CN111858863B - 一种答复推荐方法、答复推荐装置及电子设备 - Google Patents
一种答复推荐方法、答复推荐装置及电子设备 Download PDFInfo
- Publication number
- CN111858863B CN111858863B CN201910354571.8A CN201910354571A CN111858863B CN 111858863 B CN111858863 B CN 111858863B CN 201910354571 A CN201910354571 A CN 201910354571A CN 111858863 B CN111858863 B CN 111858863B
- Authority
- CN
- China
- Prior art keywords
- answer
- answered
- keyword
- question
- questions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004590 computer program Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 14
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003993 interaction Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种答复推荐方法,答复推荐装置,电子设备及计算机可读存储介质,其中,该答复推荐方法包括:获取输入的待回答问题;提取所述待回答问题的关键词;基于所述关键词,在预设的问答库中获取与所述关键词相关的各个答复的匹配得分;对匹配得分最高的答复进行改写,得到目标答复;向用户推荐所述目标答复。通过本申请方案,一方面,由于是基于待回答问题的关键词获取到了最为匹配的答复,因而,可以保障最终生成的目标答复是与待回答问题所密切关联的;另一方面,由于待回答问题是对最为匹配的答复进行改写后而得到的,因而,可以减少出现推荐雷同答复及安全答复的可能性,进一步提升人机对话过程中的趣味。
Description
技术领域
本申请属于人机交互技术领域,尤其涉及一种答复推荐方法、答复推荐装置、电子设备及计算机可读存储介质。
背景技术
在人机对话的过程中,机器端如何应对用户所提出的各种问题显得尤为重要,将直接影响到人机对话过程中用户的操作流畅性。现有的自动聊天系统中,往往采用端到端的深度学习模型生成相关答复。然而,这样的答复生成方式也存在一定问题,例如,其所生成的绝大多数答复均趋于雷同,且经常会生成安全回复。所谓安全答复,也即机器端所生成的“我也觉得”或“我也是这么认为的”等类似答复,这种答复对于用户所输入的任何句子都能够勉强作为答复,因而被称之为安全答复。由于上述问题的存在,采用端到端的深度学习模型来为用户推荐答复的方案往往会使得人机对话难以继续下去。
发明内容
有鉴于此,本申请实施例提供了一种答复推荐方法、答复推荐装置、电子设备及计算机可读存储介质,可减少人机对话过程中出现大量相同答复的可能性,同时可一定程度上减少机器端以安全回复作为应答的可能性,提升人机对话过程中的趣味。
本申请的第一方面提供了一种答复推荐方法,包括:
获取输入的待回答问题;
提取上述待回答问题的关键词;
基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分;
对匹配得分最高的答复进行改写,得到目标答复;
向用户推荐上述目标答复。
本申请的第二方面提供了一种答复推荐装置,包括:
问题获取单元,用于获取输入的待回答问题;
关键词提取单元,用于提取上述待回答问题的关键词;
得分获取单元,用于基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分;
答复改写单元,用于对匹配得分最高的答复进行改写,得到目标答复;
答复推荐单元,用于向用户推荐上述目标答复。
本申请的第三方面提供了一种电子设备,上述电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
本申请的第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
本申请的第五方面提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
由上可见,在本申请方案中,首先获取输入的待回答问题,然后提取上述待回答问题的关键词,接着基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分,并对匹配得分最高的答复进行改写,得到目标答复,最后向用户推荐上述目标答复。通过本申请方案,一方面,由于是基于待回答问题的关键词获取到了最为匹配的答复,因而,可以保障最终生成的目标答复是与待回答问题所密切关联的;另一方面,由于待回答问题是对最为匹配的答复进行改写后而得到的,因而,可以减少出现推荐雷同答复及安全答复的可能性,进一步提升人机对话过程中的趣味。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的答复推荐方法的实现流程示意图;
