CN111428018A - 智能问答方法及装置 - Google Patents
智能问答方法及装置 Download PDFInfo
- Publication number
- CN111428018A CN111428018A CN202010224084.2A CN202010224084A CN111428018A CN 111428018 A CN111428018 A CN 111428018A CN 202010224084 A CN202010224084 A CN 202010224084A CN 111428018 A CN111428018 A CN 111428018A
- Authority
- CN
- China
- Prior art keywords
- attribute
- entity
- knowledge graph
- question
- text
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 230000006854 communication Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 229910052697 platinum Inorganic materials 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明提供一种智能问答方法及装置,方法包括:对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;基于所述实体对应属性的属性值生成回答文本。本发明能够提高问答的灵活性,更好的满足业务场景,带给用户更好的交互体验。
Description
技术领域
本发明涉及自然语言处理技术领域,具体涉及一种智能问答方法及装置。
背景技术
随着计算机信息和互联网技术的飞速发展,服务逐步向网络化、智能化和个性化的方向发展,企业需要提供大量客服人员以满足客户的个性化咨询需求。以自然语言理解为主的人工智能技术构建的应答系统,通过在线渠道与客户实现智能化人机交互,大大提高客服人员的工作效率和减少客服的重复劳动,有效地减少人工客服成本、提升服务质量。
目前越来越多的设备将会被植入智能问答技术,人机交互场景随处可见,智能问答在未来将会成为一个非常重要的入口。
但是,设备的智能问答大部分是一问一答的形式,即一个问句匹配一个答案,这样的形式不能满足很多需要语义分析的复杂问答场景。
发明内容
针对现有技术中的问题,本发明提供一种智能问答方法及装置,可以更好的满足业务场景,带给用户更好的交互体验。
为解决上述技术问题,本发明提供以下技术方案:
第一方面,本发明提供一种智能问答方法,包括:
对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
基于所述实体对应属性的属性值生成回答文本。
进一步的,在所述对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性之前,还包括:
对三元组知识图谱进行扩展处理生成多元组知识图谱。
其中,所述对三元组知识图谱进行扩展处理生成多元组知识图谱,包括:
对所述三元组知识图谱中的属性进行扩展处理生成所述多元组知识图谱。
进一步的,还包括:
对获取的提问文本进行抽取处理获取该提问文本中的实体、所述实体对应的属性以及实体对应属性的比较关系;
基于所述实体对应属性的属性值进行比较并输出比较结果;
相对应的,基于所述实体对应属性的属性值生成回答文本,包括:
基于所述比较结果生成回答文本。
进一步的,还包括:
对获取的提问文本进行抽取处理获取该提问文本中的属性;
在多元组知识图谱中基于所述属性查询该属性对应的多个实体并确定所述多个实体中的一个实体,在预设的多元组知识图谱中基于确定的所述实体和所述属性来确定属性值。
其中,所述对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性,包括:
采用句法分析工具对所述提问文本进行句法分析;
基于AC自动机识别的方式获取所述句法分析结果中的实体和所述实体对应的属性。
第二方面,本发明提供一种智能问答装置,包括:
第一抽取单元,用于对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
查找单元,用于在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
生成单元,用于基于所述实体对应属性的属性值生成回答文本。
进一步的,还包括:
预处理单元,用于对三元组知识图谱进行扩展处理生成多元组知识图谱。
其中,所述预处理单元,包括:
预处理子单元,用于对所述三元组知识图谱中的属性进行扩展处理生成所述多元组知识图谱。
进一步的,还包括:
第二抽取单元,用于对获取的提问文本进行抽取处理获取该提问文本中的实体、所述实体对应的属性以及实体对应属性的比较关系;
比较单元,用于基于所述实体对应属性的属性值进行比较并输出比较结果;
相对应的,生成单元包括:
生成子单元,用于基于所述比较结果生成回答文本。
进一步的,还包括:
第三抽取单元,用于对获取的提问文本进行抽取处理获取该提问文本中的属性;
链接单元,用于在多元组知识图谱中基于所述属性查询该属性对应的多个实体并确定所述多个实体中的一个实体,在预设的多元组知识图谱中基于确定的所述实体和所述属性来确定属性值。
其中,所述第一抽取单元包括:
