CN111324693A - 智能应答方法、装置及计算机可读存储介质 - Google Patents
智能应答方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111324693A CN111324693A CN202010072993.9A CN202010072993A CN111324693A CN 111324693 A CN111324693 A CN 111324693A CN 202010072993 A CN202010072993 A CN 202010072993A CN 111324693 A CN111324693 A CN 111324693A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- entity
- preset
- named entity
- 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
- 230000004044 response Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 229910000831 Steel Inorganic materials 0.000 description 26
- 239000010959 steel Substances 0.000 description 26
- 230000008569 process Effects 0.000 description 11
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013102 re-test Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能领域，公开了一种智能应答方法、装置及计算机可读存储介质。该智能应答方法包括：获取用户的询问信息；对所述询问信息进行识别，得到目标命名实体和目标意图；根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答。本发明能够实现基于二维表数据的智能应答。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种智能应答方法、装置及计算机可读存储介质。
背景技术
近年来，随着人工智能的不断兴起，智能客服机器人应用在各行各业中，各式各样的应答机器人层出不穷。目前的应答机器人大多属于FAQ(Frequently Asked Questions，常见问题解答)检索式应答，通过将用户问题与FAQ问答库的问题做匹配最终确定答案。这种类型的应答需要构建大量的FAQ问答库作为语料，因此，语料库的准备需要很大的人力。而在金融领域中，在各个场景下充斥着大量的业务报表，很多业务数据都是以二维表(如excel表)的形式存在的。用户在询问业务数据时，往往需要金融行业的客服人员和客户经理从这些数据中获取需要的数据，来解答客户的问题以更好地服务客户。然而，这种方式往往会耗费大量的人力资源，而将银行业海量的二维表数据整理成FAQ语料库显然是不可行的，那么如何基于这些现有的二维表数据来构建智能问答机器人是我们迫切需要的。
发明内容
本发明的主要目的在于提供一种智能应答方法、装置及计算机可读存储介质，旨在实现基于二维表数据的智能应答。
为实现上述目的，本发明提供一种智能应答方法，所述智能应答方法包括：
获取用户的询问信息；
对所述询问信息进行识别，得到目标命名实体和目标意图；
根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答。
可选地，若所述目标命名实体包括目标实体信息和目标属性信息，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤包括：
根据所述目标实体信息和所述目标属性信息从预设二维数据库中获取对应的第一目标值；
根据所述第一目标值和所述目标意图，生成对应的第一回复答案，以进行应答。
可选地，若所述目标命名实体仅包括目标实体信息，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤包括：
获取上一轮询问信息中的历史命名实体；
检测所述历史命名实体中是否包括历史属性信息；
若所述历史命名实体中包括历史属性信息，则根据所述历史属性信息和所述目标实体信息从预设二维数据库中获取对应的第二目标值；
根据所述第二目标值和所述目标意图，生成对应的第二回复答案，以进行应答；
若所述历史命名实体中不包括历史属性信息，则根据所述目标实体信息生成反问属性的回复答案，以进行应答。
