CN112035623A - 智能问答方法、装置、电子设备及存储介质 - Google Patents
智能问答方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112035623A CN112035623A CN202010953278.6A CN202010953278A CN112035623A CN 112035623 A CN112035623 A CN 112035623A CN 202010953278 A CN202010953278 A CN 202010953278A CN 112035623 A CN112035623 A CN 112035623A
- Authority
- CN
- China
- Prior art keywords
- node
- question
- nodes
- child node
- weight value
- 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
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)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了智能问答方法、装置、电子设备及存储介质,应用于计算机技术领域。利用用户问题的关键词与问题节点的联系来确定匹配的问题节点,并利用匹配成功的问题节点所对应的解决方案节点得到解决方案,相比于直接根据用户问题的关键词与解决方案文本信息的匹配程度去得到解决方案,用户问题的关键词与问题节点的关联更加准确,因此能够提高智能问答给出的解决方案的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及智能问答方法、装置、电子设备及存储介质。
背景技术
智能问答是指利用计算机精确定位用户所提问的问题,并为用户提问的问题提供解决方案的技术。
现有的智能问答方法中,通过文本匹配的方式进行问答,具体包括:获取用户输入的用户问题,对用户问题进行关键词提取,利用关键词与预设的各解决方案的文本信息进行匹配,将匹配度最高的解决方案的文本信息作为用户问题的答案返回给用户。
但是在一些情况下,实际解决方案的文本信息中可能并不包括问题的关键词,或实际解决方案的文本信息可能与问题的关键词匹配程度较低,因此采用将问题的关键词与解决方案的文本信息进行匹配的方案,会造成智能问答给出的解决方案不准确。
发明内容
本申请实施例的目的在于提供一种智能问答方法、装置、电子设备及存储介质,以实现提高智能问答给出的解决方案的准确性。具体技术方案如下:
第一方面,本申请实施例提供了一种智能问答方法,所述方法包括:
获取用户问题,并对所述用户问题进行分析,得到用于匹配的关键词;
在预设的匹配树结构中对所述用于匹配的关键词进行匹配,得到与所述用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,所述匹配树结构中包括多个问题节点及多个解决方案节点,所述解决方案节点为叶子节点,所述问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各所述边对应有相应的权重值;
在所述第一问题节点的各子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前第一子节点;
判断当前第一子节点是否为解决方案节点;
若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。
在一种可能的实施方式中,在所述判断当前第一子节点是否为解决方案节点之后,所述方法还包括:
若当前第一子节点为问题节点,生成表示当前第一子节点所对应的问题的问题消息,以使用户判断是否存在所述问题消息中的问题;
接收用户针对所述问题消息的答复信息;
若所述答复信息表示不存在所述问题消息中的问题,在与所述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,所述目标权重值为当前第一子节点与所述第一问题节点的边的权重值;
将当前选取的子节点作为当前第一子节点,返回执行上述步骤:判断当前第一子节点是否为解决方案节点;
若所述答复信息表示存在所述问题消息中的问题,将当前选取的节点作为所述第一问题节点,返回执行上述步骤:在所述第一问题节点的各子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前第一子节点。
在一种可能的实施方式中,在所述接收用户针对所述问题消息的答复信息之后,所述方法还包括:
若所述答复信息表示不存在所述问题消息中的问题,减少第一子节点与所述第一问题节点的边的权重值;
若所述答复信息表示存在所述问题消息中的问题,增加第一子节点与所述第一问题节点的边的权重值。
在一种可能的实施方式中,在所述若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息之后,所述方法还包括:
接收用户针对所述答案消息的反馈信息;
若所述反馈信息表示所述答案消息不正确,在与所述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,所述目标权重值为当前第一子节点与所述第一问题节点的边的权重值;
将当前选取的子节点作为当前第一子节点,返回执行上述步骤:判断当前第一子节点是否为解决方案节点。
在一种可能的实施方式中,在所述接收用户针对所述答案消息的反馈信息之后,所述方法还包括:
若所述反馈信息表示所述答案消息正确,增加当前第一子节点与所述第一问题节点的边的权重值;
若所述反馈信息表示所述答案消息不正确,减少当前第一子节点与所述第一问题节点的边的权重值。
在一种可能的实施方式中,所述方法还包括:
若所述答复信息表示不存在所述问题消息中的问题,且所述第一问题节点的各子节点中不存在与所述第一问题节点的边的权重值小于目标权重值的子节点,利用图谱匹配的方式对所述用于匹配的关键词进行匹配,以得到所述用户问题的解决方案。
在一种可能的实施方式中,所述获取用户问题,并对所述用户问题进行分析,得到用于匹配的关键词,包括:
获取用户问题,提取所述用户问题的关键词;
按照所述关键词的语义种类,将所述关键字填充到预设词槽对应的槽位中,其中,所述预设词槽包括至少两个槽位,每个所述槽位对应相应的语义种类;
若所述预设词槽中存在未填充的槽位,生成用于提示输入未填充槽位对应的语义种类的关键词的提示信息,以使用户根据所述提示信息输入对应语义种类的关键词;
其中,若所述预设词槽中不存在未填充的槽位,将所述预设词槽中的关键词作为所述用于匹配的关键词。
在一种可能的实施方式中,所述预设词槽包括第一槽位和第二槽位,所述第一槽位对应主体语义种类,所述第二槽位包括第一区域和第二区域,所述第一区域对应操作语义种类,所述第二区域对应现象语义种类。
在一种可能的实施方式中,所述方法还包括:
若所述匹配树结构中不存在与所述用于匹配的关键词相匹配的问题节点,利用图谱匹配的方式对所述用于匹配的关键词进行匹配,以得到所述用户问题的解决方案。
第二方面,本申请实施例提供了一种智能问答装置,所述装置包括:
匹配词获取模块,用于获取用户问题,并对所述用户问题进行分析,得到用于匹配的关键词;