句法分析子单元,用于采用句法分析工具对所述提问文本进行句法分析;
识别子单元,用于基于AC自动机识别的方式获取所述句法分析结果中的实体和所述实体对应的属性。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的智能问答方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的智能问答方法的步骤。
由上述技术方案可知,本发明提供一种智能问答方法及装置,通过对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;基于所述实体对应属性的属性值生成回答文本,能够提高问答的灵活性,更好的满足业务场景,带给用户更好的交互体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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为本发明实施例中的智能问答方法的一种流程示意图。
图2为本发明实施例中的智能问答方法的二种流程示意图。
图3为本发明实施例中的智能问答方法的三种流程示意图。
图4为本发明实施例中的智能问答方法的四种流程示意图。
图5为本发明实施例中的智能问答装置的一种结构示意图。
图6为本发明实施例中的智能问答装置的二种结构示意图。
图7为本发明实施例中的智能问答装置的三种结构示意图。
图8为本发明实施例中的智能问答装置的四种结构示意图。
图9为本发明实施例中的电子设备的结构示意图。
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、完整的描述,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。
本发明提供一种智能问答方法的实施例,参见图1,所述智能问答方法具体包含有如下内容:
S101:对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
在本步骤中,获取用户输入的文本或语音,若用户输入语音则需要对输入的语音进行识别和转换为文本。该为本即为提问文本,可以对提问文本进行预处理,提高基于提问文本进行抽取处理的精确度。
需要说明的是,预处理包括剔除提问文本中的特定字符,例如:标点符号。剔除的方法可以是设置文本库,剔除提问文本中不属于文本库的内容。
在具体实施时,获取提问文本后,采用句法分析工具对所述提问文本进行句法分析,具体可以采用parser的句法分析工具中的句法分析功能进行句法分析,得到分析结果,该分析结果能够表明提问文本中的各个词或词组的词性。
基于AC自动机识别(Aho-Corasick automation)的方式获取句法分析结果中的实体和所述实体对应的属性,需要说明的是,使用AC自动机识别需要预先设置词表以及基于AC自动机识别的模型。
S102:在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
在本步骤中,通过在预设的多元组知识图谱中确定步骤S101中抽取的实体,根据多元组知识图谱中的该实体对应的多个实体链接可以确定该实体对应的多个属性,从多个属性中确定步骤S101中抽取的属性。
例如:实体为信用卡,属性为:开卡时间、卡年费和卡有效期等。通过在知识图谱中可以确定该信用开对应的多个属性,若抽取的属性为年费,则确定实体(卡信用)的(属性)卡的年费的属性值(5年)。
在具体实施时,通过在预设的多元组知识图谱中确定步骤S101中抽取的实体,根据多元组知识图谱中的该实体对应的多个实体链接可以确定该实体对应的多个属性,从多个属性中确定步骤S101中抽取的属性,确定的属性存在包括多个属性参数,则需要反馈多个属性参数,并基于二次获取的提问文本来确定第一获取的提问文本中的属性对应的多个属性参数中的哪一个,即基于多个属性参数中一个属性参数来确定所述实体对应属性的属性值。
例如:提问文本为:XX信用卡的发卡状态。确定实体为XX信用卡,属性为发卡状态,若XX信用卡的发卡状态包括:普通版和会员版,则普通版和会员版对应属性(发卡状态)的属性参数。在二次获取提问文本中指出的是普通版后,反馈XX信用卡的发卡状态(普通版),如停发状态或发行状态。需要说明的是,停发状态或发行状态即为实体(XX信用卡)对应属性(发卡状态)的属性值。
可以理解的是,若属性参数进一步对应多个属性子参数,可以三次获取提问本文。
例如:普通版或会员版分别划分若干等级,则三次获取确定普通版或会员版具体的等级,然后再确定实体对应属性的属性值。
S103:基于所述实体对应属性的属性值生成回答文本。
在本步骤中,确定实体对应属性的属性值后,将该属性值转换为回答文本反馈至出提问文本的设备。需要说明的是:提问文本和回答文本可以是相同的自然语言,也可以是不同的自然语言。
从上述描述可知,本发明实施例提供的智能问答方法,通过对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;基于所述实体对应属性的属性值生成回答文本,能够提高问答的灵活性,更好的满足业务场景,带给用户更好的交互体验。
在本发明的一实施例中,参见图2,所述智能问答方法的步骤S101之前还包含有步骤S100,具体包含有如下内容:
S100:对三元组知识图谱进行扩展处理生成多元组知识图谱。
在本步骤中,三元组知识图谱采用SPO三元组的形式构建,包括:实体subject(S),谓词predict(P),实体object(O);具体为两种形式:形式1,<实体><属性><属性值>,形式2,<实体1><关系名><实体2>。
