CN111125320A - 数据处理方法、装置、服务器及计算机可读存储介质 - Google Patents
数据处理方法、装置、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111125320A CN111125320A CN201811282195.8A CN201811282195A CN111125320A CN 111125320 A CN111125320 A CN 111125320A CN 201811282195 A CN201811282195 A CN 201811282195A CN 111125320 A CN111125320 A CN 111125320A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- user
- determining
- intention
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种数据处理方法、装置、服务器及计算机可读存储介质,其中方法包括:获取用户问题,并根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题;若否,则确定所述用户问题所指示的用户意图;根据所述用户意图从答案库中确定出所述用户问题的目标答案,并将所述目标答案输出到用户终端,可提高对用户问题的处理准确度以及成功率。
Description
技术领域
本发明涉及互联网金融技术领域,尤其涉及一种数据处理方法、装置、服务器及计算机可读存储介质。
背景技术
随着互联网的发展,聊天机器人可采用生成模型(Generative Model)或者基于检索的模型(Retrieval Model)两类模型对用户问题进行回答,其中,Generative Model在处理用户问题时,不依赖于预定义的答案,直接生成新的答案;而Retrieval Model使用预定义的答案以及某种启发式推理来根据输入和上下文选择合适的答案。
但是,预定义的答案集合中不可能对应所有的用户问题,当采用Retrieval Model对用户问题进行处理时,可能存在从预定义的答案集合中找不到和提问问题对应的答案,而降低对用户问题的处理准确度以及成功率。
发明内容
本发明实施例提供了一种数据处理方法、装置、服务器及计算机可读存储介质,有助于提高对用户问题的处理准确度和成功率。
第一方面,本发明实施例提供了一种数据处理方法,所述方法包括:
获取用户问题,并根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题;
若否,则确定所述用户问题所指示的用户意图;
根据所述用户意图从答案库中确定出所述用户问题的目标答案,并将所述目标答案输出到用户终端。
在一个实施例中,所述根据所述用户意图从答案库中确定出所述用户问题的目标答案,包括:
根据所述用户意图生成基准答案;
基于所述基准答案从答案库中确定出所述用户问题的目标答案。
在一个实施例中,所述基于所述基准答案从答案库中确定出所述用户问题的目标答案,包括:
计算所述基准答案与答案库中任一参考答案之间的相似度;
将所述基准答案与所述任一参考答案之间的相似度与预设的第一相似度阈值进行对比,得到与所述基准答案之间的相似度大于或等于所述预设的第一相似度阈值的参考答案集合;
将所述参考答案集合中与所述基准答案之间的相似度最大的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述根据所述用户意图从答案库中确定出所述用户问题的目标答案,包括:
将所述用户意图与答案库中任一参考答案对应的意图进行匹配;
将所述答案库中对应的意图与所述用户意图匹配的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述根据所述用户意图从答案库中确定出所述用户问题的目标答案,包括:
从问题库中确定出对应的意图与所述用户意图匹配的参考问题;
从答案库中获取所述参考问题对应的参考答案;
将所述参考问题对应的参考答案作为所述用户问题的目标答案。
在一个实施例中,所述根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题,包括:
计算所述用户问题与问题库中任一参考问题之间的相似度;
判断所述用户问题与所述任一参考问题之间的相似度中是否存在大于或等于第二相似度阈值的相似度;
若不存在,则确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题。
在一个实施例中,所述方法还包括:
若根据所述用户问题确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题,且根据所述用户问题所指示的用户意图不能从所述答案库中确定出所述用户问题的目标答案,则将所述用户问题提交给人工处理;