图2是本申请实施例提供的答复推荐方法中,步骤103一种具体实现流程示意图;
图3是本申请实施例提供的答复推荐方法中,步骤103另一种具体实现流程示意图;
图4是本申请实施例提供的答复推荐装置的结构框图;
图5是本申请实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请上述的技术方案,下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例提供的一种答复推荐方法进行描述,请参阅图1,本申请实施例中的答复推荐方法包括:
在步骤101中,获取输入的待回答问题;
在本申请实施例中,首先获取用户输入的待回答问题。具体地,用户可以通过文字输入的方式输入上述待回答问题;或者,用户也可以通过语音输入的方式输入上述待回答问题,此处不对上述待回答问题的输入方式作出限定。
在步骤102中,提取上述待回答问题的关键词;
在本申请实施例中,当获取到用户输入的待回答问题后,从上述待回答问题中提取出关键词,其中,上述关键词的数量为一个以上。具体地,上述步骤102包括:
A1、对上述待回答问题进行分词处理,得到组成上述待回答问题的各个词语;
A2、分别计算各个词语为关键词的概率;
A3、基于各个词语为关键词的概率,确定并提取上述待回答问题的关键词。
其中,上述计算各个词语为关键词的概率所采用的公式如下所示:
其中,上述P(y/X1-N)代表上述待回答问题X1-N中,主题词是y的概率;P(xi,y)代表在预设的问答库中,问题xi与答复y的共现概率,上述共现概率即为在问答库的一对问答中,问题xi与回复y同时出现的概率;P(xi)为xi在问答库的问题中出现的概率,P(y)为y在问答库的答复中出现的概率。上述各概率值均通过上述预设的问答库统计而得。通过上式,可以计算得出组成待回答问题的各个词语为关键词的概率。随后,将通过上式计算得到的概率最高的词语作为关键词。需要注意的是,此处不对关键词的数量作出限制,因而,若出现了两个以上词语的概率一样且均为最高的情况,则将该两个以上词语均确定为上述待回答问题的关键词。
在步骤103中,基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分;
在本申请实施例中,基于上述关键词与上述问答库中的各个答复进行匹配,以计算得到各个答复的匹配得分。其中,匹配得分越高,则认为该答复与关键词越相关,相应地,该答复与上述待回答问题也越相关;反之,若匹配得分越低,则认为该答复与关键词越不相关,相应地,该答复与上述待回答问题也越不相关。
在步骤104中,对匹配得分最高的答复进行改写,得到目标答复;
在本申请实施例中,具体可以根据预设的句子风格转移算法对上述匹配得分最高的答复进行改写,得到目标答复,其中,上述句子风格转移算法与图像风格转移算法的思想类似,以下对上述句子风格转移算法的实现方式作出举例说明:给定两个句子,分别为句子1及句子2;利用神经网络分别提取句子1的内容信息与句子2的风格信息,通过融合上述句子1的内容信息及句子2的风格信息生成新的句子3,上述新的句子3内容上与句子1相似,风格上与句子2相似;进一步地,还有另一种句子风格转移算法的实现方式:给定一个句子,记为句子4;提取句子4的内容信息,同时,通过网络模块随机生成风格信息;通过融合上述句子4的内容信息及随机生成的风格信息生成新的句子5,上述新生成的句子5内容上与句子4相似。
在步骤105中,向用户推荐上述目标答复。
在本申请实施例中,在得到目标答复后,向用户推荐上述目标答复,其中,推荐的形式根据用户输入待回复问题的形式而定,例如,若用户是通过文字输入的方式输入的上述待回答问题,则在步骤105中,同样以文字的方式推荐上述目标答复;若用户是通过语音输入的方式输入的上述待回答问题,则在步骤105中,可以先将上述目标答复转换为语音后,以语音的方式推荐上述目标答复,实现流畅的人机对话。
可选地,在一种应用场景下,上述步骤103具体包括:
在步骤201中,在上述预设的问答库中,筛选得到第一集合;
在本申请实施例中,上述第一集合中的答复为包含有上述关键词的答复,上述第一集合中的答复数量不超过预设的第一数量。可以先检测问答库中包含上述关键词的答复的总数量,如果总数量超过了预设的第一数量,则再在包含上述关键词的所有答复中随机筛选出第一数量个答复存入上述第一集合;如果总数量未超过预设的第一数量,则直接将包含上述关键词的所有答复存入上述第一集合。
在步骤202中,通过预设的问答匹配模型,分别计算上述第一集合中的各个答复与上述待回答问题的第一匹配分值;
在步骤203中,基于上述第一匹配分值确定上述第一集合中的各个答复的匹配得分。
在本申请实施例中,采用已训练好的问答匹配训练模型依次计算上述第一集合中的各个答复与上述待回答问题的第一匹配分值,直接将上述第一集合中的各个答复的第一匹配分值作为答复得分。也即是说,在本应用场景下,是首先筛选出包含关键词的答复,然后再通过预设的问答匹配模型计算包含关键词的答复中与上述待回答问题最为匹配的回复。