可选地，若所述目标命名实体仅包括目标属性信息，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤包括：
获取上一轮询问信息中的历史命名实体；
检测所述历史命名实体中是否包括历史实体信息；
若所述历史命名实体中包括历史实体信息，则根据所述历史实体信息和所述目标属性信息从预设二维数据库中获取对应的第三目标值；
根据所述第三目标值和所述目标意图，生成对应的第三回复答案，以进行应答；
若所述历史命名实体中不包括历史实体信息，则根据所述目标属性信息生成反问实体的回复答案，以进行应答。
可选地，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤之前，还包括：
查询所述预设二维数据库中是否存在与所述目标命名实体对应的数据信息；
若存在，则执行步骤：根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答；
若不存在，则将所述询问信息与预设常见问题解答库中的问题进行匹配，根据匹配结果确定相似问题；
从所述预设常见问题解答库中获取所述相似问题对应的答案，以进行应答。
可选地，所述获取用户的询问信息的步骤之前，还包括：
预先获取二维数据表，并抽取出各二维数据表中的实体信息和属性信息；
根据所述实体信息和所述属性信息将所述二维数据表中的数据以预设格式进行存储，得到所述预设二维数据库。
可选地，所述对所述询问信息进行识别，得到目标命名实体和目标意图的步骤包括：
基于预设词典对所述询问信息进行实体识别，得到目标命名实体；
通过预设搜索引擎从预设意图模板中搜索与所述目标命名实体对应的相似意图模板；
计算所述相似意图模板与所述询问信息之间的相似度值；
将所述相似度值中的最大值所对应的相似意图模板确定为目标意图。
可选地，所述智能应答方法还包括：
从所述预设二维数据库中获取所述目标命名实体对应的关联信息；
根据所述关联信息生成对应的关联问题，并进行推送。
此外，为实现上述目的，本发明还提供一种智能应答装置，所述智能应答装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能应答程序，所述智能应答程序被所述处理器执行时实现如上所述的智能应答方法的步骤。
此外，为实现上述目的，本发明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上存储有智能应答程序，所述智能应答程序被处理器执行时实现如上所述的智能应答方法的步骤。
本发明提供一种智能应答方法、装置及计算机可读存储介质，通过获取用户的询问信息；然后，对询问信息进行识别，得到目标命名实体和目标意图；进而根据目标命名实体、目标意图和预设二维数据库，生成对应的回复答案，以进行应答。本发明中，通过预先将二维表数据转换应答系统能够处理的形式，构建预设二维数据库，进而基于该预设二维数据库、及根据询问信息识别得到的目标命名实体和目标意图，生成对应的回复答案，以进行应答，从而实现了基于二维表数据的智能应答，同时，本发明相比于将海量的二维表数据整理成常见问题解答(FAQ)库、以进行智能应答，可节省大量的人力成本。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明智能应答方法第一实施例的流程示意图；
图3为本发明第一实施例中步骤S20的细化流程示意图；
图4为本发明智能应答方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是智能机器人，也可以是智能手机、PC(PersonalComputer，个人计算机)、平板电脑、便携计算机、服务器等具有应答功能的终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU(Central Processing Unit，中央处理器)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真Wireless-Fidelity，Wi-Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、Wi-Fi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及智能应答程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的智能应答程序，并执行以下操作：
获取用户的询问信息；
对所述询问信息进行识别，得到目标命名实体和目标意图；
根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答。