在具体实施时,对三元组知识图谱中的属性进行扩展处理生成所述多元组知识图谱。具体是多元组知识图谱是在<实体><属性><属性值>的结构上进行了扩展,<实体><属性><属性参数1><属性参数2>……<属性参数n><属性值>,其中属性参数是对实体属性的补充确认。
在多元组知识图谱中,属性和属性值唯一的数据,存成三元组形式<实体><属性><属性值>,将属性和属性值作为该节点的属性和属性值。对参数和参数值不为空的数据,即相同属性存在多值的情况,通过产生子节点,在子节点存放属性和属性值,将参数和参数值作为连接子节点的关系和实体进行确定。
以XX信用卡的发行状态举例说明,通过表1展示实体、属性、属性参数、属性参数值、属性值之间的关系。
表1对应关系表
实体 | 属性 | 属性参数 | 属性参数值 | 属性值 |
xx信用卡 | 发行状态 | [版式][卡等级] | [aa版][金卡] | 停发 |
xx信用卡 | 发行状态 | [版式][卡等级] | [aa版][标准白金卡] | 在售 |
xx信用卡 | 发行状态 | [版式][卡等级] | [bb版][金卡] | 在售 |
xx信用卡 | 发行状态 | [版式][卡等级] | [bb版][标准白金卡] | 停发 |
从上述描述可知,普通的三元组,通过实体、关系可以定位到属性;而对于多元组,属性参数是通过外部输入反馈获取,最终才能定位到属性,属性参数的个数是可以扩充的。实际的交互场景中简单的三元组信息已不能满足我们的需要,从多元组数据模型中能够提取更多的信息,与外部不停的进行交互反馈的方式,也更加贴近于人类自然交流过程。
在本发明的一实施例中,参见图3,所述智能问答方法,还包含有步骤S104和步骤S105,具体包含有如下内容:
S104:对获取的提问文本进行抽取处理获取该提问文本中的实体、所述实体对应的属性以及实体对应属性的比较关系;
S105:基于所述实体对应属性的属性值进行比较并输出比较结果;
相对应的,基于所述实体对应属性的属性值生成回答文本,包括:
S1031:基于所述比较结果生成回答文本。
在本实施例中,能够对属性值进行推理排序或对比计算,确定任意几个属性值之间的关系。例如:提问文本为:信用卡A的数量多还是信用开B的数量多,其中,实体1为信用卡A,属性值1为信用卡A的数量;实体2为信用卡B,属性值2为信用卡B的数量;通过比较信用卡A的数量和信用卡B的数量,即可确定数量多的信用卡。需要说明的是,再具体实施时,可以通过比较函数直接进行比较。
在本发明的一实施例中,参见图4,所述智能问答方法,还包含有步骤S106和步骤S107,具体包含有如下内容:
S106:对获取的提问文本进行抽取处理获取该提问文本中的属性;
S107:在多元组知识图谱中基于所述属性查询该属性对应的多个实体并确定所述多个实体中的一个实体,在预设的多元组知识图谱中基于确定的所述实体和所述属性来确定属性值。
在本实施例中,对提问文本进行抽取处理,若未抽取到实体,则通过抽取到的属性来进一步确定多个实体中的一个实体,在多元组知识图谱中基于抽取的属性和重新确定的实体来确定属性值。例如:提问文本为:卡的卡样有几类,抽取到属性为卡样种类,通过进一步的确定为信用卡的卡样,基于实体(信用卡)和属性(卡样种类)来确定属性值。
从上述描述可知,本发明实施例提供的智能问答方法,能够充分利用数据多元组信息,包括层级关系,回答较为复杂的问答,使人机交互更加智能化,可适用于业务问答和日常百科类问答场景。
本发明实施例提供一种能够实现所述智能问答方法中全部内容的智能问答装置的具体实施方式,参见图5,所述智能问答装置具体包括如下内容:
第一抽取单元10,用于对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
查找单元20,用于在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
生成单元30,用于基于所述实体对应属性的属性值生成回答文本。
其中,所述第一抽取单元包括:
句法分析子单元,用于采用句法分析工具对所述提问文本进行句法分析;
识别子单元,用于基于AC自动机识别的方式获取所述句法分析结果中的实体和所述实体对应的属性。
在本发明的一实施例中,参见图6,所述智能问答装置,具体包含有如下内容:
预处理单元40,用于对三元组知识图谱进行扩展处理生成多元组知识图谱。
其中,所述预处理单元40,包括:
预处理子单元,用于对所述三元组知识图谱中的属性进行扩展处理生成所述多元组知识图谱。
在本发明的一实施例中,参见图7,所述智能问答装置,具体包含有如下内容:
第二抽取单元50,用于对获取的提问文本进行抽取处理获取该提问文本中的实体、所述实体对应的属性以及实体对应属性的比较关系;
比较单元60,用于基于所述实体对应属性的属性值进行比较并输出比较结果;
相对应的,生成单元30包括:
生成子单元,用于基于所述比较结果生成回答文本。
在本发明的一实施例中,参见图8,所述智能问答装置,具体包含有如下内容:
第三抽取单元70,用于对获取的提问文本进行抽取处理获取该提问文本中的属性;
链接单元80,用于在多元组知识图谱中基于所述属性查询该属性对应的多个实体并确定所述多个实体中的一个实体,在预设的多元组知识图谱中基于确定的所述实体和所述属性来确定属性值。
本发明提供的智能问答装置的实施例具体可以用于执行上述实施例中的智能问答方法的实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
