CN112182190A - 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
- CN112182190A CN112182190A CN202011092082.9A CN202011092082A CN112182190A CN 112182190 A CN112182190 A CN 112182190A CN 202011092082 A CN202011092082 A CN 202011092082A CN 112182190 A CN112182190 A CN 112182190A
- Authority
- CN
- China
- Prior art keywords
- question
- query
- tree
- answer
- target
- 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
- 238000012795 verification Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims description 8
- 230000000977 initiatory effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/322—Trees
-
- 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/325—Hash tables
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术领域，提供一种智能问答方法、装置、电子设备及存储介质，所述方法包括：接收校验请求配置第一问答树及第一问询节点，从第一问题开始第一问答树的问询；根据第一问题的第一目标答案确定第二问询节点及第一目标树；当第一目标树的第一键值不为空时结束第一问答树的问询，并根据第一目标树的键值配置第二问答树；从第二问询节点的第二问题开始第二问答树的问询并接收第二目标答案，重复上述过程直至完成整个问答。本发明通过第一目标树的第一键值不为空将问询的场景切换到第一键值对应的第二问答树中进行问询，提高了配置问答树的灵活性及问答的准确率。本发明还涉及数字医疗领域，可应用于智慧医疗系统。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种智能问答方法、装置、电子设备及存储介质。
背景技术
随着社会信息化和互联网的快速发展，无法快速的校验每个人提供的信息是否正确，现有技术一般采用问答树的方式进行问答后进行个人信息的校验，但是现有的问答树中每个节点的子节点的个数及问题都是固定的，只要用户对问询的问题的需求发生改变时，就无法进行问答，需要根据用户的需求重新建立新的问答树或者在原有的问答树上进行修改，无法实现在问询的问题的需求发生改变时直接跳转至对应的问答树，导致问询效率低下，问询得到的答案的正确率低，导致校验准确率低。
发明内容
鉴于以上内容，有必要提出一种智能问答方法、装置、电子设备及存储介质，通过第一目标树的键值不为空将问询的场景切换到第一目标树的键值对应的第二问答树中进行问询，提高了配置问答树的效率及灵活性，提高了问答的准确率。
本发明的第一方面提供一种智能问答方法，所述方法包括：
当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询；
当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树；
判断所述第一目标树的第一键值是否为空；
当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树；
从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
可选的，所述根据所述第一目标答案确定第二问询节点包括：
识别所述第一问题的类型；
当所述第一问题的类型为选择题时，将所述第一目标答案匹配到对应的目标问询节点上得到第二问询节点；
当所述第一问题的类型为自定义题目时，获取所述第一问题的预设的多个标准答案，计算所述第一目标答案与预设的每个标准答案的相似度，并选取相似度最高的预设的标准答案对应的问询节点作为所述第二问询节点。
可选的，所述方法还包括：
获取所述第一问题对应的预设第一权重阈值及所述第一目标答案的对应的预设第一信用阈值；
计算所述预设第一权重阈值与对应的所述预设第一信用阈值的乘积得到所述用户的第一信用分值；
判断所述用户的第一信用分值是否大于预设的信用分阈值；
当确定所述用户的第一信用分值小于所述预设的信用分阈值时，结束所述第一问答树的问询。
可选的，所述根据所述校验请求配置第一问答树及对应的第一问询节点包括：
获取所述检验请求中的第一关键词；
计算所述第一关键词的第一哈希值；
将所述第一哈希值与预设的多棵问答树的基准哈希值进行匹配，获取与所述第一哈希值匹配的目标基准哈希值，其中，所述基准哈希值与所述多棵问答树及问询节点存在映射关系；
根据所述映射关系配置与所述目标基准哈希值对应的第一问答树及第一问询节点。
可选的，当确定所述第一目标树的第一键值为空时，确定所述第二问询节点的下一个问询节点，作为第三问询节点；
从所述第三问询节点的第三问题开始所述第一问答树的问询，并将所述第一问询节点标识为已问询节点；
接收所述第三问题的第三目标答案，计算所述用户的第二信用分值；
根据所述第三目标答案确定目标问询节点；
当所述目标问询节点的第二目标树的第二键值不为空，或者所述用户的第二信用分值大于或者等于所述预设的信用分阈值时，确定结束所述第一问答树的问询。
可选的，所述计算所述用户的第二信用分值包括：
统计所有已问询节点的问题类型及对应的答案；