进一步地，若所述目标命名实体包括目标实体信息和目标属性信息，处理器1001可以调用存储器1005中存储的智能应答程序，还执行以下操作：
根据所述目标实体信息和所述目标属性信息从预设二维数据库中获取对应的第一目标值；
根据所述第一目标值和所述目标意图，生成对应的第一回复答案，以进行应答。
进一步地，若所述目标命名实体仅包括目标实体信息，处理器1001可以调用存储器1005中存储的智能应答程序，还执行以下操作：
获取上一轮询问信息中的历史命名实体；
检测所述历史命名实体中是否包括历史属性信息；
若所述历史命名实体中包括历史属性信息，则根据所述历史属性信息和所述目标实体信息从预设二维数据库中获取对应的第二目标值；
根据所述第二目标值和所述目标意图，生成对应的第二回复答案，以进行应答；
若所述历史命名实体中不包括历史属性信息，则根据所述目标实体信息生成反问属性的回复答案，以进行应答。
进一步地，若所述目标命名实体仅包括目标属性信息，处理器1001可以调用存储器1005中存储的智能应答程序，还执行以下操作：
获取上一轮询问信息中的历史命名实体；
检测所述历史命名实体中是否包括历史实体信息；
若所述历史命名实体中包括历史实体信息，则根据所述历史实体信息和所述目标属性信息从预设二维数据库中获取对应的第三目标值；
根据所述第三目标值和所述目标意图，生成对应的第三回复答案，以进行应答；
若所述历史命名实体中不包括历史实体信息，则根据所述目标属性信息生成反问实体的回复答案，以进行应答。
进一步地，处理器1001可以调用存储器1005中存储的智能应答程序，还执行以下操作：
查询所述预设二维数据库中是否存在与所述目标命名实体对应的数据信息；
若存在，则执行步骤：根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答；
若不存在，则将所述询问信息与预设常见问题解答库中的问题进行匹配，根据匹配结果确定相似问题；
从所述预设常见问题解答库中获取所述相似问题对应的答案，以进行应答。
进一步地，处理器1001可以调用存储器1005中存储的智能应答程序，还执行以下操作：
预先获取二维数据表，并抽取出各二维数据表中的实体信息和属性信息；
根据所述实体信息和所述属性信息将所述二维数据表中的数据以预设格式进行存储，得到所述预设二维数据库。
进一步地，处理器1001可以调用存储器1005中存储的智能应答程序，还执行以下操作：
基于预设词典对所述询问信息进行实体识别，得到目标命名实体；
通过预设搜索引擎从预设意图模板中搜索与所述目标命名实体对应的相似意图模板；
计算所述相似意图模板与所述询问信息之间的相似度值；
将所述相似度值中的最大值所对应的相似意图模板确定为目标意图。
进一步地，处理器1001可以调用存储器1005中存储的智能应答程序，还执行以下操作：
从所述预设二维数据库中获取所述目标命名实体对应的关联信息；
根据所述关联信息生成对应的关联问题，并进行推送。
基于上述硬件结构，提出本发明智能应答方法的各实施例。
本发明提供一种智能应答方法。
参照图2，图2为本发明智能应答方法第一实施例的流程示意图。
在本实施例中，该智能应答方法包括：
步骤S10，获取用户的询问信息；
在本实施例中，在上述步骤S10之前，该智能应答方法还包括：
步骤A，预先获取二维数据表，并抽取出各二维数据表中的实体信息和属性信息；
步骤B，根据所述实体信息和所述属性信息将所述二维数据表中的数据以预设格式进行存储，得到所述预设二维数据库。
本实施例的智能应答方法是由智能应答设备实现的，该设备以智能机器人为例进行说明。
在本实施例中，预先获取二维数据表，并抽取出各二维数据表中的实体信息和属性信息，其中，实体信息包括实体类型和实体名称，属性信息包括属性类型和属性名称，对于实体信息和属性信息的抽取，可以基于表格的常规构建格式进行抽取。例如，可以通过获取表头信息来确定实体类型和属性类型，通过获取首行和首列的信息来确定实体名称和属性名称，例如下表1中，可根据表头信息确定得到实体类型为钢铁公司、属性类型为钢铁信息，根据首列的信息确定得到实体名称包括A公司、B公司和C公司，根据首行的信息确定得到属性名称包括粗钢产量和同比增加。当然，为提高信息抽取的准确性，还可以结合表格的常规构建格式和表格中的信息来抽取实体信息和属性信息。
在获取到实体信息和属性信息之后，根据实体信息和属性信息将二维数据表中的数据以预设格式进行存储，得到预设二维数据库。其中，预设格式可以为实体-属性-值的格式，即将二维表的数据以实体-属性-值的格式存储。后续可通过两个维度特征(即实体和属性)来确定对应的值，从而支持细粒度表格知识的问答。需要说明的是，对于不同的二维数据表，其数据在预设二维数据库中是分开存储的。
通过上述方式，可将二维表数据转换成智能应答系统能够处理的形式，从而支持细粒度表格知识的问答。
表1二维表数据示例