可选地,在另一种应用场景下,上述步骤103具体包括:
在步骤301中,通过预设的问答匹配模型,分别计算预设的问答库中各个答复与上述待回答问题的第二匹配分值;
在步骤302中,基于上述问答库中各个答复的第二匹配分值,筛选得到第二集合,其中,上述第二集合中的答复数量不超过预设的第二数量;
在本申请实施例中,首先遍历上述预设的问答库中的各个答复,并通过预设的问答匹配模型计算各个答复与上述待回答问题的第二匹配分值,随后基于上述第二匹配分值由高至低的顺序对上述问答库中的各个答复进行排序,取其中排名前N个答复存入第二集合中,其中,该N的取值不超过预设的第二数量。也即是说,通过步骤301及步骤302,先将问答库中第二匹配分值最高的前N个答复筛选了出来。
在步骤303中,提取上述第二集合中的各个答复的关键词;
在步骤304中,基于上述第二集合中的各个答复的关键词,分别计算上述第二集合中的各个答复的关键词分值;
在步骤305中,根据上述第二集合中的各个答复的第二匹配分值及关键词分值,确定上述第二集合中的各个答复的匹配得分。
在本申请实施例中,将上述第二集合中的各个答复的第二匹配分值与关键词分值相加,得到上述第二集合中的各个答复的匹配得分。也即是说,在本应用场景下,是首先通过预设的问答匹配模型计算得到第二匹配分值,以此筛选出与待回答问题相匹配的若干个答复,然后再通过上述若干个答复的关键词得分与第二匹配分值确定各个答复最终的匹配得分,以得到与上述待回答问题最为匹配的回复。可选地,也可以为第二匹配分值及关键词分值分别设定权重,通过第二匹配分值与关键词分值的加权计算得到第二集合中的各个答复的匹配得分。以下通过具体实例对本应用场景作出说明:
假定问答库中存在三个答复,分别为答复1、答复2及答复3;通过预设的问答匹配模型计算得到上述答复1与待回答问题的第二匹配分值为0.8;答复2与待回答问题的第二匹配分值为0.7;答复3与待回答问题的第二匹配分值为0.75;随后,再通过公式提取答复1、答复2及答复3的关键词,通过计算,发现组成答复1的各个词语中,词语A为关键词的概率最高,为0.6;组成答复2的各个词语中,词语B为关键词的概率最高,为0.8;组成答复3的各个词语中,词语C为关键词的概率最高,为0.5。这样一来,上述答复1的匹配得分即为0.8+0.6;上述答复2的匹配得分即为0.7+0.8;上述答复3的匹配得分即为0.75+0.5。由此可以确定上述答复3的匹配得分最高。
由上可见,在本申请实施例中,基于待回答问题中所提取到的关键词计算问答库中的各个答复与待回答问题的匹配程度,并对匹配程度最高的答案进行改写后,才得到向用户推荐的目标答复。一方面,由于是基于待回答问题的关键词获取到了最为匹配的答复,因而,可以保障最终生成的目标答复是与待回答问题所密切关联的;另一方面,由于待回答问题是对最为匹配的答复进行改写后而得到的,因而,可以减少出现推荐雷同答复及安全答复的可能性,进一步提升人机对话过程中的趣味。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例二
本申请实施例二提供了一种答复推荐装置,上述答复推荐装置可集成于电子设备中,如图4所示,本申请实施例中的答复推荐装置400包括:
问题获取单元401,用于获取输入的待回答问题;
关键词提取单元402,用于提取上述待回答问题的关键词;
得分获取单元403,用于基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分;
答复改写单元404,用于对匹配得分最高的答复进行改写,得到目标答复;
答复推荐单元405,用于向用户推荐上述目标答复。
可选地,上述关键词提取单元402包括:
分词处理子单元,用于对上述待回答问题进行分词处理,得到组成上述待回答问题的各个词语;
概率计算子单元,用于分别计算各个词语为关键词的概率;
关键词确定子单元,用于基于各个词语为关键词的概率,确定并提取上述待回答问题的关键词。
可选地,上述得分获取单元403包括:
第一集合筛选子单元,用于在上述预设的问答库中,筛选得到第一集合,其中,上述第一集合中的答复为包含有上述关键词的答复,上述第一集合中的答复数量不超过预设的第一数量;
第一匹配分值计算子单元,用于通过预设的问答匹配模型,分别计算上述第一集合中的各个答复与上述待回答问题的第一匹配分值;
匹配得分第一确定子单元,用于基于上述第一匹配分值确定上述第一集合中的各个答复的匹配得分。
可选地,上述得分获取单元403包括:
第二匹配分值计算子单元,用于通过预设的问答匹配模型,分别计算预设的问答库中各个答复与上述待回答问题的第二匹配分值;
第二集合筛选子单元,用于基于上述问答库中各个答复的第二匹配分值,筛选得到第二集合,其中,上述第二集合中的答复数量不超过预设的第二数量;
答复关键词提取子单元,用于提取上述第二集合中的各个答复的关键词;
关键词分值计算子单元,用于基于上述第二集合中的各个答复的关键词,分别计算上述第二集合中的各个答复的关键词分值;
匹配得分第二确定子单元,根据上述第二集合中的各个答复的第二匹配分值及关键词分值,确定上述第二集合中的各个答复的匹配得分。
可选地,上述答复改写单元404,具体用于根据预设的句子风格转移算法对上述匹配得分最高的答复进行改写,得到目标答复。
由上可见,在本申请实施例中,答复推荐装置基于待回答问题中所提取到的关键词计算问答库中的各个答复与待回答问题的匹配程度,并对匹配程度最高的答案进行改写后,才得到向用户推荐的目标答复。一方面,由于是基于待回答问题的关键词获取到了最为匹配的答复,因而,可以保障最终生成的目标答复是与待回答问题所密切关联的;另一方面,由于待回答问题是对最为匹配的答复进行改写后而得到的,因而,可以减少出现推荐雷同答复及安全答复的可能性,进一步提升人机对话过程中的趣味。
实施例三
本申请实施例三提供了一种电子设备,请参阅图5,本申请实施例中的电子设备5包括:存储器501,一个或多个处理器502(图5中仅示出一个)及存储在存储器501上并可在处理器上运行的计算机程序。其中:存储器501用于存储软件程序以及模块,处理器502通过运行存储在存储器501的软件程序以及单元,从而执行各种功能应用以及数据处理,以获取上述预设事件对应的资源。具体地,处理器502通过运行存储在存储器501的上述计算机程序时实现以下步骤:
获取输入的待回答问题;
提取上述待回答问题的关键词;
基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分;
对匹配得分最高的答复进行改写,得到目标答复;
向用户推荐上述目标答复。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,上述提取上述待回答问题的关键词,包括:
对上述待回答问题进行分词处理,得到组成上述待回答问题的各个词语;
分别计算各个词语为关键词的概率;
基于各个词语为关键词的概率,确定并提取上述待回答问题的关键词。
在上述第一种可能的实施方式作为基础,或者上述第二种可能的实施方式作为基础而提供的第三种可能的实施方式中,上述基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分,包括:
在上述预设的问答库中,筛选得到第一集合,其中,上述第一集合中的答复为包含有上述关键词的答复,上述第一集合中的答复数量不超过预设的第一数量;
通过预设的问答匹配模型,分别计算上述第一集合中的各个答复与上述待回答问题的第一匹配分值;
基于上述第一匹配分值确定上述第一集合中的各个答复的匹配得分。
在上述第一种可能的实施方式作为基础,或者上述第二种可能的实施方式作为基础而提供的第四种可能的实施方式中,上述分别确定与各个原词语相关的目标词语,包括:
上述基于上述关键词,在预设的问答库中获取与上述关键词相关的各个答复的匹配得分,包括:
通过预设的问答匹配模型,分别计算预设的问答库中各个答复与上述待回答问题的第二匹配分值;
基于上述问答库中各个答复的第二匹配分值,筛选得到第二集合,其中,上述第二集合中的答复数量不超过预设的第二数量;
提取上述第二集合中的各个答复的关键词;
基于上述第二集合中的各个答复的关键词,分别计算上述第二集合中的各个答复的关键词分值;
根据上述第二集合中的各个答复的第二匹配分值及关键词分值,确定上述第二集合中的各个答复的匹配得分。
在上述第一种可能的实施方式作为基础,或者上述第二种可能的实施方式作为基础而提供的第五种可能的实施方式中,上述对匹配得分最高的答复进行改写,得到目标答复,包括:
根据预设的句子风格转移算法对上述匹配得分最高的答复进行改写,得到目标答复。
应当理解,在本申请实施例中,所称处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器501可以包括只读存储器和随机存取存储器,并向处理器502提供指令和数据。存储器501的一部分或全部还可以包括非易失性随机存取存储器。例如,存储器501还可以存储设备类型的信息。
由上可见,在本申请实施例中,电子设备基于待回答问题中所提取到的关键词计算问答库中的各个答复与待回答问题的匹配程度,并对匹配程度最高的答案进行改写后,才得到向用户推荐的目标答复。一方面,由于是基于待回答问题的关键词获取到了最为匹配的答复,因而,可以保障最终生成的目标答复是与待回答问题所密切关联的;另一方面,由于待回答问题是对最为匹配的答复进行改写后而得到的,因而,可以减少出现推荐雷同答复及安全答复的可能性,进一步提升人机对话过程中的趣味。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者外部设备软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,上述模块或单元的划分,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,例如多个单元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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,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单元来实现本实施例方案的目的。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括是电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (4)