获取每个已问询节点的问题类型对应的预设第二权重阈值；
获取每个已问询节点的答案对应的预设第二信用阈值；
计算所述预设第二权重阈值与对应的所述预设第二信用阈值的乘积得到每个已问询节点对应的信用分值；
计算所述所有已问询节点的信用分值之和得到所述用户的第二信用分值。
可选的，所述方法还包括：
在确定与所述第二问询节点对应的第一目标树的同时确定与所述第二问询节点对应的第二目标树；
判断所述第二颗树的第二键值是否为空；
当确定所述第二颗树的第二键值不为空时，结束所述第一问答树的问询；
当确定所述第二颗树的第二键值为空时，从所述第二问询节点的第二问题开始所述第一问答树的问询。
本发明的第二方面提供一种智能问答装置，所述装置包括：
第一问询模块，用于当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询；
确定模块，用于当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树；
判断模块，用于判断所述第一目标树的第一键值是否为空；
结束模块，用于当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树；
第二问询模块，用于从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
本发明的第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述的智能问答方法。
本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的智能问答方法。
综上所述，本发明所述的智能问答方法、装置、电子设备及存储介质，一方面，根据所述问询问题配置第一问答树及对应的第一问询节点，由于所有问答树及所有问答树的所有节点都是以键值对的形式存储在所述哈希表中，只需要知道问询问题的第一哈希值就可以快速的查找到对应的问答树及问询节点，提高了配置问答树的效率；另一方面，通过根据所述第一问题及所述第一问题的第一目标答案计算所述用户的第一信用分值，根据用户的第一信用分值的高低可以快速的确定问询问题的个数，提高了问询效率及问询得到的答案的正确性；最后，通过所述第一目标树的第一键值不为空及确定所述用户的第一信用分值小于所述预设的信用分阈值时，确定需要继续进行问询，并且问询的场景进行了切换到所述第一目标树的第一键值对应的第二问答树中进行问询，提高了配置问答树的效率及灵活性，提高了问答的准确率。
附图说明
图1是本发明实施例一提供的智能问答方法的流程图。
图2是本发明实施例二提供的智能问答装置的结构图。
图3是本发明实施例三提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
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发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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，不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的智能问答方法的流程图。
在本实施例中，所述智能问答方法可以应用于电子设备中，对于需要进行智能问答的电子设备，可以直接在电子设备上集成本发明的方法所提供的智能问答的功能，或者以软件开发工具包(Software Development Kit，SKD)的形式运行在电子设备中。
如图1所示，所述智能问答方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
S11：当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询。
本实施例中，所述问询问题可以为用户通过文字输入设备输入至智能问答系统的一系列文字，也可以为所述智能问答系统通过音频采集设备，例如，麦克风，通过麦克风对用户问询进行音频采集，并接收音频采集设备采集到的问询音频，通过音频转文本处理将其转换为与该问询音频对应的问询问题。所述问询问题由一系列的文字组成，具体地，所述文字可以为字或者词，也可以为一句话或者一段话。
优选的，所述根据所述校验请求配置第一问答树及对应的第一问询节点包括：
获取所述检验请求中的第一关键词；
计算所述第一关键词的第一哈希值；
将所述第一哈希值与预设的多棵问答树的基准哈希值进行匹配，获取与所述第一哈希值匹配的目标基准哈希值，其中，所述基准哈希值与所述多棵问答树及问询节点存在映射关系；
根据所述映射关系配置与所述目标基准哈希值对应的第一问答树及第一问询节点。
本实施例中，当接收到用户输入的问询问题时，计算所述用户输入的问询问题的第一哈希值，在预先存储有多棵问答树的基准哈希值的哈希表中查找与所述第一哈希值匹配的目标基准哈希值，所述目标基准哈希值对应关联有第一问答树及对应的第一问询节点。
本实施例中，所有问答树及所有问答树的所有节点都是以键值对的形式存储在所述哈希表中，只需要知道问询问题的第一哈希值就可以快速的查找到对应的问答树及问询节点，提高了配置问答树的效率。
S12：当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树。
本实施例中，所述第一目标答案为用户输入的所述第一问题的答案，根据用户输入的第一目标答案即可以确定出下一个问询问题，也就是第二问询节点。
优选的，所述根据所述第一目标答案确定第二问询节点包括：
识别所述第一问题的类型；
当所述第一问题的类型为选择题时，将所述第一目标答案匹配到对应的目标问询节点上得到第二问询节点；
当所述第一问题的类型为自定义题目时，获取所述第一问题的预设的多个标准答案，计算所述第一目标答案与预设的每个标准答案的相似度，并选取相似度最高的预设的标准答案对应的问询节点作为所述第二问询节点。