在本实施例中，用户在需要咨询问题时，可以在对应的App(Application，应用程序)或软件中发起问答请求，即可与智能机器人进行对话。具体的，可以在问答界面通过语音或文字输入想要询问的问题。此时，智能机器人获取用户的询问信息。可以理解，用户的询问信息若是语音，需先通过语音识别技术进行识别，得到文字形式的询问信息。
步骤S20，对所述询问信息进行识别，得到目标命名实体和目标意图；
然后，对询问信息进行识别，得到目标命名实体和目标意图。具体的，如图3所示，步骤S20包括：
步骤S21，基于预设词典对所述询问信息进行实体识别，得到目标命名实体；
步骤S22，通过预设搜索引擎从预设意图模板中搜索与所述目标命名实体对应的相似意图模板；
步骤S23，计算所述相似意图模板与所述询问信息之间的相似度值；
步骤S24，将所述相似度值中的最大值所对应的相似意图模板确定为目标意图。
先基于预设词典对询问信息进行实体识别，得到目标命名实体。其中，预设词典可以是基于实体名称和属性名称构建得到的。进一步地，为增加召回率，可添加与实体名称和属性名称对应的同义词，例如A公司的同义词A，同比增长的同义词同比增长率、同比增速等。对于实体识别的过程，可采用命名实体识别(Named Entity Recognition，简称NER)技术进行识别。命名实体识别，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等，可通过基于规则和词典的方法、基于统计的方法、二者混合的方法等方法进行识别。具体的识别过程可参照现有技术，此处不作赘述。
然后，通过预设搜索引擎从预设意图模板中搜索与目标命名实体对应的相似意图模板。其中，预设搜索引擎可选地为ES(Elastic Search，弹性检索)搜索引擎，ES是一个分布式、高扩展、高实时的搜索与数据分析引擎，它能很方便的使大量数据具有搜索、分析和探索的能力。通过ES搜索引擎可初步筛选出与目标命名实体相匹配的相似意图模板。预设意图模板是预先设置的，例如上述例中，可以有以下三种问法：(1)询问实体，(2)询问属性，(3)询问实体的属性。对应的可以定义下述意图模板：(1)意图1：钢铁公司。意图模板：“查查{{钢铁公司}}”，“{{钢铁公司}}是什么”；(2)意图2：钢铁信息。意图模板：“{{钢铁信息}}”，“{{钢铁信息}}多少”；(3)意图3：钢铁公司_钢铁信息，意图模板：“{{钢铁公司}}的{{钢铁信息}}”，“查下{{钢铁公司}}的{{钢铁信息}}”。当然，还可以根据实际需要设定其他意图模板，例如询问两个实体的比较、实体属性的比较等等。
进而，计算相似意图模板与询问信息之间的相似度值。对于相似度值的计算可采用复试识别算法、BERT(Bidirectional Encoder Representations from Transformers，转换器的双向编码器表示)模型等，其中，复述识别即判别两个给定语言表达式或者模板是否表达相同或相似的意思，BERT模型可用于计算文本之间的相似度。相似度值的具体计算过程可参照现有技术，此处不作赘述。
在计算得到各相似意图模板与询问信息之间的相似度值之后，将相似度值中的最大值所对应的相似意图模板确定为目标意图。
步骤S30，根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答。
在识别得到目标命名实体和目标意图之后，根据目标命名实体、目标意图和预设二维数据库，生成对应的回复答案，以进行应答。
具体的，作为其中一实施方式，若所述目标命名实体包括目标实体信息和目标属性信息，步骤S30包括：
步骤a11，根据所述目标实体信息和所述目标属性信息从预设二维数据库中获取对应的第一目标值；
步骤a12，根据所述第一目标值和所述目标意图，生成对应的第一回复答案，以进行应答。
作为回复答案的其中一种生成方式，若目标命名实体包括目标实体信息和目标属性信息，其中，目标实体信息至少包括目标实体名称，当然还可以包括目标实体类型，目标属性信息至少包括目标属性名称，当然还可以包括目标属性类型。此时，则可以直接根据目标实体信息和目标属性信息从预设二维数据库中获取对应的第一目标值；然后，根据第一目标值和目标意图，生成对应的第一回复答案，以进行应答。例如上述例中，若用户询问“A公司的钢铁产量为多少”，可以确定得到目标实体信息为A公司，目标属性信息为钢铁产量，目标意图为意图模板3对应的意图，此时，可根据A公司和钢铁产量查询预设二维数据库，得到第一目标值为6639万吨，可生成对应的第一回复答案为A公司的钢铁产量为6639万吨。
作为另一实施方式，若所述目标命名实体仅包括目标实体信息，步骤S30包括：
步骤a21，获取上一轮询问信息中的历史命名实体；
步骤a22，检测所述历史命名实体中是否包括历史属性信息；