从上述描述可知,本发明实施例提供的智能问答装置,通过对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;基于所述实体对应属性的属性值生成回答文本,能够提高问答的灵活性,更好的满足业务场景,带给用户更好的交互体验。
本申请提供一种用于实现所述智能问答方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述智能问答方法的实施例及用于实现所述智能问答装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图9为本申请实施例的电子设备9600的系统构成的示意框图。如图9所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图9是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,智能问答功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
基于所述实体对应属性的属性值生成回答文本。
从上述描述可知,本申请的实施例提供的电子设备,通过对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;基于所述实体对应属性的属性值生成回答文本,能够提高问答的灵活性,更好的满足业务场景,带给用户更好的交互体验。
在另一个实施方式中,智能问答装置可以与中央处理器9100分开配置,例如可以将智能问答配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现智能问答功能。
如图9所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图9中所示的所有部件;此外,电子设备9600还可以包括图9中没有示出的部件,可以参考现有技术。
如图9所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本发明的实施例还提供能够实现上述实施例中的智能问答方法中全部步骤的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,该计算机程序被处理器执行时实现上述实施例中的智能问答方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
基于所述实体对应属性的属性值生成回答文本。
从上述描述可知,本发明实施例提供的计算机可读存储介质,通过对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;基于所述实体对应属性的属性值生成回答文本,能够提高问答的灵活性,更好的满足业务场景,带给用户更好的交互体验。
虽然本发明提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
本领域技术人员应明白,本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(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。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (14)
1.一种智能问答方法,其特征在于,包括:
对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
基于所述实体对应属性的属性值生成回答文本。
2.根据权利要求1所述的智能问答方法,其特征在于,在所述对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性之前,还包括:
对三元组知识图谱进行扩展处理生成多元组知识图谱。
3.根据权利要求2所述的智能问答方法,其特征在于,所述对三元组知识图谱进行扩展处理生成多元组知识图谱,包括:
对所述三元组知识图谱中的属性进行扩展处理生成所述多元组知识图谱。
4.根据权利要求1所述的智能问答方法,其特征在于,还包括:
对获取的提问文本进行抽取处理获取该提问文本中的实体、所述实体对应的属性以及实体对应属性的比较关系;
基于所述实体对应属性的属性值进行比较并输出比较结果;
相对应的,基于所述实体对应属性的属性值生成回答文本,包括:
基于所述比较结果生成回答文本。
5.根据权利要求1所述的智能问答方法,其特征在于,还包括:
对获取的提问文本进行抽取处理获取该提问文本中的属性;
在多元组知识图谱中基于所述属性查询该属性对应的多个实体并确定所述多个实体中的一个实体,在预设的多元组知识图谱中基于确定的所述实体和所述属性来确定属性值。
6.根据权利要求1所述的智能问答方法,其特征在于,所述对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性,包括:
采用句法分析工具对所述提问文本进行句法分析;
基于AC自动机识别的方式获取所述句法分析结果中的实体和所述实体对应的属性。
7.一种智能问答装置,其特征在于,包括:
第一抽取单元,用于对获取的提问文本进行抽取处理获取该提问文本中的实体和所述实体对应的属性;
查找单元,用于在预设的多元组知识图谱中基于所述实体和所述属性查询所述实体对应属性的属性值;其中,确定所述实体对应属性的属性值为多个属性参数,则基于所述多个属性参数中一个属性参数来确定所述实体对应属性的属性值;
生成单元,用于基于所述实体对应属性的属性值生成回答文本。
8.根据权利要求7所述的智能问答装置,其特征在于,还包括:
预处理单元,用于对三元组知识图谱进行扩展处理生成多元组知识图谱。
9.根据权利要求8所述的智能问答装置,其特征在于,所述预处理单元,包括:
预处理子单元,用于对所述三元组知识图谱中的属性进行扩展处理生成所述多元组知识图谱。
10.根据权利要求7所述的智能问答装置,其特征在于,还包括:
第二抽取单元,用于对获取的提问文本进行抽取处理获取该提问文本中的实体、所述实体对应的属性以及实体对应属性的比较关系;
比较单元,用于基于所述实体对应属性的属性值进行比较并输出比较结果;
相对应的,生成单元包括:
生成子单元,用于基于所述比较结果生成回答文本。
11.根据权利要求7所述的智能问答装置,其特征在于,还包括:
第三抽取单元,用于对获取的提问文本进行抽取处理获取该提问文本中的属性;
链接单元,用于在多元组知识图谱中基于所述属性查询该属性对应的多个实体并确定所述多个实体中的一个实体,在预设的多元组知识图谱中基于确定的所述实体和所述属性来确定属性值。
12.根据权利要求7所述的智能问答装置,其特征在于,所述第一抽取单元包括:
句法分析子单元,用于采用句法分析工具对所述提问文本进行句法分析;
识别子单元,用于基于AC自动机识别的方式获取所述句法分析结果中的实体和所述实体对应的属性。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6任一项所述的智能问答方法的步骤。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6任一项所述的智能问答方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224084.2A CN111428018B (zh) | 2020-03-26 | 2020-03-26 | 智能问答方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224084.2A CN111428018B (zh) | 2020-03-26 | 2020-03-26 | 智能问答方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111428018A true CN111428018A (zh) | 2020-07-17 |
CN111428018B CN111428018B (zh) | 2024-02-06 |
Family
ID=71550297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010224084.2A Active CN111428018B (zh) | 2020-03-26 | 2020-03-26 | 智能问答方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428018B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5715468A (en) * | 1994-09-30 | 1998-02-03 | Budzinski; Robert Lucius | Memory system for storing and retrieving experience and knowledge with natural language |
CN106095932A (zh) * | 2016-06-13 | 2016-11-09 | 竹间智能科技(上海)有限公司 | 百科知识问句识别方法及装置 |
US20160378851A1 (en) * | 2015-06-25 | 2016-12-29 | International Business Machines Corporation | Knowledge Canvassing Using a Knowledge Graph and a Question and Answer System |
CN107247736A (zh) * | 2017-05-08 | 2017-10-13 | 广州索答信息科技有限公司 | 一种基于知识图谱的厨房领域问答方法及系统 |
WO2018072563A1 (zh) * | 2016-10-18 | 2018-04-26 | 中兴通讯股份有限公司 | 一种知识图谱构建方法、装置及系统 |
CN108073587A (zh) * | 2016-11-09 | 2018-05-25 | 阿里巴巴集团控股有限公司 | 一种自动问答方法、装置及电子设备 |
CN108509519A (zh) * | 2018-03-09 | 2018-09-07 | 北京邮电大学 | 基于深度学习的通用知识图谱增强问答交互系统及方法 |
CN109299236A (zh) * | 2018-09-21 | 2019-02-01 | 广州神马移动信息科技有限公司 | 知识社区中展现内容的确定方法及其装置、电子设备、计算机可读介质 |
CN109325038A (zh) * | 2018-09-05 | 2019-02-12 | 天津航旭科技发展有限公司 | 知识图谱扩展模型、结构化知识存储方法与设备 |
CN109492077A (zh) * | 2018-09-29 | 2019-03-19 | 北明智通(北京)科技有限公司 | 基于知识图谱的石化领域问答方法及系统 |