获取所述人工处理对应的答案,并将所述人工处理对应的答案与所述用户问题关联存储。
第二方面,本发明实施例提供了一种数据处理装置,所述装置包括:
获取单元,用于获取用户问题;
判断单元,用于根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题;
确定单元,用于若所述判断单元不能从问题库中确定出与所述用户问题相匹配的参考问题时,则确定所述用户问题所指示的用户意图;
所述确定单元,还用于根据所述用户意图从答案库中确定出所述用户问题的目标答案;
输出单元,用于将所述目标答案输出到用户终端。
在一个实施例中,所述确定单元,具体用于:
根据所述用户意图生成基准答案;
基于所述基准答案从答案库中确定出所述用户问题的目标答案。
在一个实施例中,所述确定单元,具体用于:
计算所述基准答案与答案库中任一参考答案之间的相似度;
将所述基准答案与所述任一参考答案之间的相似度与预设的第一相似度阈值进行对比,得到与所述基准答案之间的相似度大于或等于所述预设的第一相似度阈值的参考答案集合;
将所述参考答案集合中与所述基准答案之间的相似度最大的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述确定单元,具体用于:
将所述用户意图与答案库中任一参考答案对应的意图进行匹配;
将所述答案库中对应的意图与所述用户意图匹配的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述确定单元,具体用于:
从问题库中确定出对应的意图与所述用户意图匹配的参考问题;
从答案库中获取所述参考问题对应的参考答案;
将所述参考问题对应的参考答案作为所述用户问题的目标答案。
在一个实施例中,所述判断单元,具体用于:
计算所述用户问题与问题库中任一参考问题之间的相似度;
判断所述用户问题与所述任一参考问题之间的相似度中是否存在大于或等于第二相似度阈值的相似度;
若不存在,则确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题。
在一个实施例中,所述装置还包括:提交单元,存储单元。
提交单元,用于若根据所述用户问题确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题,且根据所述用户问题所指示的用户意图不能从所述答案库中确定出所述用户问题的目标答案,则将所述用户问题提交给人工处理;
存储单元,用于获取所述人工处理对应的答案,并将所述人工处理对应的答案与所述用户问题关联存储。
第三方面,本发明实施例提供了一种服务器,该服务器包括:存储装置、处理器以及收发器,所述存储装置中存储有计算机程序,所述收发器用于受所述处理器的控制收发消息,所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储包括计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
在一个实施例中,服务器可先获取用户问题,并根据该用户问题判断是否能才能从问题库中确定出于该用户问题相匹配的参考问题,若不能,则可进一步确定该用户问题所指示的用户意图,从而可根据该用户问题从答案库中确定出该用户问题的目标答案,并将该目标答案输出到用户终端,使得服务器将原先需要人工处理得到目标答案的用户问题,转换为自动查找该用户问题的目标答案的方式,提高了服务器对用户问题的处理成功率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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例,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是本发明实施例提供的一种数据处理方法的流程示意图;
图2是本发明另一实施例提供的一种数据处理方法的流程示意图;
图3是本发明又一实施例提供的一种数据处理方法的流程示意图;
图4是本发明实施例提供的一种数据处理装置的示意性框图;
图5是本发明实施例提供的一种服务器的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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。
目前,在开放聊天领域的机器人聊天领域一般采用生成模型(Generative Model)对用户问题进行处理,而一般在封闭领域的机器人聊天领域一般采用基于检索的模型(Retrieval Model)来处理用户问题。在封闭领域中的机器人问答应用场景中,要求根据用户问题生成的答案是严肃的,而且不能出错的,因此,封闭领域一般对采用可控性较高的Retrieval Model。