步骤a23，若所述历史命名实体中包括历史属性信息，则根据所述历史属性信息和所述目标实体信息从预设二维数据库中获取对应的第二目标值；
步骤a24，根据所述第二目标值和所述目标意图，生成对应的第二回复答案，以进行应答；
步骤a25，若所述历史命名实体中不包括历史属性信息，则根据所述目标实体信息生成反问属性的回复答案，以进行应答。
作为回复答案的另一种生成方式，若目标命名实体仅包括目标实体信息，此时，可以结合上一轮询问信息进行回答。具体的，获取上一轮询问信息中的历史命名实体。其中，历史命名实体可通过智能应答系统的槽位获取，槽位其实是个特定概念，是系统需要向用户收集的关键信息。每一轮问询过程中识别到命名实体和用户意图后，会对应更新槽位。
然后，检测历史命名实体中是否包括历史属性信息。若历史命名实体中包括历史属性信息，则可根据历史属性信息和目标实体信息从预设二维数据库中获取对应的第二目标值，进而根据第二目标值和目标意图，生成对应的第二回复答案，以进行应答。例如，若用户询问“那B公司呢”，可以确定得到目标实体信息为B公司，目标意图为意图模板1对应的意图，此时，可获取上一轮询问信息中的历史命名实体，若检测到历史命名实体中包括历史属性信息为钢铁产量，可根据B公司和钢铁产量查询预设二维数据库，得到第一目标值为4406万吨，可生成对应的第二回复答案为B公司的钢铁产量为4406万吨。
若历史命名实体中不包括历史属性信息，则根据目标实体信息生成反问属性的回复答案，以进行应答。其中，反问属性的回复答案可直接基于目标实体信息生成，也可以基于目标实体信息和该目标实体信息对应的属性信息来生成。例如，若询问信息为A公司呢，但是未从上一轮的历史命名实体中获取到历史属性信息，则可生成反问属性的回复答案，例如，“请问您想询问A公司的什么信息呢？”。或者，结合A公司对应实体类型的属性信息(包括钢铁产量和同比增比)，生成反问属性的回复答案，例如，“请问您想询问A公司的钢铁产量还是同比增比呢？”。
作为又一实施方式，若所述目标命名实体仅包括目标属性信息，步骤S30包括：
步骤a31，获取上一轮询问信息中的历史命名实体；
步骤a32，检测所述历史命名实体中是否包括历史实体信息；
步骤a33，若所述历史命名实体中包括历史实体信息，则根据所述历史实体信息和所述目标属性信息从预设二维数据库中获取对应的第三目标值；
步骤a34，根据所述第三目标值和所述目标意图，生成对应的第三回复答案，以进行应答；
步骤a35，若所述历史命名实体中不包括历史实体信息，则根据所述目标属性信息生成反问实体的回复答案，以进行应答。
作为回复答案的又一种生成方式，若目标命名实体仅包括目标属性信息，此时，也可以结合上一轮询问信息进行回答。具体的，先获取上一轮询问信息中的历史命名实体，然后检测历史命名实体中是否包括历史实体信息。
若历史命名实体中包括历史实体信息，则根据历史实体信息和目标属性信息从预设二维数据库中获取对应的第三目标值，进而根据第三目标值和目标意图，生成对应的第三回复答案，以进行应答。若历史命名实体中不包括历史实体信息，则根据目标属性信息生成反问实体的回复答案，以进行应答。本实施例中第三回复答案和反问实体的回复答案的生成过程分别与上述第二回复答案和反问属性的回复答案的生成过程相似，此处不作具体举例。
此外，需要说明的是，若目标命名实体中既不包括目标实体信息，也不包括目标属性信息，则生成对应的拒识信息，以提示用户重新提问。
本发明实施例提供一种智能应答方法，通过获取用户的询问信息；然后，对询问信息进行识别，得到目标命名实体和目标意图；进而根据目标命名实体、目标意图和预设二维数据库，生成对应的回复答案，以进行应答。本发明实施例中，通过预先将二维表数据转换应答系统能够处理的形式，构建预设二维数据库，进而基于该预设二维数据库、及根据询问信息识别得到的目标命名实体和目标意图，生成对应的回复答案，以进行应答，从而实现了基于二维表数据的智能应答，同时，本发明实施例相比于将海量的二维表数据整理成常见问题解答(FAQ)库、以进行智能应答，可节省大量的人力成本。
进一步的，参照图4，图4为本发明智能应答方法第二实施例的流程示意图。
基于图2所示的第一实施例，在步骤S30之前，该智能应答方法还包括：
步骤S40，查询所述预设二维数据库中是否存在与所述目标命名实体对应的数据信息；
在本实施例中，在识别得到目标命名实体和目标意图之后，可以先查询预设二维数据库中是否存在与目标命名实体对应的数据信息。具体的，若目标命名实体包括目标实体信息和目标属性信息，可以查询目标实体信息和目标属性信息是否存在于预设二维数据库中的同一二维数据表中；若目标命名实体仅包括目标实体信息或目标属性信息，可以查询预设二维数据库中是否存在某一二维数据表中包含该目标实体信息或目标属性信息。
若存在，则执行步骤S30：根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答；