CN109726296A (zh) * | 2018-12-27 | 2019-05-07 | 武汉理工数字传播工程有限公司 | 基于知识图谱的海量知识资源存储方法 |
US20190147100A1 (en) * | 2017-11-10 | 2019-05-16 | Shanghai Xiaoi Robot Technology Co., Ltd. | Method and apparatus for establishing intelligent question answering repository, and intelligent question answering method |
CN109933653A (zh) * | 2019-01-24 | 2019-06-25 | 平安科技(深圳)有限公司 | 问答系统的问答查询方法、系统及计算机设备 |
CN110019687A (zh) * | 2019-04-11 | 2019-07-16 | 宁波深擎信息科技有限公司 | 一种基于知识图谱的多意图识别系统、方法、设备及介质 |
CN110019844A (zh) * | 2019-02-20 | 2019-07-16 | 众安信息技术服务有限公司 | 一种保险行业知识图谱问答系统构建方法及装置 |
US20190288964A1 (en) * | 2018-03-15 | 2019-09-19 | International Business Machines Corporation | Processing Combined Multi-Source Data Streams |
WO2020007224A1 (zh) * | 2018-07-06 | 2020-01-09 | 中兴通讯股份有限公司 | 知识图谱构建及智能应答方法、装置、设备及存储介质 |
US20200073932A1 (en) * | 2018-08-30 | 2020-03-05 | Intelligent Fusion Technology, Inc | Method and system for pattern discovery and real-time anomaly detection based on knowledge graph |
-
2020
- 2020-03-26 CN CN202010224084.2A patent/CN111428018B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5715468A (en) * | 1994-09-30 | 1998-02-03 | Budzinski; Robert Lucius | Memory system for storing and retrieving experience and knowledge with natural language |
US20160378851A1 (en) * | 2015-06-25 | 2016-12-29 | International Business Machines Corporation | Knowledge Canvassing Using a Knowledge Graph and a Question and Answer System |
CN106095932A (zh) * | 2016-06-13 | 2016-11-09 | 竹间智能科技(上海)有限公司 | 百科知识问句识别方法及装置 |
WO2018072563A1 (zh) * | 2016-10-18 | 2018-04-26 | 中兴通讯股份有限公司 | 一种知识图谱构建方法、装置及系统 |
CN108073587A (zh) * | 2016-11-09 | 2018-05-25 | 阿里巴巴集团控股有限公司 | 一种自动问答方法、装置及电子设备 |
CN107247736A (zh) * | 2017-05-08 | 2017-10-13 | 广州索答信息科技有限公司 | 一种基于知识图谱的厨房领域问答方法及系统 |
US20190147100A1 (en) * | 2017-11-10 | 2019-05-16 | Shanghai Xiaoi Robot Technology Co., Ltd. | Method and apparatus for establishing intelligent question answering repository, and intelligent question answering method |
CN108509519A (zh) * | 2018-03-09 | 2018-09-07 | 北京邮电大学 | 基于深度学习的通用知识图谱增强问答交互系统及方法 |
US20190288964A1 (en) * | 2018-03-15 | 2019-09-19 | International Business Machines Corporation | Processing Combined Multi-Source Data Streams |
WO2020007224A1 (zh) * | 2018-07-06 | 2020-01-09 | 中兴通讯股份有限公司 | 知识图谱构建及智能应答方法、装置、设备及存储介质 |
US20200073932A1 (en) * | 2018-08-30 | 2020-03-05 | Intelligent Fusion Technology, Inc | Method and system for pattern discovery and real-time anomaly detection based on knowledge graph |
CN109325038A (zh) * | 2018-09-05 | 2019-02-12 | 天津航旭科技发展有限公司 | 知识图谱扩展模型、结构化知识存储方法与设备 |
CN109299236A (zh) * | 2018-09-21 | 2019-02-01 | 广州神马移动信息科技有限公司 | 知识社区中展现内容的确定方法及其装置、电子设备、计算机可读介质 |
CN109492077A (zh) * | 2018-09-29 | 2019-03-19 | 北明智通(北京)科技有限公司 | 基于知识图谱的石化领域问答方法及系统 |
CN109726296A (zh) * | 2018-12-27 | 2019-05-07 | 武汉理工数字传播工程有限公司 | 基于知识图谱的海量知识资源存储方法 |
CN109933653A (zh) * | 2019-01-24 | 2019-06-25 | 平安科技(深圳)有限公司 | 问答系统的问答查询方法、系统及计算机设备 |
CN110019844A (zh) * | 2019-02-20 | 2019-07-16 | 众安信息技术服务有限公司 | 一种保险行业知识图谱问答系统构建方法及装置 |
CN110019687A (zh) * | 2019-04-11 | 2019-07-16 | 宁波深擎信息科技有限公司 | 一种基于知识图谱的多意图识别系统、方法、设备及介质 |
Non-Patent Citations (3)
Title |
---|
PENGHE CHEN ET AL.: "KnowEdu: A System to Construct Knowledge Graph for Education", IEEE, pages 31553 - 31563 * |
申豪杰: "基于知识图谱的电影知识问答系统研究与实现", vol. 138, no. 201906 * |
袁凯琦等: "医学知识图谱构建技术与研究进展", 计算机应用研究, no. 7, pages 15 - 22 * |
Also Published As
Publication number | Publication date |
---|---|
CN111428018B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360550B (zh) | 语音交互系统的测试方法、装置、设备和存储介质 | |
CN111708869B (zh) | 人机对话的处理方法及装置 | |
KR102445519B1 (ko) | 대화형 지능 서비스 제공 챗봇 제작 시스템 및 방법 | |
CN105657129A (zh) | 通话信息获取方法和装置 | |
CN112434501B (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN112579733B (zh) | 规则匹配方法、规则匹配装置、存储介质及电子设备 | |
CN101193069A (zh) | 信息查询系统、即时通信机器人服务器及信息查询方法 | |
CN107908743B (zh) | 人工智能应用构建方法和装置 | |
CN110797012B (zh) | 一种信息提取方法、设备及存储介质 | |
CN112667909B (zh) | 一种智能家居中推荐场景的方法和装置 | |
CN111798118B (zh) | 企业经营风险监控方法及装置 | |
CN109508367A (zh) | 自动提取问答语料的方法、在线智能客服系统及电子设备 | |
CN111309876A (zh) | 一种服务请求的处理方法、装置、电子设备及存储介质 | |
CN111783432A (zh) | 信用证审单检查要点清单的生成方法及装置 | |
CN115640386A (zh) | 用于基于推荐话术进行对话的方法和设备 | |
CN112785284B (zh) | 基于结构化文档的报文入库方法及装置 | |
CN116701604A (zh) | 问答语料库的构建方法和装置、问答方法、设备及介质 | |
CN116681088A (zh) | 一种基于大模型的翻译系统、方法及储存介质 | |
CN113052544A (zh) | 工作流依用户行为智能适配方法、装置以及存储介质 | |
CN111428018B (zh) | 智能问答方法及装置 | |
KR102624790B1 (ko) | 다중 의도 발화의 의도 분석 및 처리를 위한 자연어 처리 장치, 프로그램 및 그것의 제어 방법 | |
JP7064680B1 (ja) | プログラムコード自動生成システム | |
CN113535125A (zh) | 金融需求项生成方法及装置 | |
CN114021004A (zh) | 一种理科相似题推荐方法、装置、设备及可读存储介质 | |
CN114428788A (zh) | 自然语言处理方法、装置、设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220913 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |