然语言处理)模型采用控件NLP模型，这里，控件是对话机器人中一种特殊的回复，该回复包括但不仅限于文本、图片、语音、链接、定制的图形化UI widget。

如图2所示，通过在控件中心，添加控件，即可在普通对话机器人系统中增加一项技能。具体地，在添加控件时，如图3所示，需填入添加的控件的名称，并上传控件。这里，上传的控件，包括控件代码、支持python语言的py文件、java语言的jar包、控件的URL(Uniform Resource Locator，统一资源定位符)、该控件的动态链接库dll/so文件等等。其中，控件的URL包括自定义的h5界面地址。此外，控件添加完成后，控件中心会自动生成该控件的编号，当对话机器人系统调用该控件时，该控件可以实现文字、图片、图文并茂，h5页面、超链接、音频、视频、硬件机器人动作控制、打开app(Application)、拨打电话、挂断电话等等。

在实际应用中，当服务器中的语义系统获取到用户的问询信息时，语义系统将该问询信息发送至控件中心，以使控件中心抽取该问询信息中的变量参数。

步骤S102，根据预设语义触发规则将问询信息进行语义匹配，生成与变量参数对应的答复逻辑信息；

控件中心抽取出用户问询信息中的变量参数后，将该变量参数发送至语义系统，语义系统将该变量参数缓存入变量池中。当语义系统获取到用户新的问询信息时，控件中心根据新的问询信息抽取出新的变量参数，并将新的变量参数传输至语义系统，此时，语义系统将新的变量参数缓存至变量池中，并覆盖上一次缓存的变量参数。

此外，语义系统还根据预设语义触发规则将问询信息进行语义匹配，从而生成上述变量参数对应的答复逻辑信息，并将该变量参数和答复逻辑信息发送至控件中心，其中，该答复逻辑信息可以调用与问询信息对应的控件。

步骤S103，根据答复逻辑信息和变量参数生成答复信息，并显示答复信息。

控件中心接收到上述语义系统发送的变量参数和答复逻辑信息后，控件中心根据答复逻辑信息确定用于答复的控件，该控件结合变量参数，生成与用户问询信息对应的答复信息。控件中心将答复信息发送至语义系统，并显示该答复信息，满足用户专业领域或是特殊需求的问答，提高用户的体验度。

本发明实施例提供了基于NLP模型的问答方法，包括：当获取到用户的问询信息时，抽取问询信息中的变量参数；根据预设语义触发规则将问询信息进行语义匹配，生成与变量参数对应的答复逻辑信息；根据答复逻辑信息和变量参数生成答复信息，并显示该答复信息，缓解了现有的对话机器人无法满足专业领域或是特殊需求的问答的技术问题，可以在普通对话机器人系统中，扩展出丰富的功能和专业技能，满足用户的多种需求，提高了用户的体验度。

此外，控件中心新增控件后，控件开发人员需要按照控件在控件中心中的编号，创建widget_编号.py文件，并将该widget_编号.py文件上传至控件中心。该widget_编号.py文件包括两部分：变量接口和控件接口，其中，变量接口和控件接口内部均具有接口函数，且，变量接口的接口函数为get_parameter函数，控件接口的接口函数则为get_widget函数。

此时，如图4所示，控件中心抽取用户问询信息中的变量参数主要包括：调用上述变量接口，并通过变量接口的接口函数get_parameter函数从问询信息中抽取变量参数。抽取变量参数后，控件中心将该变量参数发送至语义系统，以使语义系统将该变量参数缓存至变量池。

同时，语义系统根据预设语义触发规则将问询信息进行语义匹配，生成与变量参数对应的答复逻辑信息。具体地，语义系统首先通过预设语义触发规则识别用户问询信息中的关键词，然后，根据该关键词生成答复逻辑信息。其中，该答复逻辑信息用于确定答复问询信息的控件，包括但不仅限于该控件对应的编号。此外，预设语义触发规则主要是当获取到用户的问询信息时，确定问询信息目的的关键词。为了便于理解，这里举例说明，用户要查一下快递的物流情况，则语义系统获取到用户的问询信息后，通过预设语义触发规则识别用户问询信息中的关键词：查一下&快递，并根据该关键词生成答复逻辑信息，例如查询快递的控件编号W018，以使控件中心根据该答复逻辑信息调用控件，从而实现用户的快递查询。