若不存在，则执行步骤S50，将所述询问信息与预设常见问题解答库中的问题进行匹配，根据匹配结果确定相似问题；
步骤S60，从所述预设常见问题解答库中获取所述相似问题对应的答案，以进行应答。
若预设二维数据库中存在与目标命名实体对应的数据信息，则根据目标命名实体、目标意图和预设二维数据库，生成对应的回复答案，以进行应答。具体的执行过程可参照上述实施例，此处不作赘述。
若预设二维数据库中不存在与目标命名实体对应的数据信息，此时，则可以基于FAQ(Frequently Asked Questions，常见问题解答)检索式应答方式进行应答，具体的，则将询问信息与预设常见问题解答(FAQ)库中的问题进行匹配，根据匹配结果确定相似问题，其中，预设常见问题解答库中包括预先设定的常见问题及其答案，然后，从预设常见问题解答库中获取相似问题对应的答案，以进行应答。
当然，可以理解，在其他拒识(即无法应答)的情况下，也可以采用FAQ检索式应答方式进行应答。
本实施例中，通过将基于二维表数据的应答流程与FAQ检索式应答流程相融合，可在基于二维表数据的应答流程中出现拒识(即无法应答)的情况下时，采用FAQ检索式应答流程进行应答，可提升应答效果，同时提升用户的使用体验。
进一步的，基于上述各实施例，提出本发明智能应答方法的第三实施例。
在本实施例中，在上述步骤S30之后，该智能应答方法还包括：
步骤C，从所述预设二维数据库中获取所述目标命名实体对应的关联信息；
步骤D，根据所述关联信息生成对应的关联问题，并进行推送。
在本实施例中，在基于用户的询问信息进行应答的同时，还可以根据识别得到的目标命名实体进行关联问题的推送，以便于用户基于推送的关联问题了解相关关联数据，在提升应答效果的同时，提升用户使用体验。
具体的，先从预设二维数据库中获取目标命名实体对应的关联信息，然后，根据关联信息生成对应的关联问题，并进行推送。对于关联信息的获取，可以根据目标命名实体中的目标实体信息获取除目标属性外的其他属性，例如，当用户询问A公司的粗钢产量时，可以获取除粗钢产量的其他属性，如同比增加，并生成关联问题“A公司的同比增加是什么”，进而在回复答案的同时推送该关联问题；也可以根据目标命名实体中的目标属性信息获取除目标实体外的其他实体，例如，当用户询问A公司的同比增加后，可以获取同一实体类型的其他实体，如B公司和C公司等，并生成关联问题“B公司和C公司的同比增加是什么”，进而在回复答案的同时推送该关联问题。
本发明还提供一种智能应答装置，该智能应答装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能应答程序，所述智能应答程序被所述处理器执行时实现如以上任一项实施例所述的智能应答方法的步骤。
本发明智能应答装置的具体实施例与上述智能应答方法各实施例基本相同，在此不作赘述。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有智能应答程序，所述智能应答程序被处理器执行时实现如以上任一项实施例所述的智能应答方法的步骤。
本发明计算机可读存储介质的具体实施例与上述智能应答方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种智能应答方法，其特征在于，所述智能应答方法包括：
获取用户的询问信息；
对所述询问信息进行识别，得到目标命名实体和目标意图；
根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答。
2.如权利要求1所述的智能应答方法，其特征在于，若所述目标命名实体包括目标实体信息和目标属性信息，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤包括：
根据所述目标实体信息和所述目标属性信息从预设二维数据库中获取对应的第一目标值；
根据所述第一目标值和所述目标意图，生成对应的第一回复答案，以进行应答。
3.如权利要求1所述的智能应答方法，其特征在于，若所述目标命名实体仅包括目标实体信息，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤包括：
获取上一轮询问信息中的历史命名实体；
检测所述历史命名实体中是否包括历史属性信息；
若所述历史命名实体中包括历史属性信息，则根据所述历史属性信息和所述目标实体信息从预设二维数据库中获取对应的第二目标值；
根据所述第二目标值和所述目标意图，生成对应的第二回复答案，以进行应答；
若所述历史命名实体中不包括历史属性信息，则根据所述目标实体信息生成反问属性的回复答案，以进行应答。