第一问题节点确定模块,用于在预设的匹配树结构中对所述用于匹配的关键词进行匹配,得到与所述用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,所述匹配树结构中包括多个问题节点及多个解决方案节点,所述解决方案节点为叶子节点,所述问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各所述边对应有相应的权重值;
第一子节点确定模块,用于在所述第一问题节点的各子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前第一子节点;
第一判断模块,用于判断当前第一子节点是否为解决方案节点;
答案消息生成模块,用于若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。
在一种可能的实施方式中,所述装置还包括:
问题消息生成模块,用于若当前第一子节点为问题节点,生成表示当前第一子节点所对应的问题的问题消息,以使用户判断是否存在所述问题消息中的问题;
答复信息接收模块,用于接收用户针对所述问题消息的答复信息;
子节点第一选取模块,用于若所述答复信息表示不存在所述问题消息中的问题,在与所述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,所述目标权重值为当前第一子节点与所述第一问题节点的边的权重值;
第一返回模块,用于将当前选取的子节点作为当前第一子节点,返回上述第一判断模块继续执行;
第二返回模块,用于若所述答复信息表示存在所述问题消息中的问题,将当前选取的节点作为所述第一问题节点,返回上述第一子节点确定模块继续执行。
在一种可能的实施方式中,所述装置还包括:
第一权重值减少模块,用于若所述答复信息表示不存在所述问题消息中的问题,减少第一子节点与所述第一问题节点的边的权重值;
第一权重值增加模块,用于若所述答复信息表示存在所述问题消息中的问题,增加第一子节点与所述第一问题节点的边的权重值。
在一种可能的实施方式中,所述装置还包括:
反馈信息接收模块,用于接收用户针对所述答案消息的反馈信息;
子节点第二选取模块,用于若所述反馈信息表示所述答案消息不正确,在与所述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,所述目标权重值为当前第一子节点与所述第一问题节点的边的权重值;
第三返回模块,用于将当前选取的子节点作为当前第一子节点,返回上述第一判断模块继续执行。
在一种可能的实施方式中,所述装置还包括:
第二权重值增加模块,用于若所述反馈信息表示所述答案消息正确,增加当前第一子节点与所述第一问题节点的边的权重值;
第二权重值减少模块,用于若所述反馈信息表示所述答案消息不正确,减少当前第一子节点与所述第一问题节点的边的权重值。
在一种可能的实施方式中,所述装置还包括:
第一图谱匹配模块,用于若所述答复信息表示不存在所述问题消息中的问题,且所述第一问题节点的各子节点中不存在与所述第一问题节点的边的权重值小于目标权重值的子节点,利用图谱匹配的方式对所述用于匹配的关键词进行匹配,以得到所述用户问题的解决方案。
在一种可能的实施方式中,所述匹配词获取模块具体用于:获取用户问题,提取所述用户问题的关键词;按照所述关键词的语义种类,将所述关键字填充到预设词槽对应的槽位中,其中,所述预设词槽包括至少两个槽位,每个所述槽位对应相应的语义种类;若所述预设词槽中存在未填充的槽位,生成用于提示输入未填充槽位对应的语义种类的关键词的提示信息,以使用户根据所述提示信息输入对应语义种类的关键词;其中,若所述预设词槽中不存在未填充的槽位,将所述预设词槽中的关键词作为所述用于匹配的关键词。
在一种可能的实施方式中,所述预设词槽包括第一槽位和第二槽位,所述第一槽位对应主体语义种类,所述第二槽位包括第一区域和第二区域,所述第一区域对应操作语义种类,所述第二区域对应现象语义种类。
在一种可能的实施方式中,所述装置还包括:
第二图谱匹配模块,用于若所述匹配树结构中不存在与所述用于匹配的关键词相匹配的问题节点,利用图谱匹配的方式对所述用于匹配的关键词进行匹配,以得到所述用户问题的解决方案。
第三方面,本申请实施例提供了一种电子设备,包括处理器及存储器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现上述任一所述的智能问答方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的智能问答方法。
本申请实施例提供的智能问答方法、装置、电子设备及存储介质,获取用户问题,并对用户问题进行分析,得到用于匹配的关键词;在预设的匹配树结构中对用于匹配的关键词进行匹配,得到与用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,匹配树结构中包括多个问题节点及多个解决方案节点,解决方案节点为叶子节点,问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各边对应有相应的权重值;在第一问题节点的各子节点中,选取与第一问题节点的边的权重值最大的子节点,得到当前第一子节点;判断当前第一子节点是否为解决方案节点;若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。利用用户问题的关键词与问题节点的联系来确定匹配的问题节点,并利用匹配成功的问题节点所对应的解决方案节点得到解决方案,相比于直接根据用户问题的关键词与解决方案文本信息的匹配程度去得到解决方案,显然用户问题的关键词与问题节点的关联更加准确,因此能够提高智能问答给出的解决方案的准确性。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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为本申请实施例的智能问答方法的第一种示意图;
图2为本申请实施例的匹配树结构的一种示意图;
图3为本申请实施例的智能问答方法的第二种示意图;
图4为本申请实施例的智能问答方法的第三种示意图;
图5为本申请实施例的智能问答方法的第四种示意图;
图6为本申请实施例的智能问答方法的第五种示意图;
图7为本申请实施例的智能问答方法的第六种示意图;
图8为本申请实施例的智能问答方法的第七种示意图;
图9为本申请实施例的智能问答方法中步骤S101的具体实现方式的一种示意图;
图10为本申请实施例的智能问答方法的第八种示意图;
图11为本申请实施例的智能问答装置的一种示意图;
图12为本申请实施例的电子设备的一种示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
首先,对本申请中的术语进行解释:
NLP:(Natural Language Processing,自然语言处理)是计算机科学领域以及人工智能领域的一个重要的研究方向,它研究用计算机来处理、理解以及运用人类语言(如中文、英文等),达到人与计算机之间进行有效通讯。
TransE:一篇Bordes等人2013年发表在NIPS上的文章提出的算法。它的提出,是为了解决多关系数据的处理问题。TransE的直观含义,就是TransE基于实体和关系的分布式向量表示,将每个三元组实例(h,r,t)中的关系r看做从实体h到实体t的翻译,通过不断调整h、r和t的向量,使(h+r)尽可能与t相等,即h+r=t。