其中,该Retrieval Model的工作原理是:在接收到用户问题后,采用启发式推理方法从问题库中匹配到和该用户问题相似度最高的问题,则将和该用户问题相似度最高的问题的答案输出,作为该用户问题的答案。如果,不能从答案库中匹配到和该用户问题相似度最高的问题,则将该用户问题发送到人工客服处,以使得人工客服可根据该用户问题做出回答后,将回答答案输出到用户终端。在一个实施例中,启发式推理方法可采用规则、关键字、机器学习分类等算法。由此可见,在已有的问题库中包含问题数量较少时,或者已有的问题库没有及时更新时,可能无法匹配出用户问题的答案,从而加重人工客户的工作量。
例如,如果用户问题为“A明星第一次主演的电视剧是什么”时,启发式推理从问题库中找出“A明星参演的电视剧”这句话是和用户问题的相似度最高的问题,假设这两个问题的匹配度阈值通过启发式推理算法得出只有0.7,而预设的阈值为0.8,那么,整个Retrieval Model会认为没有从预设的问题库中查找到合理的匹配问题,此时只能转为人工客服,使得Retrieval Model对用户问题的处理成功率降低。
基于此,本申请提出了一种如图1所示的数据处理方法,可作为Retrieval Model的补充,在确定出和预设的问题库中的问题之间的匹配度不满足预设的阈值后,可利用带注意力机制的序列对序列(Seq2Seq)算法先运行Generative Model,以便于自动生成一个答案后,再使用相似度算法计算该生成的答案与答案库中所有答案之间的相似度,从而可从中选取出满足预设答案相似度阈值的答案作为该用户问题的参考答案,进一步地,可将该参考答案中,与该生成答案相似度最高的答案作为该用户问题的目标答案,并将该目标答案输出到用户终端,以回复给客户。
采用上述的数据处理方法,相当于在接收到用户问题后,除了计算用户问题与预设的问题库中包括问题之间的相似度,还可基于匹配度不满足预设的匹配度阈值的问题自动生成参考答案,从而可通过计算该自动生成的参考答案和答案库中包括的答案之间的相似度从该答案库中确定出该用户问题对应的目标答案,这样做既保留了Retrieval Model可控的优点,也可提高Retrieval Model对用户问题的处理成功率,并降低人工客服的工作压力。
在一个实施例中,当从预设的问题库中不能匹配到和用户问题满足预设的问题相似度阈值的问题时,而且,在根据用户问题生成参考答案后,如果也不能从预设的答案库中匹配到和该参考答案之间的相似度满足预设的答案相似度阈值时,说明当前所接收到的用户问题很少有人问过,此时只能转为人工处理。在人工处理完成之后,可通过自学习功能,将该用户问题和人工处理该用户问题所得的答案进行关联存储,其中,该自学习机制为:当第一次碰到用户问题转为人工处理后,可自动学习并更新知识库(包括预设的问题库以及预设的答案库)以及模型(包括生成模型和检索模型),在第二次遇到该用户问题时,则可自动将该关联答案输出,而不必转为人工处理。
例如,当获取到的用户问题为问题Q,且从预设的问题库中不能匹配到和该问题Q之间的相似度满足预设问题相似度阈值的问题,在基于该问题Q生成参考答案后,也不能从预设的答案库中匹配到满足预设阈值的答案,此时,会由人工客服处理该问题Q,在人工客服处理完该问题Q后,可将该问题Q和进行人工处理所得的答案进行关联存储。当第二次获取到和该问题Q之间相似度满足预设的问题相似度时,可将管理存储的该问题Q所对应的答案作为目标答案进行输出。
请参见图2,是本发明实施例提出的一种数据处理方法的流程示意图,如图2所示,该方法可包括:
S201,服务器获取用户问题,并根据该用户问题判断是否能从问题库中确定出与该用户问题相匹配的参考问题。
在一个实施例中,服务器可同时和一个或多个建立通信连接的用户终端中获取用户问题,其中,该服务器获取的用户问题可以是该用户终端发送到该服务器的,也可以是按照预设时间间隔从该用户终端中获取的。
在获取到用户问题后,基于Retrieval Model的处理规则,可基于词对比对方法或者词向量法计算该用户问题和该问题库中任一问题之间的问题相似度,从而可根据该问题相似度,从该问题库中确定出与该用户问题相匹配的参考问题。在一个实施例中,可将问题库中与用户问题之间的相似度满足预设的问题相似度阈值的一个或多个问题,作为该参考答案,也可将问题库中各问题与用户问题之间的相似度进行排序,将排序靠前(即相似度较大)的一个或多个问题作为参考问题。
在根据该用户问题判断是否能从问题库中确定出与该用户问题相匹配的参考问题时,可先计算用户问题与问题库中任一参考问题之间的相似度,并判断该用户问题与该任一参考问题之间的相似度是否存在大于或等于第二相似度阈值的相似度,如果不存在,则确定不能从该问题库中确定出和该用户问题相匹配的参考问题,转而执行步骤S202。
S202,若否,则该服务器确定该用户问题所指示的用户意图。
在不能从预设的问题库中确定出与该用户问题相匹配的参考问题时,可先确定该用户问题所指示的用户意图,并根据该用户意图确定出该用户问题对应的目标答案,转而执行步骤S203。
在一个实施例中,如果服务器能根据该用户问题从问题库中确定出与该用户问题相匹配的参考问题,则将该参考问题对应的答案作为该用户问题的目标答案,并将该目标答案输出到用户终端。
S203,该服务器根据该用户意图从答案库中确定出该用户问题的目标答案,并将该目标答案输出到用户终端。
在一个实施例中,服务器在确定用户问题所指示的用户意图后,可先确定答案库中各答案所指示的意图,从而可结合该用户意图和答案库中各答案所指示的意图,从答案库中各答案所指示的意图中确定出与该用户意图相匹配的意图,并将该意图对应的答案作为目标答案输出到用户终端。
例如,如果获取的用户问题为问题M,将该问题M和问题库中各问题进行匹配,确定该问题M和问题库中各问题之间的相似度,并将该相似度与预设的问题相似度阈值进行对比,如果不能从问题库中查找到和该问题M之间的相似度满足预设的问题相似度阈值的参考问题,则进一步确定该用户问题所指示的用户意图,从而可根据该用户意图从答案库中确定出该用户问题的目标答案,实现服务器对用户问题的处理成功率的提升。
在一个实施例中,服务器可先获取用户问题,并根据该用户问题判断是否能才能从问题库中确定出于该用户问题相匹配的参考问题,若不能,则可进一步确定该用户问题所指示的用户意图,从而可根据该用户问题从答案库中确定出该用户问题的目标答案,并将该目标答案输出到用户终端,使得服务器将原先需要人工处理得到目标答案的用户问题,转换为自动查找该用户问题的目标答案的方式,提高了服务器对用户问题的处理准确度和成功率。
请参见图3,是本发明另一实施例提供的一种数据处理方法的示意流程图,如图3所示,该方法可包括:
S301,服务器获取用户问题,并根据该用户问题判断是否能从问题库中确定出与该用户问题相匹配的参考问题。
S302,若否,则该服务器确定该用户问题所指示的用户意图。
在一个实施例中,步骤S301-步骤S302的具体实施方式可参见步骤S201-步骤S202的叙述,在此不再赘述。
S303,该服务器根据该用户意图从答案库中确定出该用户问题的目标答案,并将该目标答案输出到用户终端。
在一个实施例中,该服务器在根据用户意图从答案库中确定出该用户问题的目标答案时,可先根据用户意图生成基准答案,从而可基于该基准答案从答案库中确定出该用户问题的目标答案,其中,在根据用户意图生成基准答案时,可调用生成模型基于该用户意图生成基准答案,该基准答案对应的意图即为用户意图。
进一步地,服务器在基于基准答案从答案库中确定出该用户问题的目标答案时,可先计算该基准答案与该答案库中任一参考答案之间的相似度,从而可将该基准答案与该任一参考答案之间的相似度与预设的第一相似度阈值进行对比,并得到与该基准答案之间的像是大于或等于该预设的第一相似度阈值的参考答案集合,因此,可将该参考答案集合中与该基准答案之间的相似度最大的参考答案确定为该用户问题的目标答案。
在另一实施例中,服务器在根据用户意图从答案库中确定出该用户问题的目标答案时,还可先将该用户意图与答案库中任一参考答案对应的意图进行匹配,从而可将该答案库中对应的意图与该用户意图匹配的参考答案确定为该用户问题的目标答案。
再一个实施例中,服务器在根据用户意图从答案库中确定出该用户问题的目标答案时,还可先从问题库中确定出对应的用户意图与该用户意图匹配的参考问题,并从答案库中获取该参考问题对应的参考答案,从而可将该参考问题对应的参考答案作为该用户问题的目标答案,并将该目标答案输出到用户终端中。
在一个实施例中,若根据该用户问题确定不能从该问题库中确定出与该用户问题相匹配的参考问题,且根据该用户问题所指示的用户意图不能从该答案库中确定出该用户问题的目标答案,则转而执行步骤S304。
S304,该服务器将该用户问题提交给人工处理。
S305,该服务器获取该人工处理对应的答案,并将该人工处理对应的答案与该用户问题关联存储。
在步骤S304-步骤S305中,在服务器将该用户问题提交给人工处理后,可获取该人工处理对应的答案,并基于该用户问题和该人工处理对应的答案对问题库和答案库进行更新,在对该问题库和答案库进行更新时,可将该用户问题添加到问题库中,将该人工处理的答案添加到该答案库中,并将该用户问题和该人工处理的答案进行关联存储,以便于查找到该用户问题时,可同时获取到该人工处理的答案。
在本发明实施例中,服务器可先获取用户问题,并根据该用户问题判断是否能才能从问题库中确定出于该用户问题相匹配的参考问题,若不能,则可进一步确定该用户问题所指示的用户意图,从而可根据该用户问题从答案库中确定出该用户问题的目标答案,并将该目标答案输出到用户终端,如果不能根据用户问题从问题库中确定出参考问题,且不能根据该用户问题所指示的用户意图从答案库中确定出目标答案,可将该用户问题提交给人工处理,并基于该用户问题和该人工处理的答案更新问题库和答案库,从而可在再次获取到和该用户问题匹配的问题时,自动输出对应的目标答案,从而降低人工处理负担,并提升服务器对用户问题的处理成功率和准确度。
本发明实施例还提供了一种数据处理装置,该装置用于执行前述任一项所述的方法的单元。具体地,参见图4,是本发明实施例提供的一种数据处理装置的示意框图。本实施例的装置包括:获取单元401、判断单元402、确定单元403以及输出单元404。本发明实施例中,该数据处理装置可以设置在一些需要进行数据处理的服务器或者一些专用的处理设备中。