进一步的，语义系统将变量参数和答复逻辑信息发送至控件中心，以使控件中心根据答复逻辑信息和变量参数生成答复信息。具体地，控件中心首先调用控件接口，然后将答复逻辑信息，以及变量接口抽取的变量参数输入至控件接口的接口函数get_widget函数，以使控件接口的接口函数get_widget函数根据答复逻辑信息和变量参数生成答复信息。

此时，控件接口的接口函数get_widget函数首先根据答复逻辑信息查找预存的控件库，以查找匹配的控件；如果查找到控件，触发控件根据变量参数生成答复信息。其中，上述控件库即控件中心，包括实现对话机器人的多种功能的控件，因此，get_widget函数需要根据答复逻辑信息查找预存的控件库，以查找匹配的控件，当在控件库中查找到匹配的控件时，触发该控件根据变量参数生成答复信息。可选的，当答复逻辑信息为控件的编号时，get_widget函数直接根据该编号确定匹配的控件，并触发该控件根据变量参数生成用户的问询信息对应的答复信息。

进一步的，如果控件接口的接口函数get_widget函数在预存的控件库中未查找到控件，则根据答复逻辑信息和变量参数生成更新控件，以及更新控件对应的控件编号，并保存至预存的控件库。

实施例二：

为了便于理解，这里以查询火车票为例说明。控件开发者首先将实现车票查询的控件添加至控件中心中，生成该控件的编号W001，此时，控件开发者上传widget_W001.py文件，该widget_W001.py文件包括变量接口和控件接口，且，变量接口的接口函数为get_parameter函数，控件接口的接口函数为get_widget函数。当用户向对话机器人系统发出“帮我查一下20号北京到上海的火车票”的问询信息时，语义系统将该问询信息发送至控件中心，变量接口的接口函数get_parameter函数从上述问询信息中抽取变量参数，比如：20号(日期)、北京(出发地)和上海(目的地)，变量参数抽取完成后，控件中心将该变量参数发送至语义系统，以使语义系统将该变量参数缓存至变量池中，此时，语义系统根据预设语义触发规则识别用户问询信息中的关键词，这里的关键词为：查一下&火车票，以及根据该关键词生成答复逻辑信息，这里答复逻辑信息为控件编码，即W001；语义系统将该答复逻辑信息喝变量参数发送至控件中心，以使控件中心的控件接口的接口函数get_widget函数根据该答复逻辑信息确定控件库中匹配的控件，即编号为W001的控件，并触发该控件根据变量参数生成答复信息，且，将该答复信息发送至语义系统；其中，该答复信息为对应日期下的出发地到目的地的火车票信息，即20号从北京到上海的所有火车票信息，从而满足了用户的特殊需求，并在现有普通的对话机器人系统中，扩展丰富的功能和专业技能。此外，通过该基于NLP模型的问答方法，还可以实现Android、iOS、PC(Personal Computer，个人计算机)、Web(World Wide Web，全球广域网)平台对硬件机器人、智能硬件做到控制和交互，从而也对机器人管家的概念提供了技术基础和研发支撑。

实施例三：

在上述实施例的基础上，本发明实施例还提供了一种基于NLP模型的问答装置，如图5所示的一种基于NLP模型的问答装置的示意图。

参照图5，该基于NLP模型的问答装置包括：

抽取模块10，用于当获取到用户的问询信息时，抽取问询信息中的变量参数；

匹配模块20，用于根据预设语义触发规则将问询信息进行语义匹配，生成与变量参数对应的答复逻辑信息；

生成模块30，用于根据答复逻辑信息和变量参数生成答复信息，并显示答复信息。

进一步的，上述匹配模块20还用于：

通过预设语义触发规则识别问询信息中的关键词；

根据关键词生成答复逻辑信息。

进一步的，上述服务器包括变量接口和控件接口；其中，抽取问询信息中的变量参数的步骤包括：

调用变量接口；

通过变量接口的接口函数从问询信息中抽取变量参数。

进一步的，上述根据答复逻辑信息和变量参数生成答复信息的步骤包括：

调用控件接口；

将答复逻辑信息，以及变量接口抽取的变量参数输入至控件接口的接口函数，以使控件接口的接口函数根据答复逻辑信息和变量参数生成答复信息。

进一步的，上述控件接口的接口函数根据答复逻辑信息和变量参数生成答复信息的步骤还包括：

控件接口的接口函数根据答复逻辑信息查找预存的控件库，以查找匹配的控件；

如果查找到控件，触发控件根据变量参数生成答复信息。

进一步的，该基于NLP模型的问答装置还包括：

如果控件接口的接口函数在预存的控件库中未查找到控件，则根据答复逻辑信息和变量参数生成更新控件，以及更新控件对应的控件编号，并保存至预存的控件库。

本发明实施例提供的基于NLP模型的问答装置，与上述实施例提供的基于NLP模型的问答方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

本发明实施例还提供一种服务器，如图6所示，为该服务器的结构示意图，其中，该服务器包括存储器40和处理器41，该存储器40存储有能够被该处理器41执行的计算机可执行指令，该处理器41执行该计算机可执行指令以实现上述基于NLP模型的问答方法。

在图6示出的实施方式中，该电子设备还包括总线42和通信接口43，其中，处理器41、通信接口43和存储器40通过总线42连接。

其中，存储器40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(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线42可以分为地址总线、数据总线、控制总线等。为便于表示，图6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。

处理器41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41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41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 SignalProcessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(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。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。结合本申请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，处理器41读取存储器中的信息，结合其硬件完成前述实施例的游戏场景中的视角切换方法的步骤。

本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述基于NLP模型的问答方法，具体实现可参见前述方法实施例，在此不再赘述。

本发明实施例所提供的计算机程序产品，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，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

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，可以存储在一个处理器可执行的非易失的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。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

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所述以权利要求的保护范围为准。

Claims (10)

1.一种基于NLP模型的问答方法，其特征在于，应用于服务器，所述基于NLP模型的问答方法包括：

当获取到用户的问询信息时，抽取所述问询信息中的变量参数；

根据预设语义触发规则将所述问询信息进行语义匹配，生成与所述变量参数对应的答复逻辑信息；

根据所述答复逻辑信息和所述变量参数生成答复信息，并显示所述答复信息。

2.根据权利要求1所述的基于NLP模型的问答方法，其特征在于，所述服务器包括变量接口和控件接口；

所述抽取所述问询信息中的变量参数的步骤包括：

调用所述变量接口；

通过所述变量接口的接口函数从所述问询信息中抽取所述变量参数。

3.根据权利要求2所述的基于NLP模型的问答方法，其特征在于，所述根据所述答复逻辑信息和所述变量参数生成答复信息的步骤包括：

调用所述控件接口；

将所述答复逻辑信息，以及所述变量接口抽取的所述变量参数输入至所述控件接口的接口函数，以使所述控件接口的接口函数根据所述答复逻辑信息和所述变量参数生成所述答复信息。

4.根据权利要求3所述的基于NLP模型的问答方法，其特征在于，所述控件接口的接口函数根据所述答复逻辑信息和所述变量参数生成所述答复信息的步骤还包括：

所述控件接口的接口函数根据所述答复逻辑信息查找预存的控件库，以查找匹配的控件；

如果查找到所述控件，触发所述控件根据所述变量参数生成所述答复信息。

5.根据权利要求4所述的基于NLP模型的问答方法，其特征在于，所述方法还包括：

如果所述控件接口的接口函数在所述预存的控件库中未查找到所述控件，则根据所述答复逻辑信息和所述变量参数生成更新控件，以及所述更新控件对应的控件编号，并保存至所述预存的控件库。

6.根据权利要求1所述的基于NLP模型的问答方法，其特征在于，所述根据预设语义触发规则将所述问询信息进行语义匹配，生成与所述变量参数对应的答复逻辑信息的步骤包括：

通过所述预设语义触发规则识别所述问询信息中的关键词；

根据所述关键词生成所述答复逻辑信息。

7.一种基于NLP模型的问答装置，其特征在于，应用于服务器，所述基于NLP模型的问答装置包括：

抽取模块，用于当获取到用户的问询信息时，抽取所述问询信息中的变量参数；

匹配模块，用于根据预设语义触发规则将所述问询信息进行语义匹配，生成与所述变量参数对应的答复逻辑信息；

生成模块，用于根据所述答复逻辑信息和所述变量参数生成答复信息，并显示所述答复信息。

8.根据权利要求7所述的基于NLP模型的问答装置，其特征在于，所述匹配模块还用于：

通过所述预设语义触发规则识别所述问询信息中的关键词；

根据所述关键词生成所述答复逻辑信息。

9.一种服务器，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的基于NLP模型的问答方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至6任一项所述的基于NLP模型的问答方法。