4.如权利要求1所述的智能应答方法，其特征在于，若所述目标命名实体仅包括目标属性信息，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤包括：
获取上一轮询问信息中的历史命名实体；
检测所述历史命名实体中是否包括历史实体信息；
若所述历史命名实体中包括历史实体信息，则根据所述历史实体信息和所述目标属性信息从预设二维数据库中获取对应的第三目标值；
根据所述第三目标值和所述目标意图，生成对应的第三回复答案，以进行应答；
若所述历史命名实体中不包括历史实体信息，则根据所述目标属性信息生成反问实体的回复答案，以进行应答。
5.如权利要求1所述的智能应答方法，其特征在于，所述根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答的步骤之前，还包括：
查询所述预设二维数据库中是否存在与所述目标命名实体对应的数据信息；
若存在，则执行步骤：根据所述目标命名实体、所述目标意图和预设二维数据库，生成对应的回复答案，以进行应答；
若不存在，则将所述询问信息与预设常见问题解答库中的问题进行匹配，根据匹配结果确定相似问题；
从所述预设常见问题解答库中获取所述相似问题对应的答案，以进行应答。
6.如权利要求1所述的智能应答方法，其特征在于，所述获取用户的询问信息的步骤之前，还包括：
预先获取二维数据表，并抽取出各二维数据表中的实体信息和属性信息；
根据所述实体信息和所述属性信息将所述二维数据表中的数据以预设格式进行存储，得到所述预设二维数据库。
7.如权利要求1至6中任一项所述的智能应答方法，其特征在于，所述对所述询问信息进行识别，得到目标命名实体和目标意图的步骤包括：
基于预设词典对所述询问信息进行实体识别，得到目标命名实体；
通过预设搜索引擎从预设意图模板中搜索与所述目标命名实体对应的相似意图模板；
计算所述相似意图模板与所述询问信息之间的相似度值；
将所述相似度值中的最大值所对应的相似意图模板确定为目标意图。
8.如权利要求1至6中任一项所述的智能应答方法，其特征在于，所述智能应答方法还包括：
从所述预设二维数据库中获取所述目标命名实体对应的关联信息；
根据所述关联信息生成对应的关联问题，并进行推送。
9.一种智能应答装置，其特征在于，所述智能应答装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能应答程序，所述智能应答程序被所述处理器执行时实现如权利要求1至8中任一项所述的智能应答方法的步骤。
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上存储有智能应答程序，所述智能应答程序被处理器执行时实现如权利要求1至8中任一项所述的智能应答方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010072993.9A CN111324693A (zh) | 2020-01-21 | 2020-01-21 | 智能应答方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010072993.9A CN111324693A (zh) | 2020-01-21 | 2020-01-21 | 智能应答方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111324693A true CN111324693A (zh) | 2020-06-23 |
Family
ID=71163268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010072993.9A Pending CN111324693A (zh) | 2020-01-21 | 2020-01-21 | 智能应答方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111324693A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107798123A (zh) * | 2017-11-10 | 2018-03-13 | 上海智臻智能网络科技股份有限公司 | 知识库及其建立、修改、智能问答方法、装置及设备 |
| CN108959627A (zh) * | 2018-07-23 | 2018-12-07 | 北京光年无限科技有限公司 | 基于智能机器人的问答交互方法及系统 |
| CN109727041A (zh) * | 2018-07-03 | 2019-05-07 | 平安科技（深圳）有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