1.一种答复推荐方法,其特征在于,包括:
获取输入的待回答问题;
提取所述待回答问题的关键词;
基于所述关键词,在预设的问答库中获取与所述关键词相关的各个答复的匹配得分;
对匹配得分最高的答复进行改写,得到目标答复;
向用户推荐所述目标答复;
其中,所述提取所述待回答问题的关键词,包括:
对所述待回答问题进行分词处理,得到组成所述待回答问题的各个词语;
分别计算各个词语为关键词的概率;
基于各个词语为关键词的概率,确定并提取所述待回答问题的关键词;
其中,所述基于所述关键词,在预设的问答库中获取与所述关键词相关的各个答复的匹配得分,包括:
通过预设的问答匹配模型,分别计算预设的问答库中各个答复与所述待回答问题的第二匹配分值;
基于所述问答库中各个答复的第二匹配分值,筛选得到第二集合,其中,所述第二集合中的答复数量不超过预设的第二数量;
提取所述第二集合中的各个答复的关键词;
基于所述第二集合中的各个答复的关键词,分别计算所述第二集合中的各个答复的关键词分值;
根据所述第二集合中的各个答复的第二匹配分值及关键词分值,确定所述第二集合中的各个答复的匹配得分;
其中, 所述对匹配得分最高的答复进行改写,得到目标答复,包括:
根据预设的句子风格转移算法对所述匹配得分最高的答复进行改写,得到目标答复。
2.一种答复推荐装置,其特征在于,包括:
问题获取单元,用于获取输入的待回答问题;
关键词提取单元,用于提取所述待回答问题的关键词;
得分获取单元,用于基于所述关键词,在预设的问答库中获取与所述关键词相关的各个答复的匹配得分;
答复改写单元,用于对匹配得分最高的答复进行改写,得到目标答复;
答复推荐单元,用于向用户推荐所述目标答复;
其中,所述关键词提取单元包括:
分词处理子单元,用于对所述待回答问题进行分词处理,得到组成所述待回答问题的各个词语;
概率计算子单元,用于分别计算各个词语为关键词的概率;
关键词确定子单元,用于基于各个词语为关键词的概率,确定并提取所述待回答问题的关键词;
其中,所述得分获取单元包括:
第二匹配分值计算子单元,用于通过预设的问答匹配模型,分别计算预设的问答库中各个答复与所述待回答问题的第二匹配分值;
第二集合筛选子单元,用于基于所述问答库中各个答复的第二匹配分值,筛选得到第二集合,其中,所述第二集合中的答复数量不超过预设的第二数量;
答复关键词提取子单元,用于提取所述第二集合中的各个答复的关键词;
关键词分值计算子单元,用于基于所述第二集合中的各个答复的关键词,分别计算所述第二集合中的各个答复的关键词分值;
匹配得分第二确定子单元,根据所述第二集合中的各个答复的第二匹配分值及关键词分值,确定所述第二集合中的各个答复的匹配得分;
所述答复改写单元,具体用于根据预设的句子风格转移算法对所述匹配得分最高的答复进行改写,得到目标答复。
3.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1所述方法的步骤。
4.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910354571.8A CN111858863B (zh) | 2019-04-29 | 2019-04-29 | 一种答复推荐方法、答复推荐装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910354571.8A CN111858863B (zh) | 2019-04-29 | 2019-04-29 | 一种答复推荐方法、答复推荐装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111858863A CN111858863A (zh) | 2020-10-30 |
CN111858863B true CN111858863B (zh) | 2023-07-14 |
Family
ID=72966234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910354571.8A Active CN111858863B (zh) | 2019-04-29 | 2019-04-29 | 一种答复推荐方法、答复推荐装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111858863B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658684B (zh) * | 2021-08-11 | 2024-05-31 | 挂号网(杭州)科技有限公司 | 一种咨询结果生成方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001175657A (ja) * | 1999-12-21 | 2001-06-29 | Ricoh Co Ltd | 自然言語対話装置、その方法および記憶媒体 |