获取单元401,用于获取用户问题;
判断单元402,用于根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题;
确定单元403,用于若所述判断单元402不能从问题库中确定出与所述用户问题相匹配的参考问题时,则确定所述用户问题所指示的用户意图;
所述确定单元403,还用于根据所述用户意图从答案库中确定出所述用户问题的目标答案;
输出单元404,用于将所述目标答案输出到用户终端。
在一个实施例中,所述确定单元403,具体用于:
根据所述用户意图生成基准答案;
基于所述基准答案从答案库中确定出所述用户问题的目标答案。
在一个实施例中,所述确定单元403,具体用于:
计算所述基准答案与答案库中任一参考答案之间的相似度;
将所述基准答案与所述任一参考答案之间的相似度与预设的第一相似度阈值进行对比,得到与所述基准答案之间的相似度大于或等于所述预设的第一相似度阈值的参考答案集合;
将所述参考答案集合中与所述基准答案之间的相似度最大的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述确定单元403,具体用于:
将所述用户意图与答案库中任一参考答案对应的意图进行匹配;
将所述答案库中对应的意图与所述用户意图匹配的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述确定单元403,具体用于:
从问题库中确定出对应的意图与所述用户意图匹配的参考问题;
从答案库中获取所述参考问题对应的参考答案;
将所述参考问题对应的参考答案作为所述用户问题的目标答案。
在一个实施例中,所述判断单元402,具体用于:
计算所述用户问题与问题库中任一参考问题之间的相似度;
判断所述用户问题与所述任一参考问题之间的相似度中是否存在大于或等于第二相似度阈值的相似度;
若不存在,则确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题。
在一个实施例中,所述装置还包括:提交单元405,存储单元406。
提交单元405,用于若根据所述用户问题确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题,且根据所述用户问题所指示的用户意图不能从所述答案库中确定出所述用户问题的目标答案,则将所述用户问题提交给人工处理;
存储单元406,用于获取所述人工处理对应的答案,并将所述人工处理对应的答案与所述用户问题关联存储。
在一个实施例中,获取单元401可先获取用户问题,判断单元402并根据该用户问题判断是否能才能从问题库中确定出于该用户问题相匹配的参考问题,若不能,则确定单元403可进一步确定该用户问题所指示的用户意图,从而可根据该用户问题从答案库中确定出该用户问题的目标答案,输出单元404并将该目标答案输出到用户终端,使得将原先需要人工处理得到目标答案的用户问题,转换为自动查找该用户问题的目标答案的方式,提高了对用户问题的处理成功率和准确度。
请参见图5,是本发明实施例提供的一种服务器的结构示意性框图。如图所示的本实施例中的服务器可以包括:供电电源,外壳,各种所需的接口等结构,例如网络接口,用户接口等等。所述服务器还包括:一个或多个处理器501和存储装置502。上述处理器501和存储装置502相连,在一个实施例中,处理器501和存储装置502之间可通过总线503连接。
所述服务器可以包括用户接口,所述用户接口可以包括一些物理按键或者触摸按键等构成的接口模块,能够接收用户的操作,该用户接口还可以包括一些能够向用户提示诸如服务器的工作状态等信息的显示屏等结构。
所述存储装置502可以包括易失性存储装置(volatile memory),如随机存取存储装置(random-access memory,RAM);存储装置502也可以包括非易失性存储装置(non-volatile memory),如快闪存储装置(flash memory),固态硬盘(solid-state drive,SSD)等;存储装置502还可以包括上述种类的存储装置的组合。
所述处理器501可以是中央处理器(central processing unit,CPU)。所述处理器501还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit,ASIC),可编程逻辑器件(programmable logic device,PLD)等。该PLD可以是现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(generic array logic,GAL)等。所述处理器501也可以为上述结构的组合。
在本发明实施例中,所述存储装置502用于存储计算机程序,所述计算机程序包括程序指令,处理器501用于执行存储装置502存储的程序指令,用来实现上述实施例中的相应方法步骤。
在一个实施例中,所述处理器501被配置调用所述程序指令执行:
获取用户问题,并根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题;
若否,则确定所述用户问题所指示的用户意图;
根据所述用户意图从答案库中确定出所述用户问题的目标答案,并将所述目标答案输出到用户终端。
在一个实施例中,所述处理器501还被配置调用所述程序指令执行:
根据所述用户意图生成基准答案;
基于所述基准答案从答案库中确定出所述用户问题的目标答案。
在一个实施例中,所述处理器501还被配置调用所述程序指令执行:
计算所述基准答案与答案库中任一参考答案之间的相似度;
将所述基准答案与所述任一参考答案之间的相似度与预设的第一相似度阈值进行对比,得到与所述基准答案之间的相似度大于或等于所述预设的第一相似度阈值的参考答案集合;
将所述参考答案集合中与所述基准答案之间的相似度最大的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述处理器501还被配置调用所述程序指令执行:
将所述用户意图与答案库中任一参考答案对应的意图进行匹配;
将所述答案库中对应的意图与所述用户意图匹配的参考答案确定为所述用户问题的目标答案。
在一个实施例中,所述处理器501还被配置调用所述程序指令执行:
从问题库中确定出对应的意图与所述用户意图匹配的参考问题;
从答案库中获取所述参考问题对应的参考答案;
将所述参考问题对应的参考答案作为所述用户问题的目标答案。
在一个实施例中,所述处理器501还被配置调用所述程序指令执行:
计算所述用户问题与问题库中任一参考问题之间的相似度;
判断所述用户问题与所述任一参考问题之间的相似度中是否存在大于或等于第二相似度阈值的相似度;
若不存在,则确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题。
在一个实施例中,所述处理器501还被配置调用所述程序指令执行:
若根据所述用户问题确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题,且根据所述用户问题所指示的用户意图不能从所述答案库中确定出所述用户问题的目标答案,则将所述用户问题提交给人工处理;
获取所述人工处理对应的答案,并将所述人工处理对应的答案与所述用户问题关联存储。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明的部分实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取用户问题,并根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题;
若否,则确定所述用户问题所指示的用户意图;
根据所述用户意图从答案库中确定出所述用户问题的目标答案,并将所述目标答案输出到用户终端。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户意图从答案库中确定出所述用户问题的目标答案,包括:
根据所述用户意图生成基准答案;
基于所述基准答案从答案库中确定出所述用户问题的目标答案。
3.根据权利要求2所述的方法,其特征在于,所述基于所述基准答案从答案库中确定出所述用户问题的目标答案,包括:
计算所述基准答案与答案库中任一参考答案之间的相似度;
将所述基准答案与所述任一参考答案之间的相似度与预设的第一相似度阈值进行对比,得到与所述基准答案之间的相似度大于或等于所述预设的第一相似度阈值的参考答案集合;
将所述参考答案集合中与所述基准答案之间的相似度最大的参考答案确定为所述用户问题的目标答案。
4.根据权利要求1所述的方法,其特征在于,所述根据所述用户意图从答案库中确定出所述用户问题的目标答案,包括:
将所述用户意图与答案库中任一参考答案对应的意图进行匹配;
将所述答案库中对应的意图与所述用户意图匹配的参考答案确定为所述用户问题的目标答案。
5.根据权利要求1所述的方法,其特征在于,所述根据所述用户意图从答案库中确定出所述用户问题的目标答案,包括:
从问题库中确定出对应的意图与所述用户意图匹配的参考问题;
从答案库中获取所述参考问题对应的参考答案;
将所述参考问题对应的参考答案作为所述用户问题的目标答案。
6.根据权利要求1所述的方法,其特征在于,所述根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题,包括:
计算所述用户问题与问题库中任一参考问题之间的相似度;
判断所述用户问题与所述任一参考问题之间的相似度中是否存在大于或等于第二相似度阈值的相似度;
若不存在,则确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
若根据所述用户问题确定不能从所述问题库中确定出与所述用户问题相匹配的参考问题,且根据所述用户问题所指示的用户意图不能从所述答案库中确定出所述用户问题的目标答案,则将所述用户问题提交给人工处理;
获取所述人工处理对应的答案,并将所述人工处理对应的答案与所述用户问题关联存储。
8.一种数据处理装置,其特征在于,包括:
获取单元,用于获取用户问题;
判断单元,用于根据所述用户问题判断是否能从问题库中确定出与所述用户问题相匹配的参考问题;
确定单元,用于若所述判断单元不能从问题库中确定出与所述用户问题相匹配的参考问题时,则确定所述用户问题所指示的用户意图;
所述确定单元,还用于根据所述用户意图从答案库中确定出所述用户问题的目标答案;
输出单元,用于将所述目标答案输出到用户终端。
9.一种服务器,其特征在于,包括处理器和存储装置,所述处理器和所述存储装置相互连接,其中,所述存储装置用于存储计算机程序指令,所述处理器被配置用于执行所述程序指令,实现如权利要求1-7任一项所述的方法。
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程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811282195.8A CN111125320A (zh) | 2018-10-31 | 2018-10-31 | 数据处理方法、装置、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811282195.8A CN111125320A (zh) | 2018-10-31 | 2018-10-31 | 数据处理方法、装置、服务器及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111125320A true CN111125320A (zh) | 2020-05-08 |
Family
ID=70484960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811282195.8A Pending CN111125320A (zh) | 2018-10-31 | 2018-10-31 | 数据处理方法、装置、服务器及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111125320A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106462647A (zh) * | 2016-06-28 | 2017-02-22 | 深圳狗尾草智能科技有限公司 | 一种基于多意图的多技能包问答方法、系统和机器人 |
CN107220380A (zh) * | 2017-06-27 | 2017-09-29 | 北京百度网讯科技有限公司 | 基于人工智能的问答推荐方法、装置和计算机设备 |
TW201738830A (zh) * | 2016-04-19 | 2017-11-01 | Advanced Media Inc | 資訊處理系統、受理伺服器、資訊處理方法及程式 |
CN107918634A (zh) * | 2017-06-27 | 2018-04-17 | 上海壹账通金融科技有限公司 | 智能问答方法、装置及计算机可读存储介质 |
CN107977415A (zh) * | 2017-11-22 | 2018-05-01 | 北京寻领科技有限公司 | 自动问答方法及装置 |
CN108399169A (zh) * | 2017-02-06 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 基于问答系统的对话处理方法、装置和系统及移动设备 |
CN108491433A (zh) * | 2018-02-09 | 2018-09-04 | 平安科技(深圳)有限公司 | 聊天应答方法、电子装置及存储介质 |
CN108536807A (zh) * | 2018-04-04 | 2018-09-14 | 联想(北京)有限公司 | 一种信息处理方法及装置 |
CN108595619A (zh) * | 2018-04-23 | 2018-09-28 | 海信集团有限公司 | 一种问答方法及设备 |
-
2018
- 2018-10-31 CN CN201811282195.8A patent/CN111125320A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201738830A (zh) * | 2016-04-19 | 2017-11-01 | Advanced Media Inc | 資訊處理系統、受理伺服器、資訊處理方法及程式 |
CN106462647A (zh) * | 2016-06-28 | 2017-02-22 | 深圳狗尾草智能科技有限公司 | 一种基于多意图的多技能包问答方法、系统和机器人 |
CN108399169A (zh) * | 2017-02-06 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 基于问答系统的对话处理方法、装置和系统及移动设备 |
CN107220380A (zh) * | 2017-06-27 | 2017-09-29 | 北京百度网讯科技有限公司 | 基于人工智能的问答推荐方法、装置和计算机设备 |
CN107918634A (zh) * | 2017-06-27 | 2018-04-17 | 上海壹账通金融科技有限公司 | 智能问答方法、装置及计算机可读存储介质 |
CN107977415A (zh) * | 2017-11-22 | 2018-05-01 | 北京寻领科技有限公司 | 自动问答方法及装置 |
CN108491433A (zh) * | 2018-02-09 | 2018-09-04 | 平安科技(深圳)有限公司 | 聊天应答方法、电子装置及存储介质 |
CN108536807A (zh) * | 2018-04-04 | 2018-09-14 | 联想(北京)有限公司 | 一种信息处理方法及装置 |
CN108595619A (zh) * | 2018-04-23 | 2018-09-28 | 海信集团有限公司 | 一种问答方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11308405B2 (en) | Human-computer dialogue method and apparatus | |
TWI690919B (zh) | 語音關鍵字識別方法、裝置、終端、伺服器、電腦可讀儲存介質及電腦程式產品 | |
WO2020082572A1 (zh) | 生成式对抗网络的训练方法、相关设备及介质 | |
CN107741976B (zh) | 智能应答方法、装置、介质和电子设备 | |
US20230089268A1 (en) | Semantic understanding method, electronic device, and storage medium | |
US20220374776A1 (en) | Method and system for federated learning, electronic device, and computer readable medium | |
CN115631261B (zh) | 图像生成模型的训练方法、图像生成方法和装置 | |
CN112966081A (zh) | 处理问答信息的方法、装置、设备和存储介质 | |
CN109992659B (zh) | 用于文本排序的方法和装置 | |
CN114564595A (zh) | 知识图谱更新方法、装置及电子设备 | |
CN114840734B (zh) | 多模态表示模型的训练方法、跨模态检索方法及装置 | |
CN109753561B (zh) | 一种自动回复的生成方法及装置 | |
US11816443B2 (en) | Method, device, and storage medium for generating response | |
CN114494747A (zh) | 模型的训练方法、图像处理方法、装置、电子设备及介质 | |
CN111930901B (zh) | 知识点向量获取、推荐题目确定方法及相关装置 | |
CN111506717B (zh) | 问题答复方法、装置、设备及存储介质 | |
CN111581347B (zh) | 语句相似度匹配方法及装置 | |
EP4254221A1 (en) | Multi-round dialogue processing method and apparatus, electronic device and storage medium | |
WO2023040545A1 (zh) | 一种数据处理方法、装置、设备、存储介质和程序产品 | |
CN111125320A (zh) | 数据处理方法、装置、服务器及计算机可读存储介质 | |
CN114238611B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN109002498A (zh) | 人机对话方法、装置、设备及存储介质 | |
US20220286416A1 (en) | Method and apparatus for generating account intimacy | |
CN116257611B (zh) | 问答模型的训练方法、问答处理方法、装置及存储介质 | |
CN114416937B (zh) | 人机交互方法、装置、设备、存储介质及计算机程序产品 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200508 |
|
RJ01 | Rejection of invention patent application after publication |