| CN109902087A (zh) * | 2019-02-02 | 2019-06-18 | 上海奔影网络科技有限公司 | 用于问答的数据处理方法及装置、服务器 |
| CN110287209A (zh) * | 2019-06-10 | 2019-09-27 | 北京百度网讯科技有限公司 | 问答处理方法、装置、设备和存储介质 |
-
2020
- 2020-01-21 CN CN202010072993.9A patent/CN111324693A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107798123A (zh) * | 2017-11-10 | 2018-03-13 | 上海智臻智能网络科技股份有限公司 | 知识库及其建立、修改、智能问答方法、装置及设备 |
| CN109727041A (zh) * | 2018-07-03 | 2019-05-07 | 平安科技（深圳）有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
| CN108959627A (zh) * | 2018-07-23 | 2018-12-07 | 北京光年无限科技有限公司 | 基于智能机器人的问答交互方法及系统 |
| CN109902087A (zh) * | 2019-02-02 | 2019-06-18 | 上海奔影网络科技有限公司 | 用于问答的数据处理方法及装置、服务器 |
| CN110287209A (zh) * | 2019-06-10 | 2019-09-27 | 北京百度网讯科技有限公司 | 问答处理方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109684047B (zh) | 事件处理方法、装置、设备和计算机存储介质 | |
| CN109033156B (zh) | 一种信息处理方法、装置及终端 | |
| CN110659346B (zh) | 表格提取方法、装置、终端及计算机可读存储介质 | |
| CN109710739B (zh) | 一种信息处理方法及装置、存储介质 | |
| JP2006527870A (ja) | 設定可能な情報特定システム及び方法 | |
| CN107562878B (zh) | 家电控制方法、电子设备和计算机可读存储介质 | |
| CN110781284A (zh) | 基于知识图谱的问答方法、装置和存储介质 | |
| US20220164071A1 (en) | Method and device for providing user-selection-based information | |
| CN109933805B (zh) | 文本解析方法、系统及计算机可读存储介质 | |
| CN111813910A (zh) | 客服问题的更新方法、系统、终端设备及计算机存储介质 | |
| CN102750366A (zh) | 基于自然交互输入的视频搜索系统及方法和视频搜索服务器 | |
| CN114253990A (zh) | 数据库查询方法、装置、计算机设备和存储介质 | |
| CN111597804A (zh) | 一种实体识别模型训练的方法以及相关装置 | |
| CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
| CN111753522A (zh) | 事件抽取方法、装置、设备以及计算机可读存储介质 | |
| CN111177349A (zh) | 问答匹配方法、装置、设备及存储介质 | |
| CN110597957B (zh) | 一种文本信息检索的方法及相关装置 | |
| CN115205883A (zh) | 基于ocr和nlp的资料审核方法、装置、设备、存储介质 | |
| CN110309217B (zh) | 数据的导入导出方法、装置、终端及计算机可读存储介质 | |
| CN111553163A (zh) | 文本相关度的确定方法、装置、存储介质及电子设备 | |
| CN117909560A (zh) | 搜索方法、模型的训练方法、装置、设备、介质及程序产品 | |
| JP2010211575A (ja) | 情報評価支援システム | |
| CN111324693A (zh) | 智能应答方法、装置及计算机可读存储介质 | |
| CN115563255A (zh) | 对话文本的处理方法、装置、电子设备及存储介质 | |
| JP2022180728A (ja) | プログラム、方法、およびシステム |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200623 |