CN111368043A - 基于人工智能的事件问答方法、装置、设备及存储介质 - Google Patents
基于人工智能的事件问答方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111368043A CN111368043A CN202010101106.6A CN202010101106A CN111368043A CN 111368043 A CN111368043 A CN 111368043A CN 202010101106 A CN202010101106 A CN 202010101106A CN 111368043 A CN111368043 A CN 111368043A
- Authority
- CN
- China
- Prior art keywords
- question
- target
- intention
- data
- classification model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 52
- 238000013145 classification model Methods 0.000 claims description 70
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 34
- 230000004044 response Effects 0.000 abstract description 14
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing 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
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种基于人工智能的事件问答方法、装置、设备及存储介质，涉及数据分析技术领域。该方法包括：接收提问数据；调用第一分类判断提问数据表示的意图类型属于对话意图或是问答意图；若为对话意图，则识别与提问数据匹配的第一目标问题；查询与第一目标问题匹配的第一目标结果发送给目标用户；若为问答意图，则进一步识别与提问数据匹配的第二目标问题；获取与第二目标问题对应的第二目标结果发送给目标用户。所述方法为不同的问答场景设置不同的问题库，能根据不同的问题类型作出不同的响应处理，从而为不同的意图类型设置不同的自动响应模式，将对提问数据的处理由人工处理转化为机器处理，节省了人力资源并提升了处理效率。
Description
技术领域
本申请涉及数据分析技术领域，特别是一种基于人工智能的事件问答方法、装置、设备及存储介质。
背景技术
传统的IT(Internet Technology，互联网技术)事件问答需要用户将问题和详细描述上报到事件管理系统，IT人员登录事件系统，从导航菜单中选择负责的领域，人工识别上报问题原因并写sql(Structured Query Language，结构化程序语言)或登录其他业务系统查询事件原因，最后在事件系统上答复用户。
用户得到问题的答案需等待IT人员回答后再次登录事件系统查看，用户和事件人员之间沟通复杂，过程繁琐，容易给用户造成较差的体验，同时在问题较多时，需增加IT人员来提高回复效率，IT人员精力有限，也只能在工作时间回答用户问题，使得整体工作效率难以提升，运营成本居高不下，客户满意度也受到了影响。
发明内容
本申请实施例所要解决的技术问题是，提供一种基于人工智能的事件问答方法、装置、设备及存储介质，能根据不同的问题类型，自动响应用户提出的问题进行问答处理。
为了解决上述技术问题，本申请实施例所述的一种基于人工智能的事件问答方法，采用了如下所述的技术方案：
一种基于人工智能的事件问答方法，包括：
接收目标用户的提问数据；
调用第一分类模型，基于所述第一分类模型判断所述提问数据表示的意图类型，确认其意图类型属于对话意图或是问答意图；
若确认意图类型为对话意图，则调用第二分类模型并访问已知意图问题库，基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题；
识别出第一目标问题后，获取所述第一目标问题对应的查询接口，基于所述查询接口查询与所述第一目标问题匹配的第一目标结果发送给所述目标用户；
若确认意图类型为问答意图，则调用第三分类模型并访问FAQ问题库，基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题；
识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的第二目标结果发送给所述目标用户。
本申请实施例所述的基于人工智能的事件问答方法，为不同的问答场景设置不同的问题库，并对用户提出的问题进行意图识别，通过初步分类判断问题的类型后，能根据不同的问题类型作出不同的响应处理，从而为不同的意图类型设置不同的自动响应模式，将对提问数据的处理由人工处理转化为机器处理，节省了人力资源并提升了处理效率。
进一步的，所述的基于人工智能的事件问答方法，所述基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题的步骤包括：
将所述提问数据输入所述第二分类模型，以将所述提问数据划分至所述已知意图问题库中的目标预设问题下；
确认所述目标预设问题是否符合所述目标用户的提问意图；
若是，则将所述目标预设问题作为所述第一目标问题。
进一步的，所述的基于人工智能的事件问答方法，所述确认所述目标预设问题是否符合所述目标用户的提问意图的步骤包括：
计算所述提问数据在所述目标预设问题下的置信度；
获取第一设定阈值，比较所述置信度与所述第一设定阈值的大小；
若所述置信度大于所述第一设定阈值，视为所述目标预设问题符合所述目标用户的提问意图。
进一步的，所述的基于人工智能的事件问答方法，所述方法还包括：
若所述置信度小于所述第一设定阈值，视为所述目标预设问题不符合所述目标用户的提问意图；
将所述提问数据标注为所述第二分类模型的待训练语料，并基于所述待训练预料生成提示消息发送至运维端。
进一步的，所述的基于人工智能的事件问答方法，所述基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题的步骤包括：
将所述提问数据输入所述第三分类模型，以计算所述提问数据与所述FAQ问题库中各个预设问题之间的文本相似度；
获取计算结果中的最大文本相似度，并获取第二设定阈值，比较最大文本相似度与第二设定阈值的大小；
若所述最大文本相似度大于所述第二设定阈值，基于所述FAQ问题库获取与所述最大文本相似度关联的预设问题作为所述第二目标问题。
进一步的，所述的基于人工智能的事件问答方法，所述方法还包括：
若所述最大文本相似度小于所述第二设定阈值，则调用智能闲聊模型，转入闲聊模式通过所述智能闲聊模型响应所述提问数据；
持续通过所述智能闲聊模型响应目标用户新的提问数据，直到接收到中断当前会话的用户指令为止。
进一步的，所述的基于人工智能的事件问答方法，所述方法还包括：
若所述最大文本相似度小于所述第二设定阈值，则对计算结果中的文本相似度进行排序，以获取排序所得的数值最高的n个文本相似度；
将与所述n个文本相似度关联的n个预设问题记为预选问题组；
将所述预选问题组反馈给目标用户，以确定所述预选问题组中是否有匹配所述目标用户提问需求的预设问题。
为了解决上述技术问题，本申请实施例还提供一种基于人工智能的事件问答装置，采用了如下所述的技术方案：
一种基于人工智能的事件问答装置，包括：
数据接收模块，用于接收目标用户的提问数据；
意图识别模块，用于调用第一分类模型，基于所述第一分类模型判断所述提问数据表示的意图类型，确认其意图类型属于对话意图或是问答意图；
第一问题识别模块，用于若确认意图类型为对话意图，则调用第二分类模型并访问已知意图问题库，基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题；
第一结果获取模块，用于识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的识别出第一目标问题后，获取所述第一目标问题对应的查询接口，基于所述查询接口查询与所述第一目标问题匹配的第一目标结果发送给所述目标用户；
第二问题识别模块，用于若确认意图类型为问答意图，则调用第三分类模型并访问FAQ问题库，基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题；
第二结果获取模块，用于识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的第二目标结果发送给所述目标用户。
本申请实施例所述的基于人工智能的事件问答装置，为不同的问答场景设置不同的问题库，并对用户提出的问题进行意图识别，通过初步分类判断问题的类型后，能根据不同的问题类型作出不同的响应处理，从而为不同的意图类型设置不同的自动响应模式，将对提问数据的处理由人工处理转化为机器处理，节省了人力资源并提升了处理效率。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项技术方案所述的基于人工智能的事件问答方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
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计算机程序，所述计算机程序被处理器执行时实现如上述任意一项技术方案所述的基于人工智能的事件问答方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例公开了一种基于人工智能的事件问答方法、装置、设备及存储介质，本申请实施例所述的基于人工智能的事件问答方法，接收目标用户的提问数据后；便调用第一分类模型，基于所述第一分类模型判断所述提问数据表示的意图类型，确认其意图类型属于对话意图或是问答意图；若确认意图类型为对话意图，则基于第二分类模型从已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题；识别出第一目标问题后，获取所述第一目标问题对应的查询接口，基于所述查询接口查询与所述第一目标问题匹配的第一目标结果发送给所述目标用户；若确认意图类型为问答意图，则基于第三分类模型从FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题；识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的第二目标结果发送给所述目标用户。所述方法为不同的问答场景设置不同的问题库，并对用户提出的问题进行意图识别，通过初步分类判断问题的类型后，能根据不同的问题类型作出不同的响应处理，从而为不同的意图类型设置不同的自动响应模式，将对提问数据的处理由人工处理转化为机器处理，节省了人力资源并提升了处理效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例可以应用于其中的示例性系统架构图；
图2为本申请实施例中所述基于人工智能的事件问答方法的一个实施例的流程图；
图3为本申请实施例中所述基于人工智能的事件问答装置的一个实施例的结构示意图；
图4为本申请实施例中计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”、“包含”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。在本申请的权利要求书、说明书以及说明书附图中的术语，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
为了使本技术领域的人员更好地理解本申请的方案，下面将结合本申请实施例中的相关附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102和第三终端设备103通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102和第三终端设备103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
第一终端设备101、第二终端设备102和第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对第一终端设备101、第一终端设备102和第三终端设备103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的基于人工智能的事件问答方法一般由服务器/终端设备执行，相应地，基于人工智能的事件问答装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了本申请实施例中所述基于人工智能的事件问答方法的一个实施例的流程图。所述基于人工智能的事件问答方法，包括以下步骤：
步骤201：接收目标用户的提问数据。
目标用户登入智能问答系统后，在前端交互界面中基于其提问需求在智能问答系统中提出问题，智能问答系统的后端服务器接收到提出的问题将其转化为相应的提问数据，并通过对提问数据进行解析自动作出相应的回答，从而达到IT人工智能问答的效果。
在本申请实施例中，所述基于人工智能的事件问答方法运行于其上的电子设备(例如图1所示的服务器/终端设备)可以通过有线连接方式或者无线连接方式接收目标测试用户发出的问题。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202：调用第一分类模型，基于所述第一分类模型判断所述提问数据表示的意图类型，确认其意图类型属于对话意图或是问答意图。
本申请中，所述第一分类模型为二分类模型，在一种优选的实施方式中，选择随机森林模作为所述二分类模型。通过二分类模型对提问数据表示的意图类型进行分类判断，本申请中作为判断结果的两种意图类型分别表示为对话意图和问答意图。
其中，对话意图指特定场景下用户基于一个很具体的目的，提出的一个较明确、具体的问题，处理该类对话意图提出的问题时，需要将该问题所包含的请求进行参数化，提取出问题中包含的一些特定的关键词信息(词槽)，词槽可以理解为获得特定查询结果所对应的必要查询条件。如针对购票、查询话费等任务型对话，该类对话为具有固定对话样本或模板，而对于其中不同的查询条件一般都具有不同的查询结果，如此可视为对话意图。对于该类对话意图，通过获取提问数据中的特定查询条件后便能给出明确的查询结果。
问答意图则无需将提出的问题中包含的请求进行参数化，表示问答意图的提问数据所对应的问题具有一定的模糊性，可以通过计算问题相似度匹配数据库中预先创建、储备的一些相同或类似的问题，进一步选取其中最接近用户提问意图的问题后，再返回相应的答案作为查询结果。
步骤203：若确认意图类型为对话意图，则调用第二分类模型并访问已知意图问题库，基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题。
本申请中，所述第二分类模型为多元分类模型，在一种具体实施方式中，选择SVM(Support Vector Machine，支持向量机)模型作为所述多元分类模型。智能问答系统的数据库中会根据标准提问场景下的若干个不同的对话，预设若干个固定的标准问题，后端服务器接收到提问数据并确认其为对话意图后，随之需要通过多元分类模型将提问数据归类至已知意图问题库中的某一个标准问题下，即识别出与提问数据所匹配的第一目标问题。
在本申请的一些实施例中，步骤203中所述基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题的步骤包括：
将所述提问数据输入所述第二分类模型，以将所述提问数据划分至所述已知意图问题库中的目标预设问题下；
确认所述目标预设问题是否符合所述目标用户的提问意图；
若是，则将所述目标预设问题作为所述第一目标问题。
通过多元分类模型将提问数据归类至已知意图数据库中的一个标准问题下，由于该分类的过程是基于当前已知意图问题库中的若干个标准问题进行的，而这些标准问题不能囊括所有的提问场景，可能会存在当前的提问数据表示的实际提问意图不符合当前的已知意图问题库中任意一个标准问题的情况，因此对提问数据初步分类后，还需进一步判断初步分类的目标预设问题是否与提问数据所表示的提问意图较吻合，若是，则表示符合目标用户的提问意图。
在本申请实施例的一种具体实施方式中，所述确认所述目标预设问题是否符合所述目标用户的提问意图的步骤包括：
计算所述提问数据在所述目标预设问题下的置信度；
获取第一设定阈值，比较所述置信度与所述第一设定阈值的大小；
若所述置信度大于所述第一设定阈值，视为所述目标预设问题符合所述目标用户的提问意图。
通过计算提问数据与初步分类时判定的目标预设问题之间的置信度进行进一步判断。在后端服务器中，会预先配置一个第一设定阈值，用于与置信度所表示的数值比较以判断提问数据的意图是否分类/匹配成功。
若置信度大于第一设定阈值，即判定为意图分类成功，即认为目标预设问题符合提问数据所表示的提问意图，便将所述目标预设问题作为第一目标问题。
进一步的，所述基于人工智能的事件问答方法还包括：
若所述置信度小于所述第一设定阈值，视为所述目标预设问题不符合所述目标用户的提问意图；
将所述提问数据标注为所述第二分类模型的待训练语料，并基于所述待训练预料生成提示消息发送至运维端。
在该具体实施方式中，若置信度小于第一设定阈值，便认为意图分类失败，即初步分类所匹配到的目标预设问题无法准确代表提问数据的提问意图。
之后为了使目标用户在以后的提问中基于同样的提问意图提出类似的提问数据时能获得相应的回答，便将此次意图未匹配成功的提问数据标注为待训练预料，发送至运维端提示运维人员基于待训练预料在已知意图问题库中增加对应的标准问题，对已知意图问题库进行更新使其涵盖更多的提问意图，从而拓展已知问题库所适用的提问场景。并且将未获取到对应所述提问数据的答案的提示消息通过前端交互界面或其他途径反馈至目标用户，提示所述目标用户重新输入提问数据。
步骤204：识别出第一目标问题后，获取所述第一目标问题对应的查询接口，基于所述查询接口查询与所述第一目标问题匹配的第一目标结果发送给所述目标用户。
当识别出第一目标问题为所述提问数据表示的提问意图后，便基于数据库中为所述第一目标问题预先配置的查询接口，访问该查询接口对应的地址中的数据库，从中获取的查询结果即作为第一目标结果发送给目标用户，目标用户便由此得到了关于提问数据的问题回答。
具体地，第二分类模型进行分类时，会对提问数据参数化，而在获取问题回答时，便基于从参数化的数据中提取出的包含特定关键信息的词槽，以词槽为查询条件从数据库中查询出所需的结果。
步骤205：若确认意图类型为问答意图，则调用第三分类模型并访问FAQ问题库，基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题。
所述第三分类模型为文本相似度模型，本申请中该模型中采用tf-idf(termfrequency–inverse document frequency，词频-逆文本频率指数)和cosine similarity(余弦相似度)的技术。
其中，如在一份给定的文件里，tf指某一个给定的词语在该文件中出现的频率，idf是一个词语普遍重要性的度量，某一特定词语的idf，可以由总文件数目除以包含该词语之文件的数目，再将得到的商取对数得到。对于给定的用于比较相似度的文件，通过利用tf-idf的概念，提取文件的关键词，乘以逆文件作为权重的结果，然后按照数值进行排序，就能得到文件的关键词从高到低的顺序，再基于每篇的词频向量计算余弦相似度，就等得到文件之间的相似度。
本申请中对于意图类型为问答意图的提问，智能问答系统的数据库中会预先设置一个FAQ(Frequently Asked Questions，常见问题解答)问题库，该问题库类似已知意图问题库，同样会对于一些常见的提问场景配置若干个标准问题，不过不同于已知意图问题库中为每个标准问题对应配置有一个查询接口，FAQ问题库中的每个标准问题均设置有一个固定的回复作为回答。
在本申请的一些实施例中，所述基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题的步骤包括：
将所述提问数据输入所述第三分类模型，以计算所述提问数据与所述FAQ问题库中各个预设问题之间的文本相似度；
获取计算结果中的最大文本相似度，并获取第二设定阈值，比较最大文本相似度与第二设定阈值的大小；
若所述最大文本相似度大于所述第二设定阈值，基于所述FAQ问题库获取与所述最大文本相似度关联的预设问题作为所述第二目标问题。
通过文本相似度模型计算提问数据与FAQ问题库中各个预设问题之间的文本相似度后，根据文本相似度进行意图识别的匹配，具体为取计算结果中的最大文本相似度作为期望结果，一般认为最大文本相似度对应的FAQ问题库中的预设问题便是最接近提问数据的提问意图的问题。
但若FAQ问题库中的问题样本数不够多，其中配置的预设问题不够充分，会存在最大文本相似度对应的预设问题同样偏离目标用户的提问意图较大的情况，因此本申请中，在后端服务器内通过预先配置一个第二设定阈值，获取最大文本相似度后，再将最大文本相似度与第二设定阈值进行比较，以进一步判断最大文本相似度对应的预设问题是否与提问数据所表示的提问意图吻合。
若最大文本相似度大于第二设定阈值，则判定意图识别成功，即认为从FAQ问题库中匹配到的预设问题是提问数据所表示的提问意图，所述预设问题便可作为第二目标问题。
在进一步的一种具体实施方式中，所述基于人工智能的事件问答方法还包括：
若所述最大文本相似度小于所述第二设定阈值，则调用智能闲聊模型，转入闲聊模式通过所述智能闲聊模型响应所述提问数据；
持续通过所述智能闲聊模型响应目标用户新的提问数据，直到接收到中断当前会话的用户指令为止。
该具体实施方式中，若最大文本相似度小于第二设定阈值，即认为意图识别失败，从FAQ问题库中匹配到的预设问题无法准确代表提问数据的提问意图。
此时便基于预设的响应逻辑进入闲聊模式，通过调用智能闲聊模型与用户进行交互进一步回复目标用户的提问数据，若用户不发送或点击退出该闲聊模式的指令，便持续通过智能闲聊模型响应用户新的提问数据，直到接收到用户发出的指示终端当前会话的用户指令后，退出闲聊模式，之后用户输入新的提问数据时便基于以前的处理逻辑进行响应。所述智能闲聊模型可以理解为基于seq2seq训练的聊天机器人，闲聊模式中的问答没有明显目的，主要为了响应用户的提问，进行各种内容的聊天，增加互动的趣味性。
在进一步的另一种具体实施方式中，所述基于人工智能的事件问答方法还包括：
若所述最大文本相似度小于所述第二设定阈值，则对计算结果中的文本相似度进行排序，以获取排序所得的数值最高的n个文本相似度；
将与所述n个文本相似度关联的n个预设问题记为预选问题组；
将所述预选问题组反馈给目标用户，以确定所述预选问题组中是否有匹配所述目标用户提问需求的预设问题。
有时以最大文本相似度确定预设问题的方式不一定最为准确，我们可以将最可能符合用户提问意图的n个预设问题均发送给用户，通过用户进一步确定其中是否有符合其需求的问题。通过预设n的数值，然后将计算的文本相似度中数值最大的n个数值所关联的n个预设问题作为预选问题组，将预选问题组发送至前端交互界面，用户从中进一步确认，选取出最符合其提问需求的预选问题后重新提交至后端服务器，此时后端服务器便能基于用户新的反馈更准确地获取用户的提问意图。
而在本申请实施例的另一种具体实施方式中，第三分类模型计算出所述提问数据与所述FAQ问题库中各个预设问题之间的文本相似度后，还可以以所述第二设定阈值为划分基准，将大于第二设定阈值的文本相似度所关联的预设问题均记为预选问题组，发送给用户后获取用户的反馈进行用户提问意图的确认。
步骤206：识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的第二目标结果发送给所述目标用户。
当识别出第二目标问题为所述提问数据表示的提问意图后，便从FAQ问题库表示的数据库中直接获取为所述第二目标问题预先配置的回答内容，作为第二目标结果发送给目标用户即可，目标用户便由此得到了关于提问数据的问题回答。
本申请实施例所述的基于人工智能的事件问答方法，为不同的问答场景设置不同的问题库，并对用户提出的问题进行意图识别，通过初步分类判断问题的类型后，能根据不同的问题类型作出不同的响应处理，从而为不同的意图类型设置不同的自动响应模式，将对提问数据的处理由人工处理转化为机器处理，节省了人力资源并提升了处理效率。
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，该计算机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，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3，图3示出了为本申请实施例中所述基于人工智能的事件问答装置的一个实施例的结构示意图。作为对上述图2所示方法的实现，本申请提供了一种基于人工智能的事件问答装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例所述的基于人工智能的事件问答装置包括：
数据接收模块301；用于接收目标用户的提问数据。
意图识别模块302；用于调用第一分类模型，基于所述第一分类模型判断所述提问数据表示的意图类型，确认其意图类型属于对话意图或是问答意图。
第一问题识别模块303；用于若确认意图类型为对话意图，则调用第二分类模型并访问已知意图问题库，基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题。
第一结果获取模块304；用于识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的识别出第一目标问题后，获取所述第一目标问题对应的查询接口，基于所述查询接口查询与所述第一目标问题匹配的第一目标结果发送给所述目标用户。
第二问题识别模块305；用于若确认意图类型为问答意图，则调用第三分类模型并访问FAQ问题库，基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题。
第二结果获取模块306；用于识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的第二目标结果发送给所述目标用户。
在本申请的一些实施例中，所述第一问题识别模块303包括：第一问题匹配子模块。所述第一问题匹配子模块用于将所述提问数据输入所述第二分类模型，以将所述提问数据划分至所述已知意图问题库中的目标预设问题下；确认所述目标预设问题是否符合所述目标用户的提问意图；若是，则将所述目标预设问题作为所述第一目标问题。
在本申请实施例的一种具体实施方式中，所述第一问题匹配子模块还用于计算所述提问数据在所述目标预设问题下的置信度；获取第一设定阈值，比较所述置信度与所述第一设定阈值的大小；若所述置信度大于所述第一设定阈值，视为所述目标预设问题符合所述目标用户的提问意图。
进一步的，所述基于人工智能的事件问答装置还包括：语料拓展提示模块。若所述置信度小于所述第一设定阈值，所述语料拓展提示模块用于视为所述目标预设问题不符合所述目标用户的提问意图；将所述提问数据标注为所述第二分类模型的待训练语料，并基于所述待训练预料生成提示消息发送至运维端。
在本申请的一些实施例中，所述第二问题识别模块305还包括：第二问题匹配子模块，所述第二问题匹配子模块用于将所述提问数据输入所述第三分类模型，以计算所述提问数据与所述FAQ问题库中各个预设问题之间的文本相似度；获取计算结果中的最大文本相似度，并获取第二设定阈值，比较最大文本相似度与第二设定阈值的大小；若所述最大文本相似度大于所述第二设定阈值，基于所述FAQ问题库获取与所述最大文本相似度关联的预设问题作为所述第二目标问题。
在进一步的一种具体实施方式中，所述基于人工智能的事件问答装置还包括：用户闲聊模块。若所述最大文本相似度小于所述第二设定阈值，所述用户闲聊模块用于调用智能闲聊模型，转入闲聊模式通过所述智能闲聊模型响应所述提问数据；持续通过所述智能闲聊模型响应目标用户新的提问数据，直到接收到中断当前会话的用户指令为止。
在进一步的另一种具体实施方式中，若所述最大文本相似度小于所述第二设定阈值，所述第二问题匹配子模块还用于对计算结果中的文本相似度进行排序，以获取排序所得的数值最高的n个文本相似度；将与所述n个文本相似度关联的n个预设问题记为预选问题组；将所述预选问题组反馈给目标用户，以确定所述预选问题组中是否有匹配所述目标用户提问需求的预设问题。
本申请实施例所述的基于人工智能的事件问答装置，为不同的问答场景设置不同的问题库，并对用户提出的问题进行意图识别，通过初步分类判断问题的类型后，能根据不同的问题类型作出不同的响应处理，从而为不同的意图类型设置不同的自动响应模式，将对提问数据的处理由人工处理转化为机器处理，节省了人力资源并提升了处理效率。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是，图中仅示出了具有组件61-63的计算机设备6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器61可以是所述计算机设备6的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，所述存储器61也可以是所述计算机设备6的外部存储设备，例如该计算机设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中，所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件，例如基于人工智能的事件问答方法的程序代码等。此外，所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中，所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据，例如运行所述基于人工智能的事件问答方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口，该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即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基于人工智能的事件问答程序，所述基于人工智能的事件问答程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于人工智能的事件问答方法的步骤。
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，本申请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)执行本申请各个实施例所述的方法。
在本申请所提供的上述实施例中，应该理解到，所揭露的装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
所述模块或组件可以是或者也可以不是物理上分开的，作为模块或组件显示的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块或组件来实现本实施例方案的目的。
本申请不限于上述实施方式，以上所述是本申请的优选实施方式，该实施例仅用于说明本申请而不用于限制本申请的范围，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，其依然可以对前述各具体实施方式所记载的技术方案进行若干改进和修饰，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理应视为包括在本申请的保护范围之内。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，以及凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于人工智能的事件问答方法，其特征在于，包括：
接收目标用户的提问数据；
调用第一分类模型，基于所述第一分类模型判断所述提问数据表示的意图类型，确认其意图类型属于对话意图或是问答意图；
若确认意图类型为对话意图，则调用第二分类模型并访问已知意图问题库，基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题；
识别出第一目标问题后，获取所述第一目标问题对应的查询接口，基于所述查询接口查询与所述第一目标问题匹配的第一目标结果发送给所述目标用户；
若确认意图类型为问答意图，则调用第三分类模型并访问FAQ问题库，基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题；
识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的第二目标结果发送给所述目标用户。
2.根据权利要求1所述的基于人工智能的事件问答方法，其特征在于，所述基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题的步骤包括：
将所述提问数据输入所述第二分类模型，以将所述提问数据划分至所述已知意图问题库中的目标预设问题下；
确认所述目标预设问题是否符合所述目标用户的提问意图；
若是，则将所述目标预设问题作为所述第一目标问题。
3.根据权利要求2所述的基于人工智能的事件问答方法，其特征在于，所述确认所述目标预设问题是否符合所述目标用户的提问意图的步骤包括：
计算所述提问数据在所述目标预设问题下的置信度；
获取第一设定阈值，比较所述置信度与所述第一设定阈值的大小；
若所述置信度大于所述第一设定阈值，视为所述目标预设问题符合所述目标用户的提问意图。
4.根据权利要求3所述的基于人工智能的事件问答方法，其特征在于，所述方法还包括：
若所述置信度小于所述第一设定阈值，视为所述目标预设问题不符合所述目标用户的提问意图；
将所述提问数据标注为所述第二分类模型的待训练语料，并基于所述待训练预料生成提示消息发送至运维端。
5.根据权利要求1所述的基于人工智能的事件问答方法，其特征在于，所述基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题的步骤包括：
将所述提问数据输入所述第三分类模型，以计算所述提问数据与所述FAQ问题库中各个预设问题之间的文本相似度；
获取计算结果中的最大文本相似度，并获取第二设定阈值，比较最大文本相似度与第二设定阈值的大小；
若所述最大文本相似度大于所述第二设定阈值，基于所述FAQ问题库获取与所述最大文本相似度关联的预设问题作为所述第二目标问题。
6.根据权利要求5所述的基于人工智能的事件问答方法，其特征在于，所述方法还包括：
若所述最大文本相似度小于所述第二设定阈值，则调用智能闲聊模型，转入闲聊模式通过所述智能闲聊模型响应所述提问数据；
持续通过所述智能闲聊模型响应目标用户新的提问数据，直到接收到中断当前会话的用户指令为止。
7.根据权利要求5所述的基于人工智能的事件问答方法，其特征在于，所述方法还包括：
若所述最大文本相似度小于所述第二设定阈值，则对计算结果中的文本相似度进行排序，以获取排序所得的数值最高的n个文本相似度；
将与所述n个文本相似度关联的n个预设问题记为预选问题组；
将所述预选问题组反馈给目标用户，以确定所述预选问题组中是否有匹配所述目标用户提问需求的预设问题。
8.一种基于人工智能的事件问答装置，其特征在于，包括：
数据接收模块，用于接收目标用户的提问数据；
意图识别模块，用于调用第一分类模型，基于所述第一分类模型判断所述提问数据表示的意图类型，确认其意图类型属于对话意图或是问答意图；
第一问题识别模块，用于若确认意图类型为对话意图，则调用第二分类模型并访问已知意图问题库，基于所述第二分类模型从所述已知意图问题库中进一步识别与所述提问数据匹配的第一目标问题；
第一结果获取模块，用于识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的识别出第一目标问题后，获取所述第一目标问题对应的查询接口，基于所述查询接口查询与所述第一目标问题匹配的第一目标结果发送给所述目标用户；
第二问题识别模块，用于若确认意图类型为问答意图，则调用第三分类模型并访问FAQ问题库，基于所述第三分类模型从所述FAQ问题库中进一步识别与所述提问数据匹配的第二目标问题；
第二结果获取模块，用于识别出第二目标问题后，基于所述FAQ问题库获取与所述第二目标问题对应的第二目标结果发送给所述目标用户。
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任意一项所述的基于人工智能的事件问答方法的步骤。
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计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的基于人工智能的事件问答方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010101106.6A CN111368043A (zh) | 2020-02-19 | 2020-02-19 | 基于人工智能的事件问答方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010101106.6A CN111368043A (zh) | 2020-02-19 | 2020-02-19 | 基于人工智能的事件问答方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111368043A true CN111368043A (zh) | 2020-07-03 |
Family
ID=71206330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010101106.6A Pending CN111368043A (zh) | 2020-02-19 | 2020-02-19 | 基于人工智能的事件问答方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111368043A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100491A (zh) * | 2020-09-08 | 2020-12-18 | 中国平安人寿保险股份有限公司 | 基于用户数据的信息推荐方法、装置、设备及存储介质 |
| CN112394816A (zh) * | 2020-11-26 | 2021-02-23 | 浙江连信科技有限公司 | 基于人机交互的心理服务方法和机器人 |
| CN112487166A (zh) * | 2020-12-04 | 2021-03-12 | 浪潮云信息技术股份公司 | 一种事项智能问答的实现方法 |
| CN112766985A (zh) * | 2021-01-26 | 2021-05-07 | 北京小米移动软件有限公司 | 信息处理方法、装置以及存储介质 |
| CN113111157A (zh) * | 2021-03-31 | 2021-07-13 | 深圳追一科技有限公司 | 问答处理方法、装置、计算机设备和存储介质 |
| CN113127616A (zh) * | 2021-03-25 | 2021-07-16 | 白鹭 | 应用于现场对话场景中的智能话术推荐方法及装置 |
| CN113139045A (zh) * | 2021-05-13 | 2021-07-20 | 八维(杭州)科技有限公司 | 一种基于任务驱动型人机对话的选择性问答方法 |
| CN113282725A (zh) * | 2021-05-21 | 2021-08-20 | 北京市商汤科技开发有限公司 | 对话交互的方法、装置、电子设备及存储介质 |
| CN113343713A (zh) * | 2021-06-30 | 2021-09-03 | 中国平安人寿保险股份有限公司 | 意图识别方法、装置、计算机设备及存储介质 |
| CN113377936A (zh) * | 2021-05-25 | 2021-09-10 | 杭州搜车数据科技有限公司 | 智能问答方法、装置及设备 |
| CN113722458A (zh) * | 2021-08-27 | 2021-11-30 | 海信电子科技(武汉)有限公司 | 视觉问答处理方法、设备、计算机可读介质和程序产品 |
| CN113901837A (zh) * | 2021-10-19 | 2022-01-07 | 斑马网络技术有限公司 | 一种意图理解方法、装置、设备及存储介质 |
| CN113918704A (zh) * | 2021-10-28 | 2022-01-11 | 平安普惠企业管理有限公司 | 基于机器学习的问答方法、装置、电子设备及介质 |
| CN114528389A (zh) * | 2022-02-21 | 2022-05-24 | 上海喜马拉雅科技有限公司 | 一种智能客服应答方法、装置、智能客服应答系统及计算机可读存储介质 |
| WO2022105119A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技（深圳）有限公司 | 意图识别模型的训练语料生成方法及其相关设备 |
| CN115840808A (zh) * | 2022-12-27 | 2023-03-24 | 广州汉申科技中介服务有限公司 | 科技项目咨询方法、装置、服务器及计算机可读存储介质 |
| CN117059074A (zh) * | 2023-10-08 | 2023-11-14 | 四川蜀天信息技术有限公司 | 一种基于意图识别的语音交互方法、装置及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106847279A (zh) * | 2017-01-10 | 2017-06-13 | 西安电子科技大学 | 基于机器人操作系统ros的人机交互方法 |
| CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技（深圳）有限公司 | 智能问答方法及装置 |
| 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 |
| CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN108874949A (zh) * | 2018-06-05 | 2018-11-23 | 北京玄科技有限公司 | 基于业务语料的意图分类方法、装置及智能问答方法 |
| CN109241251A (zh) * | 2018-07-27 | 2019-01-18 | 众安信息技术服务有限公司 | 一种会话交互方法 |
| CN109829038A (zh) * | 2018-12-11 | 2019-05-31 | 平安科技（深圳）有限公司 | 基于深度学习的问答反馈方法、装置、设备及存储介质 |
-
2020
- 2020-02-19 CN CN202010101106.6A patent/CN111368043A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106847279A (zh) * | 2017-01-10 | 2017-06-13 | 西安电子科技大学 | 基于机器人操作系统ros的人机交互方法 |
| CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技（深圳）有限公司 | 智能问答方法及装置 |
| 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 |
| CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN108874949A (zh) * | 2018-06-05 | 2018-11-23 | 北京玄科技有限公司 | 基于业务语料的意图分类方法、装置及智能问答方法 |
| CN109241251A (zh) * | 2018-07-27 | 2019-01-18 | 众安信息技术服务有限公司 | 一种会话交互方法 |
| CN109829038A (zh) * | 2018-12-11 | 2019-05-31 | 平安科技（深圳）有限公司 | 基于深度学习的问答反馈方法、装置、设备及存储介质 |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100491A (zh) * | 2020-09-08 | 2020-12-18 | 中国平安人寿保险股份有限公司 | 基于用户数据的信息推荐方法、装置、设备及存储介质 |
| WO2022105119A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技（深圳）有限公司 | 意图识别模型的训练语料生成方法及其相关设备 |
| CN112394816A (zh) * | 2020-11-26 | 2021-02-23 | 浙江连信科技有限公司 | 基于人机交互的心理服务方法和机器人 |
| CN112487166A (zh) * | 2020-12-04 | 2021-03-12 | 浪潮云信息技术股份公司 | 一种事项智能问答的实现方法 |
| CN112766985A (zh) * | 2021-01-26 | 2021-05-07 | 北京小米移动软件有限公司 | 信息处理方法、装置以及存储介质 |
| CN113127616A (zh) * | 2021-03-25 | 2021-07-16 | 白鹭 | 应用于现场对话场景中的智能话术推荐方法及装置 |
| CN113127616B (zh) * | 2021-03-25 | 2023-09-15 | 白鹭 | 应用于现场对话场景中的智能话术推荐方法及装置 |
| CN113111157B (zh) * | 2021-03-31 | 2022-07-01 | 深圳追一科技有限公司 | 问答处理方法、装置、计算机设备和存储介质 |
| CN113111157A (zh) * | 2021-03-31 | 2021-07-13 | 深圳追一科技有限公司 | 问答处理方法、装置、计算机设备和存储介质 |
| CN113139045A (zh) * | 2021-05-13 | 2021-07-20 | 八维(杭州)科技有限公司 | 一种基于任务驱动型人机对话的选择性问答方法 |
| CN113139045B (zh) * | 2021-05-13 | 2023-05-05 | 八维(杭州)科技有限公司 | 一种基于任务驱动型人机对话的选择性问答方法 |
| CN113282725A (zh) * | 2021-05-21 | 2021-08-20 | 北京市商汤科技开发有限公司 | 对话交互的方法、装置、电子设备及存储介质 |
| CN113377936A (zh) * | 2021-05-25 | 2021-09-10 | 杭州搜车数据科技有限公司 | 智能问答方法、装置及设备 |
| CN113343713B (zh) * | 2021-06-30 | 2022-06-17 | 中国平安人寿保险股份有限公司 | 意图识别方法、装置、计算机设备及存储介质 |
| CN113343713A (zh) * | 2021-06-30 | 2021-09-03 | 中国平安人寿保险股份有限公司 | 意图识别方法、装置、计算机设备及存储介质 |
| CN113722458A (zh) * | 2021-08-27 | 2021-11-30 | 海信电子科技(武汉)有限公司 | 视觉问答处理方法、设备、计算机可读介质和程序产品 |
| CN113901837A (zh) * | 2021-10-19 | 2022-01-07 | 斑马网络技术有限公司 | 一种意图理解方法、装置、设备及存储介质 |
| CN113918704A (zh) * | 2021-10-28 | 2022-01-11 | 平安普惠企业管理有限公司 | 基于机器学习的问答方法、装置、电子设备及介质 |
| CN114528389A (zh) * | 2022-02-21 | 2022-05-24 | 上海喜马拉雅科技有限公司 | 一种智能客服应答方法、装置、智能客服应答系统及计算机可读存储介质 |
| CN115840808A (zh) * | 2022-12-27 | 2023-03-24 | 广州汉申科技中介服务有限公司 | 科技项目咨询方法、装置、服务器及计算机可读存储介质 |
| CN115840808B (zh) * | 2022-12-27 | 2023-08-11 | 广州汉申科技中介服务有限公司 | 科技项目咨询方法、装置、服务器及计算机可读存储介质 |
| CN117059074A (zh) * | 2023-10-08 | 2023-11-14 | 四川蜀天信息技术有限公司 | 一种基于意图识别的语音交互方法、装置及存储介质 |
| CN117059074B (zh) * | 2023-10-08 | 2024-01-19 | 四川蜀天信息技术有限公司 | 一种基于意图识别的语音交互方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111368043A (zh) | 基于人工智能的事件问答方法、装置、设备及存储介质 | |
| CN108491433B (zh) | 聊天应答方法、电子装置及存储介质 | |
| CN112035599B (zh) | 基于垂直搜索的查询方法、装置、计算机设备及存储介质 | |
| CN110866110A (zh) | 基于人工智能的会议纪要生成方法、装置、设备及介质 | |
| CN108268450B (zh) | 用于生成信息的方法和装置 | |
| CN112653798A (zh) | 智能客服语音应答方法、装置、计算机设备及存储介质 | |
| CN110427453B (zh) | 数据的相似度计算方法、装置、计算机设备及存储介质 | |
| CN110750619B (zh) | 聊天记录关键词的提取方法、装置、计算机设备及存储介质 | |
| CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
| CN112995414A (zh) | 基于语音通话的行为质检方法、装置、设备及存储介质 | |
| CN112446209A (zh) | 一种意图标签的设置方法、设备、装置及存储介质 | |
| CN112395391A (zh) | 概念图谱构建方法、装置、计算机设备及存储介质 | |
| CN118070072A (zh) | 基于人工智能的问题处理方法、装置、设备及存储介质 | |
| CN116226173A (zh) | 数据查询方法、装置、存储介质和电子设备 | |
| CN115392235A (zh) | 字符匹配方法、装置、电子设备及可读存储介质 | |
| CN114817478A (zh) | 基于文本的问答方法、装置、计算机设备及存储介质 | |
| CN117312535B (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
| CN113051389B (zh) | 知识推送方法及装置 | |
| CN114242047A (zh) | 一种语音处理方法、装置、电子设备及存储介质 | |
| CN113946668A (zh) | 基于边缘节点的语义处理方法、系统、装置及存储介质 | |
| CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
| CN112669850A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
| CN113157896B (zh) | 一种语音对话生成方法、装置、计算机设备及存储介质 | |
| CN113536788B (zh) | 信息处理方法、装置、存储介质及设备 | |
| CN115878768A (zh) | 基于nlp的车险业务回话线索推荐方法及其相关设备 |
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 |