本实施例中，所述第一问题的类型不同，则得到第二问询节点的方法也不同，若所述第一问题的类型为选择题，则只需要根据所述用户选择的第一目标答案匹配到对应的目标问询节点上，即可得到第二问询节点；若所述第一问题的类型为自定义题目时，预先设置有多个标准答案，计算每个标准答案与用户输入的目标答案之间的相似度，将相似度最高的确定为第二问询点。
本实施例中，所述相似度的计算方法有很多中，例如：语义相似度、余弦相似度、欧式距离等，本发明在此不做限制。
本实施例中，根据不同的问题的类型采用不同的方式确定第二问询节点，避免将所有问题都归为一类去计算而耗费时间的现象，提高了确定第二问询节点的效率。
本实施例中，所述第一信用阈值表示所述用户的信用度，在问询的过程中，可以根据问询的问题及用户输入的问题的答案确定出用户的信用分值。
可替代的，所述方法还包括：
获取所述第一问题对应的预设第一权重阈值及所述第一目标答案的对应的预设第一信用阈值；
计算所述预设第一权重阈值与对应的所述预设第一信用阈值的乘积得到所述用户的第一信用分值；
判断所述用户的第一信用分值是否大于预设的信用分阈值；
当确定所述用户的第一信用分值小于所述预设的信用分阈值时，结束所述第一问答树的问询。
本实施例中，每个用户的信用分值满分为100分，可以预先为问答树中的每个问题设置不同的权重阈值及每个问题的标准答案设置不同的信用阈值，通过计算所述预设第一权重阈值与对应的所述预设第一信用阈值的乘积得到所述用户的第一信用分值，根据所述用户的第一信用分值确定是否继续进行问询，信用分值越高，确定所述用户的信用度高，可以减少问询的问题；信用分值越低，确定所述用户的信用度低，按照正常的问询过程进行问询，根据所述用户的第一信用分值的大小可以快速的确定问询问题的个数，提高了问询效率。
本实施例中，根据不同的问答树预先设置不同的信用阈值，根据用户达到的信用分值情况灵活的控制问询的长短，提高了智能问答的灵活性。
S13：判断所述第一目标树的第一键值是否为空。
本实施例中，每个问询节点中可以包括第一目标树及所述第一目标树对应的第一键值和第二目标树及所述第二目标树对应的第二键值，具体地，所述第一目标树的第一键值用于指向下一个问询节点，所述第二目标树的第二键值用于确定是否结束问询。
本实施例中，通过判断所述第一目标树的第一键值是否为空，可以确定问询方向，当所述第一目标树的第一键值为空时，继续第一问答树的问询，当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询。
在其他一些实施例中，进一步的，所述继续第一问答树的问询包括：
当确定所述第一目标树的第一键值为空时，确定所述第二问询节点的下一个问询节点，作为第三问询节点；
从所述第三问询节点的第三问题开始所述第一问答树的问询，并将所述第一问询节点标识为已问询节点；
接收所述第三问题的第三目标答案，计算所述用户的第二信用分值；
根据所述第三目标答案确定目标问询节点；
当所述目标问询节点的第二目标树的第二键值不为空，或者所述用户的第二信用分值大于或者等于所述预设的信用分阈值时，确定结束所述第一问答树的问询。
本实施例中，由于每一个问答树中包含有多个节点，每个节点包括多棵树的键值，具体地，所述多棵树的键值可以为所述节点指向第一目标树的键值或者结束当前问答树的键值，根据不同的问答树的键值执行不同的问询，提高了问询的灵活性。
进一步的，所述计算所述用户的第二信用分值包括：
统计所有已问询节点的问题类型及对应的答案；
获取每个已问询节点的问题类型对应的预设第二权重阈值；
获取每个已问询节点的答案对应的预设第二信用阈值；
计算所述预设第二权重阈值与对应的所述预设第二信用阈值的乘积得到每个已问询节点对应的信用分值；
计算所述所有已问询节点的信用分值之和得到所述用户的第二信用分值。
本实施例中，所述第二信用分值为所有已问询节点的问题的预设第二权重阈值及对应的答案的预设第二信用阈值进行相乘后累加得到的总信用分值，所述第二信用分值表示所述用户的信用度，可以根据计算得到的所述第二信用分值与预设的信用分值进行比对，根据比对结果灵活的决定是否结束问询。
S14：当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树。
本实施例中，所述第一目标树的键值不为空或者所述用户的第一信用分值小于所述预设的信用分阈值时，表示结束所述第一问答树的问询，但不能结束整个问询，需要开始下一课树的问询，问询的主题场景进行了切换。
S15：从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
本实施例中，在进行场景切换后，从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，所述第二问答树的问询过程同所述第一问答树的问询过程。
在其他一些实施例中，所述方法还包括：
在确定与所述第二问询节点对应的第一目标树的同时确定与所述第二问询节点对应的第二目标树；
判断所述第二颗树的第二键值是否为空；
当确定所述第二颗树的第二键值不为空时，结束所述第一问答树的问询；
当确定所述第二颗树的第二键值为空时，从所述第二问询节点的第二问题开始所述第一问答树的问询。
可替代的，在其他一些实施例中，所述方法还包括：
当确定所述用户的第一信用分值小于所述预设的信用分阈值时，提取所有已问询节点对应的预设第一信用阈值，选取所述预设第一信用阈值排名后N的N个第二信用分值对应的N个问题；
提取所述后N个问题对应的第二关键词；
计算所述第二关键词的第三哈希值；
根据所述第三哈希值配置第三问答树及对应的第四问询节点，并从所述第四问询节点的第三问题开始所述第三问答树的问询。
本实施例中，所述第三问答树的问询过程同所述第一问答树的问询过程。
本实施例中，当确定所述用户的第一信用分值小于所述预设的信用分阈值时，确定所述用户对具体的某个主题的内容不明确，针对该主题进行详细问询，提高了问答的准确率。
本实施例中，当所述第一目标树的第一键值不为空及确定所述用户的第一信用分值小于所述预设的信用分阈值时，根据不同的维度的数据确定是否需要继续进行问询，并且问询的场景进行了切换到所述第一目标树的第一键值对应的第二问答树中进行问询，提高了配置问答树的效率及灵活性，同时提高了问询得到答案的正确率，进而提高了问答的准确率。
综上所述，本实施例所述的智能问答方法，当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询；当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树；判断所述第一目标树的第一键值是否为空；当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树；从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
本实施例，一方面，根据所述问询问题配置第一问答树及对应的第一问询节点，由于所有问答树及所有问答树的所有节点都是以键值对的形式存储在所述哈希表中，只需要知道问询问题的第一哈希值就可以快速的查找到对应的问答树及问询节点，提高了配置问答树的效率；另一方面，通过根据所述第一问题及所述第一问题的第一目标答案计算所述用户的第一信用分值，根据用户的第一信用分值的高低可以快速的确定问询问题的个数，提高了问询效率及问询得到的答案的正确性；最后，通过所述第一目标树的第一键值不为空及确定所述用户的第一信用分值小于所述预设的信用分阈值时，确定需要继续进行问询，并且问询的场景进行了切换到所述第一目标树的第一键值对应的第二问答树中进行问询，提高了配置问答树的效率及灵活性，提高了问答的准确率。
实施例二
图2是本发明实施例二提供的智能问答装置的结构图。
在一些实施例中，所述智能问答装置20可以包括多个由程序代码段所组成的功能模块。所述智能问答装置20中的各个程序段的程序代码可以存储于电子设备的存储器中，并由所述至少一个处理器所执行，以执行(详见图1描述)智能问答的功能。
本实施例中，所述智能问答装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：第一问询模块201、确定模块202、获取模块203、计算模块204、判断模块205、结束模块206及第二问询模块207。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
第一问询模块201：用于当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询。
本实施例中，所述问询问题可以为用户通过文字输入设备输入至智能问答系统的一系列文字，也可以为所述智能问答系统通过音频采集设备，例如，麦克风，通过麦克风对用户问询进行音频采集，并接收音频采集设备采集到的问询音频，通过音频转文本处理将其转换为与该问询音频对应的问询问题。所述问询问题由一系列的文字组成，具体地，所述文字可以为字或者词，也可以为一句话或者一段话。
优选的，所述第一问询模块201根据所述校验请求配置第一问答树及对应的第一问询节点包括：
获取所述检验请求中的第一关键词；
计算所述第一关键词的第一哈希值；
将所述第一哈希值与预设的多棵问答树的基准哈希值进行匹配，获取与所述第一哈希值匹配的目标基准哈希值，其中，所述基准哈希值与所述多棵问答树及问询节点存在映射关系；
根据所述映射关系配置与所述目标基准哈希值对应的第一问答树及第一问询节点。
本实施例中，当接收到用户输入的问询问题时，计算所述用户输入的问询问题的第一哈希值，在预先存储有多棵问答树的基准哈希值的哈希表中查找与所述第一哈希值匹配的目标基准哈希值，所述目标基准哈希值对应关联有第一问答树及对应的第一问询节点。
本实施例中，所有问答树及所有问答树的所有节点都是以键值对的形式存储在所述哈希表中，只需要知道问询问题的第一哈希值就可以快速的查找到对应的问答树及问询节点，提高了配置问答树的效率。
确定模块202：用于当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树。
本实施例中，所述第一目标答案为用户输入的所述第一问题的答案，根据用户输入的第一目标答案即可以确定出下一个问询问题，也就是第二问询节点。
优选的，所述确定模块202根据所述第一目标答案确定第二问询节点包括：
识别所述第一问题的类型；
当所述第一问题的类型为选择题时，将所述第一目标答案匹配到对应的目标问询节点上得到第二问询节点；
当所述第一问题的类型为自定义题目时，获取所述第一问题的预设的多个标准答案，计算所述第一目标答案与预设的每个标准答案的相似度，并选取相似度最高的预设的标准答案对应的问询节点作为所述第二问询节点。
本实施例中，所述第一问题的类型不同，则得到第二问询节点的方法也不同，若所述第一问题的类型为选择题，则只需要根据所述用户选择的第一目标答案匹配到对应的目标问询节点上，即可得到第二问询节点；若所述第一问题的类型为自定义题目时，预先设置有多个标准答案，计算每个标准答案与用户输入的目标答案之间的相似度，将相似度最高的确定为第二问询点。
本实施例中，所述相似度的计算方法有很多中，例如：语义相似度、余弦相似度、欧式距离等，本发明在此不做限制。
本实施例中，根据不同的问题的类型采用不同的方式确定第二问询节点，避免将所有问题都归为一类去计算而耗费时间的现象，提高了确定第二问询节点的效率。
本实施例中，所述第一信用阈值表示所述用户的信用度，在问询的过程中，可以根据问询的问题及用户输入的问题的答案确定出用户的信用分值。
可替代的，所述智能问答装置还包括：
获取模块203：用于获取所述第一问题对应的预设第一权重阈值及所述第一目标答案的对应的预设第一信用阈值；
计算模块204：用于计算所述预设第一权重阈值与对应的所述预设第一信用阈值的乘积得到所述用户的第一信用分值；
判断模块205：用于判断所述用户的第一信用分值是否大于预设的信用分阈值；
所述确定模块202：还用于当确定所述用户的第一信用分值小于所述预设的信用分阈值时，结束所述第一问答树的问询。
本实施例中，每个用户的信用分值满分为100分，可以预先为问答树中的每个问题设置不同的权重阈值及每个问题的标准答案设置不同的信用阈值，通过计算所述预设第一权重阈值与对应的所述预设第一信用阈值的乘积得到所述用户的第一信用分值，根据所述用户的第一信用分值确定是否继续进行问询，信用分值越高，确定所述用户的信用度高，可以减少问询的问题；信用分值越低，确定所述用户的信用度低，按照正常的问询过程进行问询，根据所述用户的第一信用分值的大小可以快速的确定问询问题的个数，提高了问询效率。
本实施例中，根据不同的问答树预先设置不同的信用阈值，根据用户达到的信用分值情况灵活的控制问询的长短，提高了智能问答的灵活性。
所述判断模块205：还用于判断所述第一目标树的第一键值是否为空。
本实施例中，每个问询节点中可以包括第一目标树及所述第一目标树对应的第一键值和第二目标树及所述第二目标树对应的第二键值，具体地，所述第一目标树的第一键值用于指向下一个问询节点，所述第二目标树的第二键值用于确定是否结束问询。
本实施例中，通过判断所述第一目标树的第一键值是否为空，可以确定问询方向，当所述第一目标树的第一键值为空时，继续第一问答树的问询，当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询。
在其他一些实施例中，进一步的，所述第一问询模块201继续第一问答树的问询包括：
当确定所述第一目标树的第一键值为空时，确定所述第二问询节点的下一个问询节点，作为第三问询节点；
从所述第三问询节点的第三问题开始所述第一问答树的问询，并将所述第一问询节点标识为已问询节点；
接收所述第三问题的第三目标答案，计算所述用户的第二信用分值；
根据所述第三目标答案确定目标问询节点；
当所述目标问询节点的第二目标树的第二键值不为空，或者所述用户的第二信用分值大于或者等于所述预设的信用分阈值时，确定结束所述第一问答树的问询。
本实施例中，由于每一个问答树中包含有多个节点，每个节点包括多棵树的键值，具体地，所述多棵树的键值可以为所述节点指向第一目标树的键值或者结束当前问答树的键值，根据不同的问答树的键值执行不同的问询，提高了问询的灵活性。
进一步的，所述计算模块204计算所述用户的第二信用分值包括：
统计所有已问询节点的问题类型及对应的答案；
获取每个已问询节点的问题类型对应的预设第二权重阈值；
获取每个已问询节点的答案对应的预设第二信用阈值；
计算所述预设第二权重阈值与对应的所述预设第二信用阈值的乘积得到每个已问询节点对应的信用分值；
计算所述所有已问询节点的信用分值之和得到所述用户的第二信用分值。
本实施例中，所述第二信用分值为所有已问询节点的问题的预设第二权重阈值及对应的答案的预设第二信用阈值进行相乘后累加得到的总信用分值，所述第二信用分值表示所述用户的信用度，可以根据计算得到的所述第二信用分值与预设的信用分值进行比对，根据比对结果灵活的决定是否结束问询。
结束模块206：用于当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树。
本实施例中，所述第一目标树的键值不为空或者所述用户的第一信用分值小于所述预设的信用分阈值时，表示结束所述第一问答树的问询，但不能结束整个问询，需要开始下一课树的问询，问询的主题场景进行了切换。
第二问询模块207：用于从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
本实施例中，在进行场景切换后，从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，所述第二问答树的问询过程同所述第一问答树的问询过程。
在其他一些实施例中，所述智能问答装置包括：
所述确定模块202：还用于在确定与所述第二问询节点对应的第一目标树的同时确定与所述第二问询节点对应的第二目标树；
所述判断模块205：还用于判断所述第二颗树的第二键值是否为空；
所述结束模块206：还用于当确定所述第二颗树的第二键值不为空时，结束所述第一问答树的问询；
所述第二问询模块207：还用于当确定所述第二颗树的第二键值为空时，从所述第二问询节点的第二问题开始所述第一问答树的问询。
可替代的，在其他一些实施例中，当确定所述用户的第一信用分值小于所述预设的信用分阈值时，提取所有已问询节点对应的预设第一信用阈值，选取所述预设第一信用阈值排名后N的N个第二信用分值对应的N个问题；提取所述后N个问题对应的第二关键词；计算所述第二关键词的第三哈希值；根据所述第三哈希值配置第三问答树及对应的第四问询节点，并从所述第四问询节点的第三问题开始所述第三问答树的问询，所述第三问答树的问询过程同所述第一问答树的问询过程。
本实施例中，当确定所述用户的第一信用分值小于所述预设的信用分阈值时，确定所述用户对具体的某个主题的内容不明确，针对该主题进行详细问询，提高了问答的准确率。
本实施例中，当所述第一目标树的第一键值不为空及确定所述用户的第一信用分值小于所述预设的信用分阈值时，根据不同的维度的数据确定是否需要继续进行问询，并且问询的场景进行了切换到所述第一目标树的第一键值对应的第二问答树中进行问询，提高了配置问答树的效率及灵活性，同时提高了问询得到答案的正确率，进而提高了问答的准确率。
综上所述，本实施例所述的智能问答装置，当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询；当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树；判断所述第一目标树的第一键值是否为空；当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树；从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
本实施例，一方面，根据所述问询问题配置第一问答树及对应的第一问询节点，由于所有问答树及所有问答树的所有节点都是以键值对的形式存储在所述哈希表中，只需要知道问询问题的第一哈希值就可以快速的查找到对应的问答树及问询节点，提高了配置问答树的效率；另一方面，通过根据所述第一问题及所述第一问题的第一目标答案计算所述用户的第一信用分值，根据用户的第一信用分值的高低可以快速的确定问询问题的个数，提高了问询效率及问询得到的答案的正确性；最后，通过所述第一目标树的第一键值不为空及确定所述用户的第一信用分值小于所述预设的信用分阈值时，确定需要继续进行问询，并且问询的场景进行了切换到所述第一目标树的第一键值对应的第二问答树中进行问询，提高了配置问答树的效率及灵活性，提高了问答的准确率。
实施例三
参阅图3所示，为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中，所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解，图3示出的电子设备的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述电子设备3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/或信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述电子设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31用于存储程序代码和各种数据，例如安装在所述电子设备3中的智能问答装置20，并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述电子设备3的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行电子设备3的各种功能和处理数据。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出，所述电子设备3还可以包括给各个部件供电的电源(比如电池)，可选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中，结合图2，所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的智能问答装置20)、程序代码等，例如，上述的各个模块。
所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如，图2中所述的各个模块是存储在所述存储器31中的程序代码，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到智能问答的目的。
在本发明的一个实施例中，所述存储器31存储多个指令，所述多个指令被所述至少一个处理器32所执行以实现智能问答的功能。
具体地，所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
本实施例中，所述计算机可读存储介质存储有至少一个计算机可读指令，所述至少一个计算机可读指令被处理器执行时实现以下步骤：
当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询；
当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树；
判断所述第一目标树的第一键值是否为空；
当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树；
从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
在本发明所提供的几个实施例中，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，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来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能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，也可以采用硬件加软件功能模块的形式实现。
本发明还涉及数字医疗领域，所述智能问答方法、装置、电子设备及存储介质可应用于智慧医疗系统，例如用于智能问诊，智能就医等应用场景。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种智能问答方法，其特征在于，所述智能问答方法包括：
当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询；
当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树；
判断所述第一目标树的第一键值是否为空；
当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树；
从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
2.如权利要求1所述的智能问答方法，其特征在于，所述根据所述第一目标答案确定第二问询节点包括：
识别所述第一问题的类型；
当所述第一问题的类型为选择题时，将所述第一目标答案匹配到对应的目标问询节点上得到第二问询节点；
当所述第一问题的类型为自定义题目时，获取所述第一问题的预设的多个标准答案，计算所述第一目标答案与预设的每个标准答案的相似度，并选取相似度最高的预设的标准答案对应的问询节点作为所述第二问询节点。
3.如权利要求1所述的智能问答方法，其特征在于，所述方法还包括：
获取所述第一问题对应的预设第一权重阈值及所述第一目标答案的对应的预设第一信用阈值；
计算所述预设第一权重阈值与对应的所述预设第一信用阈值的乘积得到所述用户的第一信用分值；
判断所述用户的第一信用分值是否大于预设的信用分阈值；
当确定所述用户的第一信用分值小于所述预设的信用分阈值时，结束所述第一问答树的问询。
4.如权利要求1所述的智能问答方法，其特征在于，所述根据所述校验请求配置第一问答树及对应的第一问询节点包括：
获取所述检验请求中的第一关键词；
计算所述第一关键词的第一哈希值；
将所述第一哈希值与预设的多棵问答树的基准哈希值进行匹配，获取与所述第一哈希值匹配的目标基准哈希值，其中，所述基准哈希值与所述多棵问答树及问询节点存在映射关系；
根据所述映射关系配置与所述目标基准哈希值对应的第一问答树及第一问询节点。
5.如权利要求1所述的智能问答方法，其特征在于，所述方法还包括：
当确定所述第一目标树的第一键值为空时，确定所述第二问询节点的下一个问询节点，作为第三问询节点；
从所述第三问询节点的第三问题开始所述第一问答树的问询，并将所述第一问询节点标识为已问询节点；
接收所述第三问题的第三目标答案，计算所述用户的第二信用分值；
根据所述第三目标答案确定目标问询节点；
当所述目标问询节点的第二目标树的第二键值不为空，或者所述用户的第二信用分值大于或者等于所述预设的信用分阈值时，确定结束所述第一问答树的问询。
6.如权利要求5所述的智能问答方法，其特征在于，所述计算所述用户的第二信用分值包括：
统计所有已问询节点的问题类型及对应的答案；
获取每个已问询节点的问题类型对应的预设第二权重阈值；
获取每个已问询节点的答案对应的预设第二信用阈值；
计算所述预设第二权重阈值与对应的所述预设第二信用阈值的乘积得到每个已问询节点对应的信用分值；
计算所述所有已问询节点的信用分值之和得到所述用户的第二信用分值。
7.如权利要求1至6中任意一项所述的智能问答方法，其特征在于，所述方法还包括：
在确定与所述第二问询节点对应的第一目标树的同时确定与所述第二问询节点对应的第二目标树；
判断所述第二颗树的第二键值是否为空；
当确定所述第二颗树的第二键值不为空时，结束所述第一问答树的问询；
当确定所述第二颗树的第二键值为空时，从所述第二问询节点的第二问题开始所述第一问答树的问询。
8.一种智能问答装置，其特征在于，所述智能问答装置包括：
第一问询模块，用于当接收到用户输入的校验请求时，根据所述校验请求配置第一问答树及对应的第一问询节点，并从所述第一问询节点的第一问题开始所述第一问答树的问询；
确定模块，用于当接收到所述第一问题的第一目标答案时，根据所述第一目标答案确定第二问询节点，并确定与所述第二问询节点对应的第一目标树；
判断模块，用于判断所述第一目标树的第一键值是否为空；
结束模块，用于当确定所述第一目标树的第一键值不为空时，结束所述第一问答树的问询，并根据所述第一目标树的键值配置第二问答树；
第二问询模块，用于从所述第二问询节点的第二问题开始所述第二问答树的问询，并接收到所述第二问题的第二目标答案时，重复上述过程直至完成整个问答。
9.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的智能问答方法。
10.一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，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至7中任意一项所述的智能问答方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011092082.9A CN112182190A (zh) | 2020-10-13 | 2020-10-13 | 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 |
|---|---|---|---|
| CN202011092082.9A CN112182190A (zh) | 2020-10-13 | 2020-10-13 | 智能问答方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112182190A true CN112182190A (zh) | 2021-01-05 |
Family
ID=73949546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011092082.9A Pending CN112182190A (zh) | 2020-10-13 | 2020-10-13 | 智能问答方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112182190A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的系统及方法 |
| CN107861961A (zh) * | 2016-11-14 | 2018-03-30 | 平安科技（深圳）有限公司 | 对话信息生成方法和装置 |
| CN108595619A (zh) * | 2018-04-23 | 2018-09-28 | 海信集团有限公司 | 一种问答方法及设备 |
| CN109635122A (zh) * | 2018-11-28 | 2019-04-16 | 平安科技（深圳）有限公司 | 智能疾病问询方法、装置、设备及存储介质 |
| CN110069605A (zh) * | 2017-10-12 | 2019-07-30 | 天津深思维科技有限公司 | 一种带流程的电话机器人主动问询系统 |
| CN111737425A (zh) * | 2020-02-28 | 2020-10-02 | 北京沃东天骏信息技术有限公司 | 一种应答方法、装置、服务器及存储介质 |
| CN111753075A (zh) * | 2020-08-12 | 2020-10-09 | 腾讯科技（深圳）有限公司 | 客服机器人问答数据的创建方法、装置和计算机设备 |
| CN111753063A (zh) * | 2020-02-28 | 2020-10-09 | 北京沃东天骏信息技术有限公司 | 一种应答方法、装置、服务器及存储介质 |
-
2020
- 2020-10-13 CN CN202011092082.9A patent/CN112182190A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107861961A (zh) * | 2016-11-14 | 2018-03-30 | 平安科技（深圳）有限公司 | 对话信息生成方法和装置 |
| CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的系统及方法 |
| CN110069605A (zh) * | 2017-10-12 | 2019-07-30 | 天津深思维科技有限公司 | 一种带流程的电话机器人主动问询系统 |
| CN108595619A (zh) * | 2018-04-23 | 2018-09-28 | 海信集团有限公司 | 一种问答方法及设备 |
| CN109635122A (zh) * | 2018-11-28 | 2019-04-16 | 平安科技（深圳）有限公司 | 智能疾病问询方法、装置、设备及存储介质 |
| CN111737425A (zh) * | 2020-02-28 | 2020-10-02 | 北京沃东天骏信息技术有限公司 | 一种应答方法、装置、服务器及存储介质 |
| CN111753063A (zh) * | 2020-02-28 | 2020-10-09 | 北京沃东天骏信息技术有限公司 | 一种应答方法、装置、服务器及存储介质 |
| CN111753075A (zh) * | 2020-08-12 | 2020-10-09 | 腾讯科技（深圳）有限公司 | 客服机器人问答数据的创建方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111783439B (zh) | 人机交互对话处理方法、装置、计算机设备及存储介质 | |
| CN111639153A (zh) | 基于法律知识图谱的查询方法、装置、电子设备及介质 | |
| AU2017276360B2 (en) | A system for the automated semantic analysis processing of query strings | |
| CN110110049A (zh) | 服务咨询方法、装置、系统、服务机器人及存储介质 | |
| WO2021017734A1 (zh) | 一种实体消歧方法、装置、计算机设备及存储介质 | |
| CN113435582B (zh) | 基于句向量预训练模型的文本处理方法及相关设备 | |
| JP7436077B2 (ja) | スキルの音声ウェイクアップ方法および装置 | |
| CN113409823A (zh) | 语音情绪识别方法、装置、电子设备及存储介质 | |
| CN112214588A (zh) | 多意图识别方法、装置、电子设备及存储介质 | |
| CN114020892A (zh) | 基于人工智能的答案选取方法、装置、电子设备及介质 | |
| CN112395432B (zh) | 课程推送方法、装置、计算机设备及存储介质 | |
| WO2023272862A1 (zh) | 基于网络行为数据的风控识别方法、装置、电子设备及介质 | |
| CN112948553A (zh) | 法律智能问答方法、装置、电子设备及存储介质 | |
| CN113111159A (zh) | 问答记录生成方法、装置、电子设备及存储介质 | |
| CN112231453A (zh) | 一种智能问答方法、装置、计算机设备及存储介质 | |
| CN109829048B (zh) | 电子装置、访谈辅助方法和计算机可读存储介质 | |
| CN109033082B (zh) | 语义模型的学习训练方法、装置及计算机可读存储介质 | |
| CN112182190A (zh) | 智能问答方法、装置、电子设备及存储介质 | |
| CN110929526A (zh) | 样本生成方法、装置以及电子设备 | |
| CN116108276A (zh) | 基于人工智能的信息推荐方法、装置及相关设备 | |
| CN114817449A (zh) | 基于人工智能的文本搜索排序方法、装置及相关设备 | |
| CN112328752B (zh) | 基于搜索内容的课程推荐方法、装置、计算机设备及介质 | |
| CN114548114A (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
| CN113190668A (zh) | 基于多轮对话的人机交互方法、装置、设备及存储介质 | |
| CN113868396A (zh) | 基于知识图谱的任务类智能对话构建方法及系统 |
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 |