图形数据库:一种NoSQL数据库,它应用图形理论存储实体之间的关系信息。图形数据库是一种非关系型数据库,它应用图形理论存储实体之间的关系信息。最常见例子就是社会网络中人与人之间的关系。关系型数据库用于存储“关系型”数据的效果并不好,其查询复杂、缓慢、超出预期,而图形数据库的独特设计恰恰弥补了这个缺陷。
现有技术中,将问题的关键词与解决方案的文本信息进行匹配的方案,会造成智能问答给出的解决方案不准确。有鉴于此本申请实施例提供了一种智能问答方法,包括:
获取用户问题,并对上述用户问题进行分析,得到用于匹配的关键词;
在预设的匹配树结构中对上述用于匹配的关键词进行匹配,得到与上述用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,上述匹配树结构中包括多个问题节点及多个解决方案节点,上述解决方案节点为叶子节点,上述问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各上述边对应有相应的权重值;
在上述第一问题节点的各子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前第一子节点;
判断当前第一子节点是否为解决方案节点;
若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。
在本申请实施例中,利用用户问题的关键词与问题节点的联系来确定匹配的问题节点,并利用匹配成功的问题节点所对应的解决方案节点得到解决方案,相比于直接根据用户问题的关键词与解决方案文本信息的匹配程度去得到解决方案,显然用户问题的关键词与问题节点的关联更加准确,因此能够提高智能问答给出的解决方案的准确性。
下面进行具体说明,参见图1,图1为本申请实施例的一种智能问答方法,该方法包括:
S101,获取用户问题,并对上述用户问题进行分析,得到用于匹配的关键词。
本申请实施例的智能问答方法可以通过电子设备实现,具体的,该电子设备可以为服务器、个人计算机或智能手机等具备数据处理功能的设备。
用户问题为用户查询的问题,用户可以通过语音、文字等方式输入用户问题。电子设备获取用户问题,并对用户问题进行分析,从而得到用于匹配的关键词。
例如,当用户问题为文本信息时,可以采用相关的关键词提起技术,提取文本信息中的关键词。当用户问题为语音时,可以先将语音转换为文本信息,再进行关键词的提取。
S102,在预设的匹配树结构中对上述用于匹配的关键词进行匹配,得到与上述用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,上述匹配树结构中包括多个问题节点及多个解决方案节点,上述解决方案节点为叶子节点,上述问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各上述边对应有相应的权重值。
匹配树结构为预先根据问题及解决方案建立的,其结构可以如图2所示,其中,问题节点为非叶子节点(有子节点的节点)用圆形表示,解决方案节点为叶子节点(没有子节点的节点)用矩形表示。问题节点表示问题,解决方案节点表示解决方案。具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接。关联关系为问题与问题之间、问题与解决方案之间的联系。
例如“句柄数达上线”及“磁盘存储空间不足”均会导致ES(Elastic Search,一种全文搜索引擎)分片下线,则表示“ES分片下线,导致状态异常”的问题节点的子节点可以包括表示“句柄数达上线”的问题节点及表示“磁盘存储空间不足”的问题节点;“句柄数达上线”的解决方案为“修改系统最大句柄数”,“磁盘存储空间不足”的解决方案为“增加磁盘空间”,则表示“句柄数达上线”的问题节点的子节点可以包括表示“修改系统最大句柄数”的解决方案节点,表示“磁盘存储空间不足”的问题节点的子节点可以包括表示“增加磁盘空间”的解决方案节点。边对应有相应的权重值,权重值表示关联关系的强弱,例如,“ES分片下线,导致状态异常”的50%的情况下是“磁盘存储空间不足”引起的,30%的情况下是“句柄数达上线”引起的,则表示“ES分片下线,导致状态异常”的问题节点与表示“磁盘存储空间不足”的问题节点之间边的权重值可以为0.5,表示“ES分片下线,导致状态异常”的问题节点与表示“句柄数达上线”的问题节点之间边的权重值可以为0.3。可选的,若一个节点仅包括一个子节点,则可以默认该节点与其子节点之间边的权重为1。
将用于匹配的关键词与在匹配树结构中的问题节点进行匹配,得到匹配成功的问题节点,以下第一问题节点。此处的匹配成功的问题节点可以为匹配度最高的问题节点,可选的,为了保证第一问题节点的有效性,匹配成功的问题节点可以为匹配度最高且大于预设匹配度阈值的问题节点。
S103,在上述第一问题节点的各子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前第一子节点。
利用匹配树结构,可以确定第一问题节点的各子节点,在第一问题节点的各子节点中,选取与第一问题节点的边的权重值最大的子节点,以下称为当前第一子节点。
S104,判断当前第一子节点是否为解决方案节点。
判断当前第一子节点是解决方案节点还是问题节点。
S105,若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。
在当前第一子节点为解决方案节点的情况下,生成表示该解决方案节点所对应的解决方案的答案消息,并向用户发送或展示该答案消息。
在本申请实施例中,利用用户问题的关键词与问题节点的联系来确定匹配的问题节点,并利用匹配成功的问题节点所对应的解决方案节点得到解决方案,相比于直接根据用户问题的关键词与解决方案文本信息的匹配程度去得到解决方案,显然用户问题的关键词与问题节点的关联更加准确,因此能够提高智能问答给出的解决方案的准确性。
随着大数据技术的普及,出现了大量的大数据应用,而一个大数据应用往往依赖于多个大数据组件,如Zookeeper,Elastic Search,HBase,Hadoop等,问题的排查难度也随着使用组件的数量增加而提高,当大数据领域应用出现问题时,往往需要花费大量的时间去定位出现问题的组件原因以及解决方案。由于大数据方案中直接表现出来的问题的原因可能有多种,且每种原因都对应有不明显的表现,因此,在一种可能的实施方式中,参见图3,在上述判断当前第一子节点是否为解决方案节点之后,上述方法还包括:
S106,若当前第一子节点为问题节点,生成表示当前第一子节点所对应的问题的问题消息,以使用户判断是否存在上述问题消息中的问题。
S107,接收用户针对上述问题消息的答复信息。
S108,若上述答复信息表示不存在上述问题消息中的问题,在与上述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,上述目标权重值为当前第一子节点与上述第一问题节点的边的权重值。
S109,将当前选取的子节点作为当前第一子节点,返回执行上述步骤S104:判断当前第一子节点是否为解决方案节点。
S110,若上述答复信息表示存在上述问题消息中的问题,将当前选取的节点作为上述第一问题节点,返回执行上述步骤S103:在上述第一问题节点的各子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前第一子节点。
例如,第一问题节点表示“ES分片下线,导致状态异常”,当前第一子节点表示“磁盘存储空间不足”;生成表示“是否存在磁盘存储空间不足的问题”的问题消息,以供用户进行判断。
若用户的答复信息表示不存在磁盘存储空间不足的问题,则说明“ES分片下线,导致状态异常”不是因为“磁盘存储空间不足”引起的。将当前第一子节点(表示“磁盘存储空间不足”的问题节点)与第一问题节点(表示“ES分片下线,导致状态异常”的问题节点)之间的边的权重值称为目标权重值。在第一问题节点的各子节点中,确定与第一问题节点的边的权重值小于目标权重值的所有子节点,以下称为各待选取子节点;在各待选取子节点中选取与第一问题节点的边的权重值最大的子节点(表示“句柄数达上线”的问题节点),得到当前选取的子节点。将表示“句柄数达上线”的问题节点视为当前第一子节点,返回执行S104,判断当前第一子节点是否为解决方案节点,本次实际执行的步骤为判断表示“句柄数达上线”的问题节点是否为解决方案节点。
若用户的答复信息表示存在磁盘存储空间不足的问题时,将表示“磁盘存储空间不足”的问题节点视为第一问题节点,获取表示“磁盘存储空间不足”的问题节点的第一子节点,并继续相应的流程。
用户可能只注意到了“ES分片下线,导致状态异常”的问题,因此只提提交了问题“ES分片下线,导致状态异常”,而导致“ES分片下线,导致状态异常”问题的原因可能有几个,尤其是针对大数据组件,导致一个问题的原因会有更多。通过问题消息,来提示用户是否存在“磁盘存储空间不足”或“句柄数达上线”等问题,方便用户去发现更多表现不明显的问题,从而能够精确定位问题所在,从而提高智能问答给出的解决方案的准确性。
在本申请实施例中,利用问题消息帮助用户发现表现不明显的问题,从而获取更多问题的信息,尤其是针对大数据组件,能够提高智能问答给出的解决方案的准确性。
在一种可能的实施方式中,参见图4,在上述接收用户针对上述问题消息的答复信息之后,上述方法还包括:
S111,若上述答复信息表示不存在上述问题消息中的问题,减少第一子节点与上述第一问题节点的边的权重值。
S112,若上述答复信息表示存在上述问题消息中的问题,增加第一子节点与上述第一问题节点的边的权重值。
每次权重值减少及增加的数值可以自定义设置。当用户数量很大或用户问题询问较为频繁时,可以在表示不存在上述问题消息中的问题的答复信息的数量每达到一定数值时,便减少一次第一子节点与上述第一问题节点的边的权重值;在表示存在上述问题消息中的问题的答复信息的数量每达到一定数值时,便增加一次第一子节点与上述第一问题节点的边的权重值。
在本申请实施例中,可以根据用户的答复信息动态调整边的权重值,从而使得边的权重值与真实值更加接近,能够增加用户得到解决方案的速度。
在一种可能的实施方式中,参见图5,在上述若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息之后,上述方法还包括:
S113,接收用户针对上述答案消息的反馈信息。
S114,若上述反馈信息表示上述答案消息不正确,在与上述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,上述目标权重值为当前第一子节点与上述第一问题节点的边的权重值。
S115,将当前选取的子节点作为当前第一子节点,返回执行上述步骤S104:判断当前第一子节点是否为解决方案节点。
在用户的反馈信息表示答案消息给出的解决方案不正确的情况下,在第一问题节点的各子节点中,确定与第一问题节点的边的权重值小于目标权重值的所有子节点,称为各待选取子节点;在各待选取子节点中选取与第一问题节点的边的权重值最大的子节点,得到当前选取的子节点。将当前选取的子节点视为当前第一子节点,返回执行S104继续执行相应的流程,从而得到正确的解决方案。
在本申请实施例中,在用户的反馈信息表示答案消息给出的解决方案不正确的情况下,进行匹配解决方案,从而进行解决方案的纠正,以增加用户得到的解决方案的准确性。
在一种可能的实施方式中,参见图6,在上述接收用户针对上述答案消息的反馈信息之后,上述方法还包括:
S116,若上述反馈信息表示上述答案消息正确,增加当前第一子节点与上述第一问题节点的边的权重值。
S117,若上述反馈信息表示上述答案消息不正确,减少当前第一子节点与上述第一问题节点的边的权重值。
每次权重值减少及增加的数值可以自定义设置。当用户数量很大或用户问题询问较为频繁时,可以在表示答案消息正确的反馈信息的数量每达到一定数值时,便增加一次当前第一子节点与上述第一问题节点的边的权重值;在表示存在表示答案消息不正确的反馈信息的数量每达到一定数值时,便增加一次当前第一子节点与上述第一问题节点的边的权重值。
在本申请实施例中,可以根据用户的反馈信息动态调整边的权重值,从而使得边的权重值与真实值更加接近,能够增加用户得到解决方案的速度。
在一种可能的实施方式中,参见图7,上述方法还包括:
S118,若上述答复信息表示不存在上述问题消息中的问题,且上述第一问题节点的各子节点中不存在与上述第一问题节点的边的权重值小于目标权重值的子节点,利用图谱匹配的方式对上述用于匹配的关键词进行匹配,以得到上述用户问题的解决方案。
在一种可能的实施方式中,参见图8,上述方法还包括:
S119,若上述匹配树结构中不存在与上述用于匹配的关键词相匹配的问题节点,利用图谱匹配的方式对上述用于匹配的关键词进行匹配,以得到上述用户问题的解决方案。
图谱匹配的具体方法可以参见相关技术中的图谱匹配方法,此处不再赘述。图谱匹配所使用的模型需要预先进行训练,例如,从图谱中抽取三元组后,将三元组映射为低纬度稠密向量,利用向量的更新来学习实体、关系在图上的表征,使用TransE框架学习表征,进行计算和推理,目的在于得到一些在原图上没有直接相连的关系,并将其扩展到图谱中。最后使用图谱进行查询,就可以推理出一些之前没有发现,但是有一定意义的边,从而提高智能问答的解决方案的准确性和智能性。当然图谱匹配所使用的模型也可以基于相关技术中的其他训练方法得到,此处不再赘述。
在本申请实施例中,当基于匹配树结构的匹配失败时,利用图谱匹配的方式进行匹配,从而增加了提供正确的解决方案的概率。
在一种可能的实施方式中,参见图9,上述获取用户问题,并对上述用户问题进行分析,得到用于匹配的关键词,包括:
S1011,获取用户问题,提取上述用户问题的关键词。
可以使用NLP等分词工具对用户问题进行分词。可以对样本数据进行人工的分词标注,之后将分词结果保存到自定义的词典中,提高词槽识别的准确率。样本数据需要选取对应场景中的数据。例如,针对大数据组件,可以对大数据组件运维日志或记录中的进行数据清洗,并进行整理和人为分词标记等操作,将标记后的语句加入到自定义字典中,以便于后续进行分词时可以对大数据组件中的专业词汇进行准确分词。
S1012,按照上述关键词的语义种类,将上述关键字填充到预设词槽对应的槽位中,其中,上述预设词槽包括至少两个槽位,每个上述槽位对应相应的语义种类。
槽位数量的选取及槽位对应的语义种类可以按照实际情况进行设定。在一种可能的实施方式中,上述预设词槽包括第一槽位和第二槽位,上述第一槽位对应主体语义种类,上述第二槽位包括第一区域和第二区域,上述第一区域对应操作语义种类,上述第二区域对应现象语义种类。
针对与大数据运维领域的特点,将问题分为[主体]+[操作+现象]两个槽位,如:HBase查询失败的分词结果为HBase(主体),查询(操作),失败(现象),对应到词槽中为[HBase]+[查询失败]。本申请实施例中把操作和现象作为一个槽位,这是因为有些数据只有现象如:[ElasticSearch(主体)]+[内存不足(现象)]。所以[主体]+[操作+现象]的槽位组合可以涵盖大多数运维问题,当问题中同时可以补全词槽中的两个槽位的时候,便可以执行后续的匹配过程。语义种类的具体划分匹配方法可以参见相关技术中的语义种类划分匹配方法,可以通过建立同义词词典和使用Word2Vec算法进行向量相似度计算等方式进行匹配。
S1013,若上述预设词槽中存在未填充的槽位,生成用于提示输入未填充槽位对应的语义种类的关键词的提示信息,以使用户根据上述提示信息输入对应语义种类的关键词。
其中,若上述预设词槽中不存在未填充的槽位,将上述预设词槽中的关键词作为上述用于匹配的关键词。
如果发现词槽的某槽位中缺少关键词,可以引导用户将所需关键词补全,可以提供数据库中已有的选项作为提示项,当所需的槽位全部填充完成后,进行后续匹配过程。可选的,用户在输入用户问题的过程中,便可以根据词槽中各槽位的语义种类引导用户输入相应的词语。例如,对输入的问题进行前缀匹配,在输入框的下方一直显示可能匹配到的问题,以引导用户在填写的时候按照词槽要求进行填写,同时也方便用户进行选择。
在本申请实施例中,在用户问题识别的过程中,采用填充词槽的方式进行处理,如果词槽中的槽位已经全部填充完毕,则进行后续匹配过程,如果还有槽位空缺,则通过问题引导的方式来引导用户补全槽位,再继续进行后续匹配过程,能够保证用于匹配的关键词的信息量足够多,从而增加智能问答给出的解决方案的准确性。
本申请实施例还提供了一种智能问答方法,参见图10,包括:
步骤一,问答发起。用户发起提问,后台开始创建对话,获取用户问题,并且实时保存对话状态。
步骤二,使用NLP技术对问题进行分词处理,并将分词得到的关键词与词槽中的槽位进行匹配。
步骤三,判断词槽中所有槽位是否全部填充完全,如果否,执行步骤四,如果是步骤五。
步骤四,根据缺少关键词的槽位生成引导词,引导用户补全词槽,执行步骤三。
步骤五,后台根据词槽中提供关键字,首先使用匹配树结构进行查询,如果没有查到结果执行步骤八,如果查询到解决方案,返回解决方案,执行步骤六。
使用匹配树结构进行查询的具体方式可以参见上述实施例,此处不再赘述。
步骤六,用户根据得到的解决方案排查是否解决了问题,如果正确,根据处理结果对提供的解决方案进行评分,执行步骤九,如果错误,执行步骤七。
步骤七,事理推理查看是否还有另外的推理链,如果是,则继续多轮对话给出另外的解决方案,执行步骤六,如果否,执行步骤八。
步骤八,使用图推理进行查询,查询到解决方案直接返回,执行步骤九。
步骤九,后台根据用户的评分反馈回系统,系统调整事理推理中边对应的权值,提高算法推荐的准确率。
步骤十,记录并保存整个问答的流程,结束对话。
在本申请实施例中,利用用户问题的关键词与问题节点的联系来确定匹配的问题节点,并利用匹配成功的问题节点所对应的解决方案节点得到解决方案,相比于直接根据用户问题的关键词与解决方案文本信息的匹配程度去得到解决方案,显然用户问题的关键词与问题节点的关联更加准确,因此能够提高智能问答给出的解决方案的准确性。
本申请实施例还提供了一种智能问答装置,参见图11,该装置包括:
匹配词获取模块201,用于获取用户问题,并对上述用户问题进行分析,得到用于匹配的关键词。
第一问题节点确定模块202,用于在预设的匹配树结构中对上述用于匹配的关键词进行匹配,得到与上述用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,上述匹配树结构中包括多个问题节点及多个解决方案节点,上述解决方案节点为叶子节点,上述问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各上述边对应有相应的权重值。
第一子节点确定模块203,用于在上述第一问题节点的各子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前第一子节点。
第一判断模块204,用于判断当前第一子节点是否为解决方案节点。
答案消息生成模块205,用于若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。
在一种可能的实施方式中,上述装置还包括:
问题消息生成模块,用于若当前第一子节点为问题节点,生成表示当前第一子节点所对应的问题的问题消息,以使用户判断是否存在上述问题消息中的问题;
答复信息接收模块,用于接收用户针对上述问题消息的答复信息;
子节点第一选取模块,用于若上述答复信息表示不存在上述问题消息中的问题,在与上述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,上述目标权重值为当前第一子节点与上述第一问题节点的边的权重值;
第一返回模块,用于将当前选取的子节点作为当前第一子节点,返回上述第一判断模块继续执行;
第二返回模块,用于若上述答复信息表示存在上述问题消息中的问题,将当前选取的节点作为上述第一问题节点,返回上述第一子节点确定模块继续执行。
在一种可能的实施方式中,上述装置还包括:
第一权重值减少模块,用于若上述答复信息表示不存在上述问题消息中的问题,减少第一子节点与上述第一问题节点的边的权重值;
第一权重值增加模块,用于若上述答复信息表示存在上述问题消息中的问题,增加第一子节点与上述第一问题节点的边的权重值。
在一种可能的实施方式中,上述装置还包括:
反馈信息接收模块,用于接收用户针对上述答案消息的反馈信息;
子节点第二选取模块,用于若上述反馈信息表示上述答案消息不正确,在与上述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与上述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,上述目标权重值为当前第一子节点与上述第一问题节点的边的权重值;
第三返回模块,用于将当前选取的子节点作为当前第一子节点,返回上述第一判断模块继续执行。
在一种可能的实施方式中,上述装置还包括:
第二权重值增加模块,用于若上述反馈信息表示上述答案消息正确,增加当前第一子节点与上述第一问题节点的边的权重值;
第二权重值减少模块,用于若上述反馈信息表示上述答案消息不正确,减少当前第一子节点与上述第一问题节点的边的权重值。
在一种可能的实施方式中,上述装置还包括:
第一图谱匹配模块,用于若上述答复信息表示不存在上述问题消息中的问题,且上述第一问题节点的各子节点中不存在与上述第一问题节点的边的权重值小于目标权重值的子节点,利用图谱匹配的方式对上述用于匹配的关键词进行匹配,以得到上述用户问题的解决方案。
在一种可能的实施方式中,上述匹配词获取模块具体用于:获取用户问题,提取上述用户问题的关键词;按照上述关键词的语义种类,将上述关键字填充到预设词槽对应的槽位中,其中,上述预设词槽包括至少两个槽位,每个上述槽位对应相应的语义种类;若上述预设词槽中存在未填充的槽位,生成用于提示输入未填充槽位对应的语义种类的关键词的提示信息,以使用户根据上述提示信息输入对应语义种类的关键词;其中,若上述预设词槽中不存在未填充的槽位,将上述预设词槽中的关键词作为上述用于匹配的关键词。
在一种可能的实施方式中,上述预设词槽包括第一槽位和第二槽位,上述第一槽位对应主体语义种类,上述第二槽位包括第一区域和第二区域,上述第一区域对应操作语义种类,上述第二区域对应现象语义种类。
在一种可能的实施方式中,上述装置还包括:
第二图谱匹配模块,用于若上述匹配树结构中不存在与上述用于匹配的关键词相匹配的问题节点,利用图谱匹配的方式对上述用于匹配的关键词进行匹配,以得到上述用户问题的解决方案。
本申请实施例还提供了一种电子设备,包括:处理器及存储器;
上述存储器,用于存放计算机程序;
上述处理器用于执行上述存储器存放的计算机程序时,实现上述任一智能问答方法。
可选的,参见图12,本申请实施例的电子设备还包括通信接口302和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信。
上述电子设备提到的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)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。
本申请实施例还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内存储有计算机程序,上述计算机程序被处理器执行时实现上述任一智能问答方法。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一智能问答方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
需要说明的是,在本文中,各个可选方案中的技术特征只要不矛盾均可组合来形成方案,这些方案均在本申请公开的范围内。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。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,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,对于装置、电子设备、存储介质及计算机程序产品的实施例而言,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。
以上所述仅为本申请的较佳实施例,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (13)
1.一种智能问答方法,其特征在于,所述方法包括:
获取用户问题,并对所述用户问题进行分析,得到用于匹配的关键词;
在预设的匹配树结构中对所述用于匹配的关键词进行匹配,得到与所述用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,所述匹配树结构中包括多个问题节点及多个解决方案节点,所述解决方案节点为叶子节点,所述问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各所述边对应有相应的权重值;
在所述第一问题节点的各子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前第一子节点;
判断当前第一子节点是否为解决方案节点;
若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。
2.根据权利要求1所述的方法,其特征在于,在所述判断当前第一子节点是否为解决方案节点之后,所述方法还包括:
若当前第一子节点为问题节点,生成表示当前第一子节点所对应的问题的问题消息,以使用户判断是否存在所述问题消息中的问题;
接收用户针对所述问题消息的答复信息;
若所述答复信息表示不存在所述问题消息中的问题,在与所述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,所述目标权重值为当前第一子节点与所述第一问题节点的边的权重值;
将当前选取的子节点作为当前第一子节点,返回执行上述步骤:判断当前第一子节点是否为解决方案节点;
若所述答复信息表示存在所述问题消息中的问题,将当前选取的节点作为所述第一问题节点,返回执行上述步骤:在所述第一问题节点的各子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前第一子节点。
3.根据权利要求2所述的方法,其特征在于,在所述接收用户针对所述问题消息的答复信息之后,所述方法还包括:
若所述答复信息表示不存在所述问题消息中的问题,减少第一子节点与所述第一问题节点的边的权重值;
若所述答复信息表示存在所述问题消息中的问题,增加第一子节点与所述第一问题节点的边的权重值。
4.根据权利要求1所述的方法,其特征在于,在所述若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息之后,所述方法还包括:
接收用户针对所述答案消息的反馈信息;
若所述反馈信息表示所述答案消息不正确,在与所述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,所述目标权重值为当前第一子节点与所述第一问题节点的边的权重值;
将当前选取的子节点作为当前第一子节点,返回执行上述步骤:判断当前第一子节点是否为解决方案节点。
5.根据权利要求4所述的方法,其特征在于,在所述接收用户针对所述答案消息的反馈信息之后,所述方法还包括:
若所述反馈信息表示所述答案消息正确,增加当前第一子节点与所述第一问题节点的边的权重值;
若所述反馈信息表示所述答案消息不正确,减少当前第一子节点与所述第一问题节点的边的权重值。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述答复信息表示不存在所述问题消息中的问题,且所述第一问题节点的各子节点中不存在与所述第一问题节点的边的权重值小于目标权重值的子节点,利用图谱匹配的方式对所述用于匹配的关键词进行匹配,以得到所述用户问题的解决方案。
7.根据权利要求1所述的方法,其特征在于,所述获取用户问题,并对所述用户问题进行分析,得到用于匹配的关键词,包括:
获取用户问题,提取所述用户问题的关键词;
按照所述关键词的语义种类,将所述关键字填充到预设词槽对应的槽位中,其中,所述预设词槽包括至少两个槽位,每个所述槽位对应相应的语义种类;
若所述预设词槽中存在未填充的槽位,生成用于提示输入未填充槽位对应的语义种类的关键词的提示信息,以使用户根据所述提示信息输入对应语义种类的关键词;
其中,若所述预设词槽中不存在未填充的槽位,将所述预设词槽中的关键词作为所述用于匹配的关键词。
8.根据权利要求7所述的方法,其特征在于,所述预设词槽包括第一槽位和第二槽位,所述第一槽位对应主体语义种类,所述第二槽位包括第一区域和第二区域,所述第一区域对应操作语义种类,所述第二区域对应现象语义种类。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述匹配树结构中不存在与所述用于匹配的关键词相匹配的问题节点,利用图谱匹配的方式对所述用于匹配的关键词进行匹配,以得到所述用户问题的解决方案。
10.一种智能问答装置,其特征在于,所述装置包括:
匹配词获取模块,用于获取用户问题,并对所述用户问题进行分析,得到用于匹配的关键词;
第一问题节点确定模块,用于在预设的匹配树结构中对所述用于匹配的关键词进行匹配,得到与所述用于匹配的关键词相匹配的问题节点作为第一问题节点,其中,所述匹配树结构中包括多个问题节点及多个解决方案节点,所述解决方案节点为叶子节点,所述问题节点为非叶子节点,具有关联关系的问题节点与问题节点之间通过边连接,具有关联关系的问题节点与解决方案节点之间通过边连接,各所述边对应有相应的权重值;
第一子节点确定模块,用于在所述第一问题节点的各子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前第一子节点;
第一判断模块,用于判断当前第一子节点是否为解决方案节点;
答案消息生成模块,用于若当前第一子节点为解决方案节点,生成表示当前第一子节点所对应的解决方案的答案消息。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
问题消息生成模块,用于若当前第一子节点为问题节点,生成表示当前第一子节点所对应的问题的问题消息,以使用户判断是否存在所述问题消息中的问题;
答复信息接收模块,用于接收用户针对所述问题消息的答复信息;
子节点第一选取模块,用于若所述答复信息表示不存在所述问题消息中的问题,在与所述第一问题节点的边的权重值小于目标权重值的各第一问题节点的子节点中,选取与所述第一问题节点的边的权重值最大的子节点,得到当前选取的子节点,其中,所述目标权重值为当前第一子节点与所述第一问题节点的边的权重值;
第一返回模块,用于将当前选取的子节点作为当前第一子节点,返回上述第一判断模块继续执行;
第二返回模块,用于若所述答复信息表示存在所述问题消息中的问题,将当前选取的节点作为所述第一问题节点,返回上述第一子节点确定模块继续执行。
12.一种电子设备,其特征在于,包括处理器及存储器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-9任一所述的方法。
13.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010953278.6A CN112035623B (zh) | 2020-09-11 | 2020-09-11 | 智能问答方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010953278.6A CN112035623B (zh) | 2020-09-11 | 2020-09-11 | 智能问答方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112035623A true CN112035623A (zh) | 2020-12-04 |
CN112035623B CN112035623B (zh) | 2023-08-04 |
Family
ID=73588650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010953278.6A Active CN112035623B (zh) | 2020-09-11 | 2020-09-11 | 智能问答方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112035623B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306204A (zh) * | 2011-09-28 | 2012-01-04 | 武汉大学 | 基于文本结构权重的主题区域识别方法 |
CN102693309A (zh) * | 2011-05-26 | 2012-09-26 | 中国科学院计算技术研究所 | 用于计算机辅助翻译的候选短语查询方法及辅助翻译系统 |
CN103020295A (zh) * | 2012-12-28 | 2013-04-03 | 新浪网技术(中国)有限公司 | 一种问题标签标注方法及装置 |
US8572096B1 (en) * | 2011-08-05 | 2013-10-29 | Google Inc. | Selecting keywords using co-visitation information |
US20160013986A1 (en) * | 2012-12-26 | 2016-01-14 | Zte Corporation | Bandwidth Allocation Method and System |
US20170103061A1 (en) * | 2014-09-18 | 2017-04-13 | Kabushiki Kaisha Toshiba | Interaction apparatus and method |
US20170161370A1 (en) * | 2015-12-02 | 2017-06-08 | Panasonic Intellectual Property Management Co., Ltd. | Control method, processing apparatus, and recording medium |
CN106991112A (zh) * | 2016-11-07 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 信息查询方法及装置 |
CN107229668A (zh) * | 2017-03-07 | 2017-10-03 | 桂林电子科技大学 | 一种基于关键词匹配的正文抽取方法 |
CN107992459A (zh) * | 2017-10-12 | 2018-05-04 | 如是科技(大连)有限公司 | 简历生成方法及装置 |
CN108804643A (zh) * | 2018-06-05 | 2018-11-13 | 北京玄科技有限公司 | 多轮会话的流程配置单元、方法及智能机器人交互系统 |
CN110188174A (zh) * | 2019-04-19 | 2019-08-30 | 浙江工业大学 | 一种基于专业词汇挖掘的专业领域faq智能问答方法 |
CN110399457A (zh) * | 2019-07-01 | 2019-11-01 | 吉林大学 | 一种智能问答方法和系统 |
WO2020052162A1 (zh) * | 2018-09-10 | 2020-03-19 | 平安科技(深圳)有限公司 | 疾病数据映射方法、装置、计算机设备和存储介质 |
CN111223485A (zh) * | 2019-12-19 | 2020-06-02 | 深圳壹账通智能科技有限公司 | 智能交互方法、装置、电子设备及存储介质 |
CN111241260A (zh) * | 2020-01-08 | 2020-06-05 | 平安科技(深圳)有限公司 | 基于人机交互的数据处理方法、装置、设备及存储介质 |
CN111274368A (zh) * | 2020-01-07 | 2020-06-12 | 北京声智科技有限公司 | 槽位填充方法及装置 |
CN111639195A (zh) * | 2020-06-01 | 2020-09-08 | 北京明略软件系统有限公司 | 一种知识图谱的显示方法、显示装置及可读存储介质 |
-
2020
- 2020-09-11 CN CN202010953278.6A patent/CN112035623B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693309A (zh) * | 2011-05-26 | 2012-09-26 | 中国科学院计算技术研究所 | 用于计算机辅助翻译的候选短语查询方法及辅助翻译系统 |
US8572096B1 (en) * | 2011-08-05 | 2013-10-29 | Google Inc. | Selecting keywords using co-visitation information |
CN102306204A (zh) * | 2011-09-28 | 2012-01-04 | 武汉大学 | 基于文本结构权重的主题区域识别方法 |
US20160013986A1 (en) * | 2012-12-26 | 2016-01-14 | Zte Corporation | Bandwidth Allocation Method and System |
CN103020295A (zh) * | 2012-12-28 | 2013-04-03 | 新浪网技术(中国)有限公司 | 一种问题标签标注方法及装置 |
US20170103061A1 (en) * | 2014-09-18 | 2017-04-13 | Kabushiki Kaisha Toshiba | Interaction apparatus and method |
US20170161370A1 (en) * | 2015-12-02 | 2017-06-08 | Panasonic Intellectual Property Management Co., Ltd. | Control method, processing apparatus, and recording medium |
CN106991112A (zh) * | 2016-11-07 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 信息查询方法及装置 |
CN107229668A (zh) * | 2017-03-07 | 2017-10-03 | 桂林电子科技大学 | 一种基于关键词匹配的正文抽取方法 |
CN107992459A (zh) * | 2017-10-12 | 2018-05-04 | 如是科技(大连)有限公司 | 简历生成方法及装置 |
CN108804643A (zh) * | 2018-06-05 | 2018-11-13 | 北京玄科技有限公司 | 多轮会话的流程配置单元、方法及智能机器人交互系统 |
WO2020052162A1 (zh) * | 2018-09-10 | 2020-03-19 | 平安科技(深圳)有限公司 | 疾病数据映射方法、装置、计算机设备和存储介质 |
CN110188174A (zh) * | 2019-04-19 | 2019-08-30 | 浙江工业大学 | 一种基于专业词汇挖掘的专业领域faq智能问答方法 |
CN110399457A (zh) * | 2019-07-01 | 2019-11-01 | 吉林大学 | 一种智能问答方法和系统 |
CN111223485A (zh) * | 2019-12-19 | 2020-06-02 | 深圳壹账通智能科技有限公司 | 智能交互方法、装置、电子设备及存储介质 |
CN111274368A (zh) * | 2020-01-07 | 2020-06-12 | 北京声智科技有限公司 | 槽位填充方法及装置 |
CN111241260A (zh) * | 2020-01-08 | 2020-06-05 | 平安科技(深圳)有限公司 | 基于人机交互的数据处理方法、装置、设备及存储介质 |
CN111639195A (zh) * | 2020-06-01 | 2020-09-08 | 北京明略软件系统有限公司 | 一种知识图谱的显示方法、显示装置及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
QINGXING CAO等: "Interpretable Visual Question Answering by Reasoning on Dependency Trees", 《IEEE》, pages 887 * |
杨润琦: "用于语义相似度评估的基于句法树的神经网络研究", 《中国优秀硕士论文电子期刊网》, pages 34 - 42 * |
Also Published As
Publication number | Publication date |
---|---|
CN112035623B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112069298B (zh) | 基于语义网和意图识别的人机交互方法、设备及介质 | |
US10460029B2 (en) | Reply information recommendation method and apparatus | |
US20200301954A1 (en) | Reply information obtaining method and apparatus | |
CN116756295B (zh) | 知识库的检索方法、装置及存储介质 | |
CN109670163B (zh) | 信息识别方法、信息推荐方法、模板构建方法及计算设备 | |
CN110727779A (zh) | 基于多模型融合的问答方法及系统 | |
US20240078168A1 (en) | Test Case Generation Method and Apparatus and Device | |
CN111177359A (zh) | 多轮对话方法和装置 | |
US20120089394A1 (en) | Visual Display of Semantic Information | |
CN108829682B (zh) | 计算机可读存储介质、智能问答方法及智能问答装置 | |
CN111159363A (zh) | 一种基于知识库的问题答案确定方法及装置 | |
CN103593412B (zh) | 一种基于树形结构问题的应答方法及系统 | |
CN112100354A (zh) | 人机对话方法、装置、设备及存储介质 | |
CN114547274B (zh) | 多轮问答的方法、装置及设备 | |
CN114757176A (zh) | 一种获取目标意图识别模型的方法以及意图识别方法 | |
CN111291172A (zh) | 用于处理文本的方法和装置 | |
CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
CN110717021A (zh) | 人工智能面试中获取输入文本和相关装置 | |
US11423219B2 (en) | Generation and population of new application document utilizing historical application documents | |
US11699435B2 (en) | System and method to interpret natural language requests and handle natural language responses in conversation | |
CN111708870A (zh) | 基于深度神经网络的问答方法、装置及存储介质 | |
CN117291192B (zh) | 一种政务文本语义理解分析方法及系统 | |
CN114186040A (zh) | 一种智能机器人客服的运作方法 | |
CN118114679A (zh) | 服务对话质量管控方法、系统、电子设备及存储介质 | |
CN117556057A (zh) | 知识问答方法、向量数据库构建方法及装置 |
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 |