CN106649868A (zh) * | 2016-12-30 | 2017-05-10 | 首都师范大学 | 问答匹配方法及装置 |
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 |
CN109033428A (zh) * | 2018-08-10 | 2018-12-18 | 深圳市磐创网络科技有限公司 | 一种智能客服方法及系统 |
CN109147934A (zh) * | 2018-07-04 | 2019-01-04 | 平安科技(深圳)有限公司 | 问诊数据推荐方法、装置、计算机设备和存储介质 |
-
2019
- 2019-04-29 CN CN201910354571.8A patent/CN111858863B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001175657A (ja) * | 1999-12-21 | 2001-06-29 | Ricoh Co Ltd | 自然言語対話装置、その方法および記憶媒体 |
CN106649868A (zh) * | 2016-12-30 | 2017-05-10 | 首都师范大学 | 问答匹配方法及装置 |
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 |
CN109147934A (zh) * | 2018-07-04 | 2019-01-04 | 平安科技(深圳)有限公司 | 问诊数据推荐方法、装置、计算机设备和存储介质 |
CN109033428A (zh) * | 2018-08-10 | 2018-12-18 | 深圳市磐创网络科技有限公司 | 一种智能客服方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111858863A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107797984B (zh) | 智能交互方法、设备及存储介质 | |
CN112837676B (zh) | 一种语句生成方法、语句生成装置及智能设备 | |
CN112346567A (zh) | 基于ai的虚拟交互模型生成方法、装置及计算机设备 | |
CN106649742A (zh) | 数据库维护方法和装置 | |
US20130246290A1 (en) | Machine-Assisted Legal Assessments | |
CN110096617B (zh) | 视频分类方法、装置、电子设备及计算机可读存储介质 | |
CN113705792A (zh) | 基于深度学习模型的个性化推荐方法、装置、设备及介质 | |
CN117520503A (zh) | 基于llm模型的金融客服对话生成方法、装置、设备及介质 | |
CN111950237B (zh) | 一种句子改写方法、句子改写装置及电子设备 | |
CN115910325A (zh) | 用于认知任务测评的建模方法、认知任务测评方法及系统 | |
CN110502639B (zh) | 基于问题贡献度的信息推荐方法、装置、及计算机设备 | |
CN113438374B (zh) | 智能外呼处理方法、装置、设备及存储介质 | |
CN111858863B (zh) | 一种答复推荐方法、答复推荐装置及电子设备 | |
CN111144546A (zh) | 评分方法、装置、电子设备及存储介质 | |
CN105373568B (zh) | 问题答案自动学习方法和装置 | |
CN114218378A (zh) | 一种基于知识图谱的内容推送方法、装置、设备及介质 | |
CN111858862B (zh) | 一种答复推荐方法、答复推荐装置及电子设备 | |
CN115905862A (zh) | 一种基于生成对抗网络的缺失数据处理方法及系统 | |
CN113536111B (zh) | 保险知识内容的推荐方法、装置和终端设备 | |
CN111210232B (zh) | 一种数据处理方法、装置及电子设备 | |
CN111382246B (zh) | 文本的匹配方法、匹配装置、终端及计算机可读存储介质 | |
CN113724817A (zh) | 基于人工智能的知识推荐方法、装置、计算机设备及介质 | |
CN113327212A (zh) | 人脸驱动、模型的训练方法、装置、电子设备及存储介质 | |
CN110688472A (zh) | 一种自动筛选问题答案的方法、终端设备及存储介质 | |
CN113282837A (zh) | 事件分析方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |