CN110674275B - 一种知识问答的方法及装置 - Google Patents

一种知识问答的方法及装置 Download PDF

Info

Publication number
CN110674275B
CN110674275B CN201910899806.1A CN201910899806A CN110674275B CN 110674275 B CN110674275 B CN 110674275B CN 201910899806 A CN201910899806 A CN 201910899806A CN 110674275 B CN110674275 B CN 110674275B
Authority
CN
China
Prior art keywords
information
user
input
type
question
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.)
Active
Application number
CN201910899806.1A
Other languages
English (en)
Other versions
CN110674275A (zh
Inventor
曲文武
张晓霞
纪旭升
胡伟凤
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.)
Qingdao Juhaolian Technology Co ltd
Original Assignee
Qingdao Juhaolian Technology Co 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 Qingdao Juhaolian Technology Co ltd filed Critical Qingdao Juhaolian Technology Co ltd
Priority to CN201910899806.1A priority Critical patent/CN110674275B/zh
Publication of CN110674275A publication Critical patent/CN110674275A/zh
Application granted granted Critical
Publication of CN110674275B publication Critical patent/CN110674275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/335Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种知识问答的方法及装置,该方法包括获取用户输入的信息,根据用户输入的信息的类型,对用户输入的信息进行分析,得到分析结果,根据分析结果,从知识库中确定出所述分析结果对应的答复信息,知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的,将答复信息发送给用户。通过用户输入的信息的类型的不同,可以得到不同的分析结果,通过可以从知识库中确定出不同的答复信息,以为用户提供精准答复,提高知识问答的用户体验。

Description

一种知识问答的方法及装置
技术领域
本发明实施例涉及交通技术领域,尤其涉及一种知识问答的方法及装置。
背景技术
智能客服是一项面向行业应用的综合技术,它包括大规模知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等等。智能客服具有行业通用性,不仅为企业提供了细粒度知识管理技术,还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段。智能客服在客服行业的地位日趋重要,目前很多企业都在大量、重复的应用场景中使用智能客服来替代人工客服,而知识问答是智能客服一项非常重要的服务能力。
传统的知识问答往往是基于标准问答集合的,例如面向公司内部职工的知识问答机器人,它会将入职、离职、公积金、公司制度等职工关心的问题做成标准问答集合,当职工提出问题时,可以与标准问题进行匹配,从而获取相应的标准答案,通过一次交互过程就可以完成知识问答。在这类场景中不同问题之间的界限是非常清晰的,像入职、公积金等问题,几乎不存在问题识别方面的问题。
当我们将知识问答智能客服作为物联网平台服务时,它允许不同厂商提供设备的相关知识,例如文档、标准问答集合等等,然后为这些设备提供知识问答的服务。在这样的应用场景中,会遇到问题界限不清晰的案例。例如,用户会问“我家的热水器怎么上水?”,“空调怎么设置定时关机?”。对于不同品牌、不同型号的设备,这些问题的答案可能是不相同的,系统难以直接给出准确答案。
发明内容
本发明实施例提供一种知识问答的方法及装置,用以通过与用户之间的多轮交互,提高为用户提供答复的准确率,提高知识问答的用户体验。
第一方面,本发明实施例提供一种知识问答的方法,包括:
获取用户输入的信息;
根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果;
根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息;所述知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的;
将所述答复信息发送给用户。
上述技术方案中,通过用户输入的信息的类型的不同,可以得到不同的分析结果,通过可以从知识库中确定出不同的答复信息,以为用户提供精准答复,提高知识问答的用户体验。
可选的,所述用户输入的信息的类型为问题类型;
所述根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果,包括:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、句子模型匹配、条件信息填充,得到所述分析结果。
可选的,所述分析结果包括用户输入的信息、用户输入类型、关键词信息、句子模型和条件信息:
所述根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息,包括:
若所述用户输入类型为问题类型且所述句子模型为空,则根据所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;
若所述用户输入类型为问题类型且所述句子模型非空,则更新用户问题列表,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;若所述条件信息为完成提问或未被答复,则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
可选的,所述用户输入的信息的类型为答复类型;
所述根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果,包括:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、条件信息填充,得到所述分析结果。
可选的,所述分析结果包括用户输入的信息、用户输入类型、关键词信息和条件信息:
所述根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息,包括:
在所述用户输入类型为答复类型时,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;否则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
第二方面,本发明实施例提供一种知识问答的装置,包括:
获取模块,用于获取用户输入的信息;
分析模块,用于根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果;
答复模块,用于根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息;所述知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的;
发送模块,用于将所述答复信息发送给用户。
可选的,所述用户输入的信息的类型为问题类型;
所述分析模块具体用于:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、句子模型匹配、条件信息填充,得到所述分析结果。
可选的,所述分析结果包括用户输入的信息、用户输入类型、关键词信息、句子模型和条件信息:
所述答复模块具体用于:
若所述用户输入类型为问题类型且所述句子模型为空,则根据所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;
若所述用户输入类型为问题类型且所述句子模型非空,则更新用户问题列表,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;若所述条件信息为完成提问或未被答复,则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
可选的,所述用户输入的信息的类型为答复类型;
所述分析模块具体用于:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、条件信息填充,得到所述分析结果。
可选的,所述分析结果包括用户输入的信息、用户输入类型、关键词信息和条件信息:
所述答复模块具体用于:
在所述用户输入类型为答复类型时,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;否则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
第三方面,本发明实施例还提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述知识问答的方法。
第四方面,本发明实施例还提供一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述知识问答的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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系统架构的示意图;
图2为本发明实施例提供的一种知识问答的方法的流程示意图;
图3为本发明实施例提供的一种知识问答的方法的流程示意图;
图4为本发明实施例提供的一种知识问答的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种系统架构,该系统架构可以为服务器100,包括处理器110、通信接口120和存储器130。该服务器100可以位于知识问答系统服务器。
其中,通信接口120用于分别与用户的终端设备进行通信,收发该用户的终端设备传输的信息,实现通信。
处理器110是服务器100的控制中心,利用各种接口和路线连接整个服务器100的各个部分,通过运行或执行存储在存储器130内的软件程序/或模块,以及调用存储在存储器130内的数据,执行服务器100的各种功能和处理数据。可选地,处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块,处理器110通过运行存储在存储器130的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据业务处理所创建的数据等。此外,存储器130可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
本专利所提出的一种知识问答方法和系统,可以通过与用户之间的多轮交互,实现用户问题的知识问答,以此提高系统的用户体验。其包括如下内容:
首先,通过人工方法定义句子模型,并配置条件信息。
然后,通过多轮交互来分析用户的问题,然后检索到合适的答案返回给用户。其中,每一次交互过程描述如图2所示,具体包括:
Step1:分析模块接收用户输入信息,对输入信息进行逐句分析,然后将分析结果传送给答复模块。
Step2:答复模块按照设定的答复策略生成答复信息,并将答复信息发送给用户。
基于上述描述,图3详细的示出了本发明实施例提供的一种知识问答的方法的流程,该流程可以由知识问答的装置执行,该装置可以位于如图1所示服务器100内,也可以是该服务器100。
如图3所示,该流程具体包括:
步骤301,获取用户输入的信息。
在本发明实施例中,通过用户输入的信息可以确定出用户输入的信息的类型,例如可以问题类型或答复类型。其中句子模型和条件信息可以是预设的,其格式可以如下所示:
句子模型形如“&设备类型&怎么&[动词,动词+名词]&”,其中两个“&”符号之间的内容表示的是待匹配的类型变量,“[]”中的内容以逗号间隔,它表示间隔开的内容是多选一的。“&设备类型&”表示需要匹配设备类型的词,例如冰箱、空调;“&[动词,动词+名词]&”表示需要使用动词或动词+名词的组合进行匹配。
每个句子模型通过人工方法配置条件信息。例如句子模型为“&设备类型&怎么&[动词,动词+名词]&”配置的条件信息是{设备类型,设备品牌,设备型号}。
步骤302,根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果。
其中,用户输入的信息的类型为问题类型时,可以依据预设的句子模型以及预设的句子模型对应的条件信息,依次对用户输入的信息进行句子预处理、关键词抽取与标注、句子模型匹配、条件信息填充,得到分析结果。
当用户输入的信息的类型为答复类型时,可以依据预设的句子模型以及预设的句子模型对应的条件信息,依次对用户输入的信息进行句子预处理、关键词抽取与标注、条件信息填充,得到分析结果。需要说明的是,由于是答复类型的,此处句子模型对应的信息为空,因此就不需要得到句子模型。
具体的,上述分析模块对输入信息进行逐句分析,确认是问题,还是信息答复。然后根据不同输入类型对句子进行分析:a)问题类型:依次进行句子预处理、关键词抽取与标注、句子模型匹配、条件信息填充;b)答复类型:依次进行句子预处理、关键词抽取与标注、条件信息填充。最后,分析模块将输出信息传送给答复模块。输出信息包括用户输入信息、用户输入类型、关键词信息、句子模型、条件信息。
即分析结果可以包括用户输入的信息、用户输入类型、关键词信息、句子模型和条件信息。
上述句子预处理可以包括但不限于分词、去停用词、字符转化数字等。
步骤303,根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息。
在本发明实施例中,知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的。
知识库中的知识来源于客户所提供的文档、标准问答集合等。这些内容将通过自然语言处理技术被转化为格式化的数据,并存储到知识库中。例如:
厂商:A;
设备类型:B;
设备品牌:C;
设备型号:D;
内容:热水器上水的步骤是:1、……,2……。
基于上述知识库,若用户输入类型为问题类型且句子模型为空,则根据关键词信息和条件信息从知识库中检索出第一信息,并计算第一信息与用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为分析结果对应的答复信息。
若用户输入类型为问题类型且句子模型非空,则更新用户问题列表,若条件信息均已完成提问或被答复,则将用户输入的信息从用户问题列表中删除,从关键词信息和条件信息从知识库中检索出第一信息,并计算第一信息与用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为分析结果对应的答复信息;若条件信息为完成提问或未被答复,则根据条件信息生成询问问题的答复信息,并更新条件信息在用户问题列表中的状态。
在用户输入类型为答复类型时,若条件信息均已完成提问或被答复,则将用户输入的信息从用户问题列表中删除,从关键词信息和条件信息从知识库中检索出第一信息,并计算第一信息与用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为分析结果对应的答复信息;否则根据条件信息生成询问问题的答复信息,并更新条件信息在用户问题列表中的状态。上述第一阈值可以依据经验设置。
举例来说,若用户输入的信息的类型是问题,且句模的内容是空的,执行如下过程:信息检索。
若用户输入类型是问题,且句模的内容是非空的,执行如下过程:a)更新用户问题列表;b)对问题及条件信息进行分析,若条件信息均已完成提问或被答复,则信息检索,并将该问题从列表中删除;否则根据条件信息生成询问问题,并更新条件信息的状态。
若用户输入的信息的类型是答复类型,执行如下过程:若条件信息均已完成提问或被答复,则信息检索,并将该问题从列表中删除;否则根据条件信息生成询问问题,并更新条件信息的状态。
上述信息检索的过程中的输入是用户的问题、关键词信息、条件信息,其中关键词信息来源于通过自然语言处理技术从用户问题中识别出来的关键词。
信息检索过程首先使用关键词信息、条件信息从存储的知识库中检索信息,然后将检索出来的信息与用户问题进行匹配,并计算匹配度。
预先通过人工方法设定匹配度阈值,只有匹配度不低于第一阈值的检索信息才会被作为结果返回,而低于阈值的检索信息会被丢弃。
其中,关键词抽取与标注可以是抽取句子中的关键词,并对这些关键词进行标注。例如,句子“我家的热水器怎么上水?”,抽取关键词{热水器,怎么,上水},标注结果为:
热水器:名词,设备类型;
怎么:疑问词;
上水:动词。
步骤304,将答复信息发送给用户。
为了更好的解释本发明实施例,下面将以具体的实施例来描述上述知识问答的过程。
实施例1:
1.构建句模,并配置条件信息。
句模1:“&设备类型&怎么&[动词,动词+名词]&”;
配置信息{设备类型,设备品牌,设备型号}。
2.用户问答(第一轮)过程描述如下:
1)用户输入“我想问一下,热水器是怎么上水的?”。
2)分析模块:
a)使用分类方法对句子分类,分类结果是“问题”。
b)句子预处理(分词):“我|想|问|一下|,|热水器|是|怎么|上水|的|?”。
c)关键词抽取与标注:{热水器:名词,设备类型},{怎么:疑问词},{上水:动词}。
d)句子模型匹配:“热水器是怎么上水的?”成功匹配句模“&设备类型&怎么&[动词,动词+名词]&”。
e)条件信息填充:{设备类型:热水器,设备品牌:NULL(0),设备型号:NULL(0)},其中NULL表示空,0表示该条件信息没有被询问过。
f)分析模块将如下信息传送给答复模块。
<“我想问一下,热水器是怎么上水的?”,问题,{热水器,上水},“&设备类型&怎么&[动词,动词+名词]&”,{设备类型:热水器,设备品牌:NULL(0),设备型号:NULL(0)}>。
3)答复模块:
a)用户输入类型是问题,且句模的内容是非空的。
b)将问题“我想问一下,热水器是怎么上水的?”加入问题列表;
c)问题的条件信息{设备类型:热水器,设备品牌:NULL(0),设备型号:NULL(0)}>,未被全部询问或答复,则选择一个条件信息生成询问问题:“请问您的热水器是什么品牌的?”,然后更新条件信息{设备类型:热水器,设备品牌:NULL(1),设备型号:NULL(0)}>,NULL(1)表示设备品牌的条件信息被询问。
d)答复用户:将答复信息“请问您的热水器是什么品牌的?”发送给用户。
3.用户问答(第二轮)过程描述如下:
1)用户输入“XX品牌的”。
2)分析模块:
a)使用分类方法对句子分类,分类结果是“信息答复”;
b)句子预处理(分词):“XX品牌|的?”;
c)关键词抽取与标注:{XX品牌:名词,品牌名称};
d)条件信息填充:{设备类型:热水器,设备品牌:XX品牌,设备型号:NULL(0)};
e)分析模块将如下信息传送给答复模块:
<“XX品牌的”,信息答复,{XX品牌},NULL,NULL>。
3)答复模块
a)用户输入类型是信息答复。
b)问题“我想问一下,热水器是怎么上水的?”的条件信息{设备类型:热水器,设备品牌:XX品牌,设备型号:NULL(0)}>,未被全部询问或答复,则选择一个条件信息生成询问问题:“请问您的热水器是什么型号的?”,然后更新条件信息{设备类型:热水器,设备品牌:XX品牌,设备型号:NULL(1)}>。
c)答复用户:将答复信息“请问您的热水器是什么型号的?”发送给用户。
4.用户问答(第三轮)过程描述如下:
1)用户输入“不太清楚”。
2)分析模块:
a)使用分类方法对句子分类,分类结果是“信息答复”;
b)句子预处理(分词):“不|太|清楚?”;
c)关键词抽取与标注:{不:副词,否定词},{清楚:动词};
d)没有可用于条件信息填充的关键词。
e)分析模块将如下信息传送给答复模块:
<“XX品牌的”,信息答复,{不,清楚},NULL,NULL>。
3)答复模块
a)用户输入类型是信息答复。
b)问题“我想问一下,热水器是怎么上水的?”的条件信息{设备类型:热水器,设备品牌:XX品牌,设备型号:NULL(1)}>,全部询问或答复,则选择信息检索:
i.使用用户问题“我想问一下,热水器是怎么上水的?”,关键词信息{热水器,上水,XX品牌}从存储的知识库中检索信息。如信息1:“XX品牌I型热水器的上水方法是……”,信息2:“XX品牌II型热水器的使用方法是……”,信息3:“XX品牌滤水器的使用方法是……”。
ii.然后将检索出来的信息与用户问题进行匹配,并计算匹配度。匹配度的计算方法是可选的,本发明实施例通过关键词在信息中出现的个数计算匹配度,如信息1中出现了3个关键词,匹配度是100%;信息2出现了有2个关键词,匹配度是66%;信息3出现了1个关键词,匹配度是33%。匹配度的预设定阈值是90%,故只有信息1高于阈值,即信息检索结果只有1条记录。
c)答复用户:预设定的一条答复策略是将匹配度最高的不超过3个信息检索结果返回给用户。故将信息1“XX品牌I型热水器的上水方法是……”发送给用户。
实施例2描述如下:
1.构建句模,并配置条件信息。
句模1:“&设备类型&怎么&[动词,动词+名词]&”;
配置信息{设备类型,设备品牌,设备型号}。
2.用户问答(第一轮)过程描述如下:
1)用户输入“我家有一个热水器,不会用它的上水功能。”。
2)分析模块:
a)使用分类方法对句子分类,分类结果是“问题”;
b)句子预处理(分词):“我家|有|一个|热水器|,|不会|用|它|的|上水|功能|。”。
c)关键词抽取与标注:{热水器:名词,设备类型},{不会:副词,否定词},{用:动词},{上水:动词},{功能:名词}。
d)句子模型匹配:不存在成功匹配的句模。
e)条件信息填充:没有相应的条件信息进行填充。
f)分析模块将如下信息传送给答复模块:
<“我家有一个热水器,不会用它的上水功能。”,问题,{热水器,上水},NULL,NULL>。
3)答复模块:
a)用户输入类型是问题,且句模的内容是空的。
b)使用用户问题“我家有一个热水器,不会用它的上水功能。”,关键词信息{热水器,上水}从存储的知识库中检索信息。如信息1:“XX品牌I型热水器的上水方法是……”,信息2:“XX品牌II型热水器的使用方法是……”,信息3:“XX品牌热水器的上水方法是……”。
c)然后将检索出来的信息与用户问题进行匹配,并计算匹配度。匹配度的计算方法是可选的,本专利通过关键词在信息中出现的个数计算匹配度,如信息1中出现了2个关键词,匹配度是100%;信息2出现了1个关键词,匹配度是50%;信息3出现了2个关键词,匹配度是100%。匹配度的预设定阈值是90%,故信息1和信息3高于阈值,被作为信息检索结果。
d)答复用户:预设定的答复策略是将匹配度最高的不超过3个信息检索结果返回给用户。故将信息1“XX品牌I型热水器的上水方法是……”和信息3“XX品牌热水器的上水方法是……”发送给用户。
本发明实施例通过获取用户输入的信息,根据用户输入的信息的类型,对用户输入的信息进行分析,得到分析结果,根据分析结果,从知识库中确定出所述分析结果对应的答复信息,知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的,将答复信息发送给用户。通过用户输入的信息的类型的不同,可以得到不同的分析结果,通过可以从知识库中确定出不同的答复信息,以为用户提供精准答复,提高知识问答的用户体验。
基于相同的技术构思,图4示例性的示出了本发明实施例提供的一种知识问答的装置的结构,该装置可以执行知识问答的流程,该装置可以位于图1所示的服务器100内,也可以是该服务器100。
如图4所示,该装置具体包括:
获取模块401,用于获取用户输入的信息;
分析模块402,用于根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果;
答复模块403,用于根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息;所述知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的;
发送模块404,用于将所述答复信息发送给用户。
可选的,所述用户输入的信息的类型为问题类型;
所述分析模块402具体用于:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、句子模型匹配、条件信息填充,得到所述分析结果。
可选的,所述分析结果包括用户输入的信息、用户输入类型、关键词信息、句子模型和条件信息:
所述答复模块403具体用于:
若所述用户输入类型为问题类型且所述句子模型为空,则根据所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;
若所述用户输入类型为问题类型且所述句子模型非空,则更新用户问题列表,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;若所述条件信息为完成提问或未被答复,则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
可选的,所述用户输入的信息的类型为答复类型;
所述分析模块402具体用于:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、条件信息填充,得到所述分析结果。
可选的,所述分析结果包括用户输入的信息、用户输入类型、关键词信息和条件信息:
所述答复模块403具体用于:
在所述用户输入类型为答复类型时,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;否则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
基于相同的技术构思,本发明实施例还提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述知识问答的方法。
基于相同的技术构思,本发明实施例还提供了一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述知识问答的方法。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种知识问答的方法,其特征在于,包括:
获取用户输入的信息;
根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果;在根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到所述分析结果时,对所述用户输入的信息进行条件信息填充,所述条件信息包括设备类型,设备品牌和设备型号;
根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息;所述知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的;在根据所述分析结果,从所述知识库确定出所述分析结果对应的答复信息时,若所述条件信息未被全部询问或答复,根据未被询问或答复的条件信息生成询问问题,将所述询问问题作为所述答复信息;若所述条件信息被全部询问或答复,根据所述用户输入的信息和所述条件信息,从所述知识库中检索出至少一个信息,将所述至少一个信息与所述用户输入的信息进行匹配,并通过关键词在所述至少一个信息中出现的个数计算所述至少一个信息分别对应的匹配度,将所述至少一个信息中大于第一阈值的信息确定为所述答复信息;
将所述答复信息发送给用户。
2.如权利要求1所述的方法,其特征在于,所述用户输入的信息的类型为问题类型;
所述根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果,包括:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、句子模型匹配、条件信息填充,得到所述分析结果。
3.如权利要求2所述的方法,其特征在于,所述分析结果包括用户输入的信息、用户输入类型、关键词信息、句子模型和条件信息:
所述根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息,包括:
若所述用户输入类型为问题类型且所述句子模型为空,则根据所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;
若所述用户输入类型为问题类型且所述句子模型非空,则更新用户问题列表,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;若所述条件信息为完成提问或未被答复,则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
4.如权利要求1所述的方法,其特征在于,所述用户输入的信息的类型为答复类型;
所述根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果,包括:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、条件信息填充,得到所述分析结果。
5.如权利要求4所述的方法,其特征在于,所述分析结果包括用户输入的信息、用户输入类型、关键词信息和条件信息:
所述根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息,包括:
在所述用户输入类型为答复类型时,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;否则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
6.一种知识问答的装置,其特征在于,包括:
获取模块,用于获取用户输入的信息;
分析模块,用于根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到分析结果;在根据所述用户输入的信息的类型,对所述用户输入的信息进行分析,得到所述分析结果时,对所述用户输入的信息进行条件信息填充,所述条件信息包括设备类型,设备品牌和设备型号;
答复模块,用于根据所述分析结果,从知识库中确定出所述分析结果对应的答复信息;所述知识库是通过自然语言处理技术将用户提供的文档、标准问答集合进行处理后得到的;在根据所述分析结果,从所述知识库确定出所述分析结果对应的答复信息时,若所述条件信息未被全部询问或答复,根据未被询问或答复的条件信息生成询问问题,将所述询问问题作为所述答复信息;若所述条件信息被全部询问或答复,根据所述用户输入的信息和所述条件信息,从所述知识库中检索出至少一个信息,将所述至少一个信息与所述用户输入的信息进行匹配,并通过关键词在所述至少一个信息中出现的个数计算所述至少一个信息分别对应的匹配度,将所述至少一个信息中大于第一阈值的信息确定为所述答复信息;
发送模块,用于将所述答复信息发送给用户。
7.如权利要求6所述的装置,其特征在于,所述用户输入的信息的类型为问题类型;
所述分析模块具体用于:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、句子模型匹配、条件信息填充,得到所述分析结果。
8.如权利要求7所述的装置,其特征在于,所述分析结果包括用户输入的信息、用户输入类型、关键词信息、句子模型和条件信息:
所述答复模块具体用于:
若所述用户输入类型为问题类型且所述句子模型为空,则根据所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;
若所述用户输入类型为问题类型且所述句子模型非空,则更新用户问题列表,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;若所述条件信息为完成提问或未被答复,则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
9.如权利要求6所述的装置,其特征在于,所述用户输入的信息的类型为答复类型;
所述分析模块具体用于:
依次对所述用户输入的信息进行句子预处理、关键词抽取与标注、条件信息填充,得到所述分析结果。
10.如权利要求9所述的装置,其特征在于,所述分析结果包括用户输入的信息、用户输入类型、关键词信息和条件信息:
所述答复模块具体用于:
在所述用户输入类型为答复类型时,若所述条件信息均已完成提问或被答复,则将所述用户输入的信息从所述用户问题列表中删除,从所述关键词信息和所述条件信息从所述知识库中检索出第一信息,并计算所述第一信息与所述用户输入的信息的匹配度;将匹配度大于第一阈值的第一信息确定为所述分析结果对应的答复信息;否则根据所述条件信息生成询问问题的答复信息,并更新所述条件信息在所述用户问题列表中的状态。
11.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至5任一项所述的方法。
12.一种计算机可读非易失性存储介质,其特征在于,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行如权利要求1至5任一项所述的方法。
CN201910899806.1A 2019-09-23 2019-09-23 一种知识问答的方法及装置 Active CN110674275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910899806.1A CN110674275B (zh) 2019-09-23 2019-09-23 一种知识问答的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910899806.1A CN110674275B (zh) 2019-09-23 2019-09-23 一种知识问答的方法及装置

Publications (2)

Publication Number Publication Date
CN110674275A CN110674275A (zh) 2020-01-10
CN110674275B true CN110674275B (zh) 2023-03-17

Family

ID=69077272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910899806.1A Active CN110674275B (zh) 2019-09-23 2019-09-23 一种知识问答的方法及装置

Country Status (1)

Country Link
CN (1) CN110674275B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035655B (zh) * 2020-09-02 2023-11-21 中国银行股份有限公司 银行人力资源系统及工作方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10783159B2 (en) * 2014-12-18 2020-09-22 Nuance Communications, Inc. Question answering with entailment analysis
CN105930452A (zh) * 2016-04-21 2016-09-07 北京紫平方信息技术股份有限公司 一种识别自然语言的智能应答方法
CN107273350A (zh) * 2017-05-16 2017-10-20 广东电网有限责任公司江门供电局 一种实现智能问答的信息处理方法及其装置
CN107315766A (zh) * 2017-05-16 2017-11-03 广东电网有限责任公司江门供电局 一种集合智能与人工问答的语音问答方法及其装置

Also Published As

Publication number Publication date
CN110674275A (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN108595494B (zh) 答复信息的获取方法及装置
CN108345690B (zh) 智能问答方法与系统
CN109408821B (zh) 一种语料生成方法、装置、计算设备及存储介质
CN110866093A (zh) 机器问答方法及装置
CN110019703B (zh) 数据标记方法及装置、智能问答方法及系统
CN114691831A (zh) 一种基于知识图谱的任务型汽车故障智能问答系统
CN112507139B (zh) 基于知识图谱的问答方法、系统、设备及存储介质
CN111753063A (zh) 一种应答方法、装置、服务器及存储介质
CN110825860A (zh) 知识库问答抽取方法、系统、移动终端及存储介质
TWI674517B (zh) 資訊交互的方法及裝置
CN114490975A (zh) 用户问题的标注方法及装置
CN110674275B (zh) 一种知识问答的方法及装置
CN111078855A (zh) 信息处理方法、装置、电子设备及存储介质
CN114462582A (zh) 基于卷积神经网络模型的数据处理方法及装置、设备
CN110517672B (zh) 用户意图识别方法、用户指令执行方法、系统及设备
CN113127617B (zh) 通用领域知识图谱的知识问答方法、终端设备及存储介质
CN110929519B (zh) 实体属性抽取方法及装置
CN111881266B (zh) 一种应答方法及装置
CN114186048A (zh) 基于人工智能的问答回复方法、装置、计算机设备及介质
CN113609268A (zh) 基于知识图谱的智能心理知识问答方法和装置
CN114168723A (zh) 一种用于解决多轮对话中虚槽值的方法、设备及介质
CN112905892A (zh) 应用于用户画像挖掘的大数据处理方法及大数据服务器
CN106682221B (zh) 问答交互的响应方法、装置及问答系统
CN117172643B (zh) 基于大数据的高效物流运营方法和系统
CN113836275B (zh) 对话模型建立方法、装置、非易失性存储介质和电子装置

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