CN112328753A - 问答的处理方法、装置、计算设备及介质 - Google Patents
问答的处理方法、装置、计算设备及介质 Download PDFInfo
- Publication number
- CN112328753A CN112328753A CN202010815287.9A CN202010815287A CN112328753A CN 112328753 A CN112328753 A CN 112328753A CN 202010815287 A CN202010815287 A CN 202010815287A CN 112328753 A CN112328753 A CN 112328753A
- Authority
- CN
- China
- Prior art keywords
- rule
- question
- node
- target
- answer
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 13
- 238000013145 classification model Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 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
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种问答的处理方法,包括:识别用户的输入数据中包含的待解答问题;从多个规则集中确定与待解答问题关联的目标规则集;加载与目标规则集相关联的业务场景信息;根据业务场景信息和目标规则集,确定与待解答问题对应的目标答案;以及输出目标答案。本公开还提供了一种问答的处理装置、计算设备及介质。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种问答的处理方法、装置、计算设备及介质。
背景技术
大数据与深度学习技术的发展极大地推动了智能人机对话的发展,智能对话机器人如今随处可见。相关技术采用经训练的深度学习模型对用户所提的问题进行分类,以得到问题的答案。这种方法仅针对用户所提出的问题本身进行应答,没有考虑用户提问时的业务场景。即针对同一类问题,不论用户提问时的业务场景是否一样,都使用统一的答案进行应答,从而忽略了用户和场景的差异性,不够人性化,用户体验较差。
发明内容
有鉴于此,本公开提供了一种问答的处理的方法、装置、计算设备及介质。
本公开的一个方面提供了一种问答的处理方法,包括:识别用户的输入数据中包含的待解答问题;从多个规则集中确定与所述待解答问题关联的目标规则集;加载与所述目标规则集相关联的业务场景信息;根据所述业务场景信息和所述目标规则集,确定与所述待解答问题对应的目标答案;以及输出所述目标答案。
根据本公开的实施例,所述识别用户的输入数据中包含的待解答问题,包括:利用分类模型对所述输入数据进行分类,以识别所述输入数据包含的待解答问题。
根据本公开的实施例,所述识别用户的输入数据中包含的待解答问题,包括:从标准问题库中获取至少一个标准问题;以及确定所述至少一个标准问题中与所述输入数据相匹配的标准问题,作为所述待解答问题。
根据本公开的实施例,所述多个规则集中的每一个包括:至少一个规则节点,其中,所述规则节点包括至少一个节点规则和与所述至少一个节点规则一一对应的至少一个节点答案。
根据本公开的实施例,加载与所述目标规则集相关联的业务场景信息包括:确定与所述目标规则集的每个节点规则对应的业务场景信息;以及将所述业务场景信息加载至存储器中。
根据本公开的实施例,所述根据所述业务场景信息和所述目标规则集,确定与所述待解答问题对应的目标答案,包括:针对所述目标规则集的每个节点规则,确定所述节点规则与所述业务场景信息是否匹配;以及若所述节点规则与所述业务场景信息匹配,则确定与所述节点规则对应的节点答案作为所述目标答案。
本公开的另一个方面提供了一种问答的处理装置,包括:问题识别模块,用于识别用户的输入数据中包含的待解答问题;规则集确定模块,用于从多个规则集中确定与所述待解答问题关联的目标规则集;加载模块,用于加载与所述目标规则集相关联的业务场景信息;答案确定模块,用于根据所述业务场景信息和所述目标规则集,确定与所述待解答问题对应的目标答案;以及输出模块,用于输出所述目标答案。
根据本公开的实施例,所述多个规则集中的每一个包括:至少一个规则节点,其中,所述规则节点包括至少一个节点规则和与所述至少一个节点规则一一对应的至少一个节点答案;所述答案确定模块具体用于:针对所述目标规则集的每个节点规则,确定所述节点规则与所述业务场景信息是否匹配;若所述节点规则与所述业务场景信息匹配,则确定与所述节点规则对应的节点答案作为所述目标答案。
本公开的另一个方面提供了一种计算设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,从用户输入数据中识别的待解答问题,然后根据与待解答问题对应的规则集与背景信息,确定待解答问题的答案,从而实现了差异化、精细化应答,提升了应答的准确率及用户的应答体验。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用问答的处理方法的示例性系统架构;
图2示意性示出了根据本公开的实施例的问答的处理方法的流程图;
图3示意性示出了根据本公开实施例另一个实施例的规则集的创建方法的流程图;
图4示意性示出了根据本公开的实施例的规则集匹配的流程图;
图5示意性示出了根据本公开的实施例的执行引擎流程执行节点规则匹配操作的流程图;
图6示意性示出了根据本公开的实施例的问答的处理装置的框图;以及
图7示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种问答的处理方法以及能够应用该方法的装置。该方法包括识别用户的输入数据中包含的待解答问题;从多个规则集中确定与所述待解答问题关联的目标规则集;加载与所述目标规则集相关联的业务场景信息;根据所述业务场景信息和所述目标规则集,确定与所述待解答问题对应的目标答案;以及输出所述目标答案。
图1示意性示出了根据本公开实施例的可以应用问答的处理方法的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和应答系统105。网络104用以在终端设备101、102、103和应答系统105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与应答系统105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
应答系统105包括前置系统1051和后置系统1052。用户可以通过终端设备向应答系统105发送输入数据,输入数据首先传递到前置系统1051,前置系统1051通过意图识别、实体识别、问题匹配等操作,识别出输入数据中所包含的待解答问题。确定与该待解答问题对应的规则集,预加载规则集所对应的业务场景数据。将该规则集数据和业务场景数据输入后置系统1052中的执行引擎,以根据该规则集数据和业务场景数据,确定待解答问题的答案。
应该理解,图1中的终端设备、网络和应答系统的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和应答系统。
图2示意性示出了根据本公开的实施例的问答的处理方法的流程图。
如图2所示,该方法包括在操作S210,识别用户的输入数据中包含的待解答问题。
根据本公开的实施例,用户的输入数据例如可以为用户通过终端设备向应答系统发送的对话消息。
根据本公开的实施例,可以为待解答问题设置相应的问题标识,用于代表该待解答问题。
根据本公开的实施例,可以利用分类模型对输入数据进行分类,以识别输入数据包含的待解答问题。其中,分类模型例如包括语义识别模型、实体识别模型等。
根据本公开的另一实施例,还可以根据标准问题库识别待解答问题。更具体地,可以从标准问题库中获取至少一个标准问题,确定至少一个标准问题中与所述输入数据相匹配的标准问题,作为所述待解答问题。
根据本公开的另一实施例,还可以根据关键字匹配的方式识别待解答问题。示例性地,本实施例中,可以针对每个问题预设一个或多个关键字,这些关键字与该问题相对应。将关键字与输入数据进行匹配,若输入数据与关键字匹配,则表示输入数据包含该关键字所对应的问题。
需要说明的是,上述识别待解答问题的方法仅为示例,在实际应用中,还可以采用其他方式识别用户输入数据中包含的待解答问题。
然后,在操作S220,从多个规则集中确定与待解答问题关联的目标规则集。
根据本公开的实施例,预先将各种问题的问题标识与规则集的关联关系存储在数据表中。可以通过在数据表中查找与待解答问题的问题标识对应的规则集,来确定目标规则集。
根据本公开的实施例,多个规则集中的每一个包括至少一个规则节点。其中,规则节点包括至少一个节点规则和与至少一个节点规则一一对应的至少一个节点答案。
根据本公开的实施例,规则节点还可以包括节点标识,用于代表该规则节点。
根据本公开的实施例,规则集可以利用JavaScript脚本语言编写。JavaScript脚本适用面较广,采用JavaScript脚本编写规则集可以对后期支持跨平台迁移提供便利。另外,通过使用简单的脚本语言编写规则集,可以避免配置复杂规则树,不仅减少了规则数据存储的条数,而且降低了整体配置的复杂度及阅读成本。
在操作S230,加载与目标规则集相关联的业务场景信息。
根据本公开的实施例,操作S230例如可以包括确定与目标规则集的每个节点规则对应的业务场景信息,将业务场景信息加载至存储器中。其中,存储器例如可以为内存。
根据本公开的实施例,业务场景信息为匹配目标规则集中的节点规则时所需的信息。例如,节点规则包含关于用户等级、订单状态和物流状态等信息的判断规则,则业务场景信息可以包括用户等级、订单状态、物流状态等信息。
根据本公开的实施例,通过预加载数据,避免了实时加载数据所带给系统负荷的增大与执行性能的下降。
在操作S240,根据业务场景信息和目标规则集,确定与待解答问题对应的目标答案。
根据本公开的实施例,操作S240例如可以包括针对目标规则集的每个节点规则,确定节点规则与业务场景信息是否匹配,若节点规则与业务场景信息匹配,则确定与节点规则对应的节点答案作为目标答案。
在操作S250,输出目标答案。
根据本公开的实施例,可以将目标答案发送至终端设备,以使终端设备向用户展示目标答案,从而完成对待解答问题的答复。
根据本公开的实施例,从用户输入数据中识别的待解答问题,然后根据与待解答问题对应的规则集与背景信息,确定待解答问题的答案,从而实现了差异化、精细化应答,提升了应答的准确率及用户的应答体验。
下面参考图3,结合具体实施例对创建规则集的方法做进一步说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
图3示意性示出了根据本公开实施例另一个实施例的规则集的创建方法的流程图。如图3所示,规则集可以通过以下操作S310~S350创建。
具体地,在操作S310,新增规则集。
在操作S320,添加规则节点。
在操作S330,添加节点规则。
在操作S340,添加节点答案。
在操作S350,将规则节点与问题类别进行关联。
根据本公开的实施例,规则集可以包括一个或多个规则节点。每个规则节点包括节点标识、节点规则和节点答案。
根据本公开的实施例,节点标识可以用于代表该规则节点。同一个规则集中的规则节点的节点标识唯一。示例性地,本实施例中,可以将节点名称作为节点标识。
根据本公开的实施例,节点规则可以用于对与问题相关的业务场景信息进行判定,以确定问题的答案。若业务场景信息与节点规则匹配,则可确定该与节点规则对应的节点答案为问题的答案。
下面举例说明,业务场景信息包括用户等级userLevel、订单状态orderStatus、物流状态logisticsStatus。其中,用户等级包括1和2两个值,1表示普通用户,2表示金牌用户。订单状态包括1、2和3三个值,1表示已下单,2表示未付款,3表示已付款。物流状态包括1、2和3三个值,1表示未出库,2表示已出库,3表示运输中。基于此,如果需要编写一条用于匹配“金牌用户已下单并且已出库”这种业务场景的节点规则,则节点规则可以为:
“userLevel==2&&orderStatus==3&&logisticsStatus==2”。
根据本公开的实施例,节点答案为适用于节点规则所限定的业务场景的答案信息,可以根据实际业务场景要求进行配置。节点答案与节点规则一一对应。
根据本公开的实施例,可以将规则集与一个或多个问题标识进行关联,以方便索引。本实施例中,一个规则集可对应多个种类的问题,但一种问题只对应一个规则集。
下面参考图4~图5,结合具体实施例对图2所示的方法做进一步说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
图4示意性示出了根据本公开的实施例的规则集匹配的流程图。
如图4所示,本方案通过在用户进线时,前置系统将用户用所发送每一个问题通过算法识别或规则匹配识别成系统中唯一的问题标识。
然后,通过问题标识查找所对应的规则集,以确定是否有映射场景,如果当前问题标识没有所对应的规则集数据信息,则表示没有映射场景,直接返回针对当前问题标识配置的通用答案。该通用答案可以预先利用机器学习模型对问题内容本身进行分类得到或通过人工配置得到。在确定通用答案时,仅考虑问题内容本身,不考虑业务背景信息。通用答案可以在未查找到规则集或规则集中规则节点匹配失败时,提供备选答案。
如果问题标识匹配到规则集,则获取到该规则集数据并预加载当前规则集所需的业务场景数据,将这些数据一同传入规则引擎中进行执行节点规则匹配操作。
图5示意性示出了根据本公开的实施例的执行引擎流程执行节点规则匹配操作的流程图。
如图5所示,在进入执行引擎前,当前规则集所需的数据已加载完成,从而可以减少数据频繁加载对整体系统造成的系统消耗,提高了规则执行效率。
本实施例中,业务场景信息包括多个属性,例如用户等级、订单状态、物流状态。任何一个属性只会出现一种状态值。所以通过当前已加载好的数据,进行节点规则匹配,可以获取到该节点规则下唯一的答案。
然后,通过规则集中的每一个规则节点的节点规则与预加载数据进行匹配,如果匹配成功则返回当前规则节点配置的节点答案。如果匹配失败则检查是否还有后续规则节点。以此类推,循环匹配每个规则节点,一直到有匹配成功的规则节点或者无后续规则节点,执行引擎中止执行。如果整个规则集下都没有成功匹配的规则节点,则引擎返回空答案,系统将返回针对当前问题标识配置的通用答案。
图6示意性示出了根据本公开的实施例的问答的处理装置的框图。
如图6所示,装置600包括问题识别模块610、规则集确定模块620、加载模块630、答案确定模块640和输出模块650。
问题识别模块610,可以用于识别用户的输入数据中包含的待解答问题。
规则集确定模块620,可以用于从多个规则集中确定与待解答问题关联的目标规则集。
加载模块630,可以用于加载与目标规则集相关联的业务场景信息。
答案确定模块640,可以用于根据业务场景信息和目标规则集,确定与待解答问题对应的目标答案。
输出模块650,可以用于输出目标答案。
根据本公开的实施例,从用户输入数据中识别的待解答问题,然后根据与待解答问题对应的规则集与背景信息,确定待解答问题的答案,从而实现了差异化、精细化应答,提升了应答的准确率及用户的应答体验。
根据本公开的另一实施例,多个规则集中的每一个包括:至少一个规则节点,其中,规则节点包括至少一个节点规则和与至少一个节点规则一一对应的至少一个节点答案。答案确定模块可以具体用于:针对目标规则集的每个节点规则,确定节点规则与业务场景信息是否匹配;若节点规则与业务场景信息匹配,则确定与节点规则对应的节点答案作为目标答案。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,问题识别模块610、规则集确定模块620、加载模块630、答案确定模块640和输出模块650中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,问题识别模块610、规则集确定模块620、加载模块630、答案确定模块640和输出模块650中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,问题识别模块610、规则集确定模块620、加载模块630、答案确定模块640和输出模块650中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图7示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的方框图。图7示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,根据本公开实施例的计算机系统700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有系统700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统700还可以包括输入/输出(I/O)接口705,输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种问答的处理方法,包括:
识别用户的输入数据中包含的待解答问题;
从多个规则集中确定与所述待解答问题关联的目标规则集;
加载与所述目标规则集相关联的业务场景信息;
根据所述业务场景信息和所述目标规则集,确定与所述待解答问题对应的目标答案;以及
输出所述目标答案。
2.根据权利要求1所述的方法,其中,所述识别用户的输入数据中包含的待解答问题,包括:
利用分类模型对所述输入数据进行分类,以识别所述输入数据包含的待解答问题。
3.根据权利要求1所述的方法,其中,所述识别用户的输入数据中包含的待解答问题,包括:
从标准问题库中获取至少一个标准问题;以及
确定所述至少一个标准问题中与所述输入数据相匹配的标准问题,作为所述待解答问题。
4.根据权利要求1所述的方法,其中,所述多个规则集中的每一个包括:至少一个规则节点,其中,所述规则节点包括至少一个节点规则和与所述至少一个节点规则一一对应的至少一个节点答案。
5.根据权利要求4所述的方法,其中,加载与所述目标规则集相关联的业务场景信息包括:
确定与所述目标规则集的每个节点规则对应的业务场景信息;以及
将所述业务场景信息加载至存储器中。
6.根据权利要求4所述的方法,其中,所述根据所述业务场景信息和所述目标规则集,确定与所述待解答问题对应的目标答案,包括:
针对所述目标规则集的每个节点规则,确定所述节点规则与所述业务场景信息是否匹配;以及
若所述节点规则与所述业务场景信息匹配,则确定与所述节点规则对应的节点答案作为所述目标答案。
7.一种问答的处理装置,包括:
问题识别模块,用于识别用户的输入数据中包含的待解答问题;
规则集确定模块,用于从多个规则集中确定与所述待解答问题关联的目标规则集;
加载模块,用于加载与所述目标规则集相关联的业务场景信息;
答案确定模块,用于根据所述业务场景信息和所述目标规则集,确定与所述待解答问题对应的目标答案;以及
输出模块,用于输出所述目标答案。
8.根据权利要求7所述的装置,其中,所述多个规则集中的每一个包括:至少一个规则节点,其中,所述规则节点包括至少一个节点规则和与所述至少一个节点规则一一对应的至少一个节点答案;
所述答案确定模块具体用于:针对所述目标规则集的每个节点规则,确定所述节点规则与所述业务场景信息是否匹配;若所述节点规则与所述业务场景信息匹配,则确定与所述节点规则对应的节点答案作为所述目标答案。
9.一种计算设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至6中任一项的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至6中任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815287.9A CN112328753A (zh) | 2020-08-13 | 2020-08-13 | 问答的处理方法、装置、计算设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815287.9A CN112328753A (zh) | 2020-08-13 | 2020-08-13 | 问答的处理方法、装置、计算设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112328753A true CN112328753A (zh) | 2021-02-05 |
Family
ID=74303640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010815287.9A Pending CN112328753A (zh) | 2020-08-13 | 2020-08-13 | 问答的处理方法、装置、计算设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112328753A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180107648A1 (en) * | 2016-10-19 | 2018-04-19 | International Business Machines Corporation | System and method for supplementing a question answering system with mixed-language source documents |
CN109299476A (zh) * | 2018-11-28 | 2019-02-01 | 北京羽扇智信息科技有限公司 | 问答方法、装置、电子设备及存储介质 |
CN110795548A (zh) * | 2019-10-25 | 2020-02-14 | 招商局金融科技有限公司 | 智能问答方法、装置及计算机可读存储介质 |
CN110837549A (zh) * | 2019-11-06 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及存储介质 |
-
2020
- 2020-08-13 CN CN202010815287.9A patent/CN112328753A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180107648A1 (en) * | 2016-10-19 | 2018-04-19 | International Business Machines Corporation | System and method for supplementing a question answering system with mixed-language source documents |
CN109299476A (zh) * | 2018-11-28 | 2019-02-01 | 北京羽扇智信息科技有限公司 | 问答方法、装置、电子设备及存储介质 |
CN110795548A (zh) * | 2019-10-25 | 2020-02-14 | 招商局金融科技有限公司 | 智能问答方法、装置及计算机可读存储介质 |
CN110837549A (zh) * | 2019-11-06 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
董黎明: "《大规模空间数据可视化关键技术研究》", 31 January 2020, 北京:中国宇航出版社, pages: 21 - 22 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11544639B2 (en) | Data source-based service customizing device, method and system, and storage medium | |
CN109359194B (zh) | 用于预测信息类别的方法和装置 | |
CN108287708B (zh) | 一种数据处理方法、装置、服务器及计算机可读存储介质 | |
CN109976995B (zh) | 用于测试的方法和装置 | |
CN113378835B (zh) | 标注模型训练、样本标注方法及相关装置 | |
CN110764760B (zh) | 用于绘制程序流程图的方法、装置、计算机系统和介质 | |
US10839168B2 (en) | Dynamic automation of pipeline creation | |
CN116860949A (zh) | 问答处理方法、装置、系统、计算设备及计算机存储介质 | |
CN112965916B (zh) | 页面测试方法、页面测试装置、电子设备及可读存储介质 | |
CN110750633B (zh) | 用于确定问题的答案的方法及装置 | |
CN110489326B (zh) | 基于ids的httpapi调试方法装置、介质和设备 | |
CN111949510B (zh) | 测试处理方法、装置、电子设备及可读存储介质 | |
CN112214770A (zh) | 恶意样本的识别方法、装置、计算设备以及介质 | |
CN113051381B (zh) | 信息质检方法、装置、计算机系统和计算机可读存储介质 | |
CN112328753A (zh) | 问答的处理方法、装置、计算设备及介质 | |
CN112328763A (zh) | 意图识别的方法、装置、对话方法和系统 | |
CN112308090B (zh) | 图像分类方法及装置 | |
CN110471708B (zh) | 基于可重用组件的配置项获取的方法及装置 | |
CN114281964A (zh) | 对话技能服务的确定方法、装置、电子设备及存储介质 | |
CN113656041A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111949259A (zh) | 风险决策配置方法、系统、电子设备及存储介质 | |
CN111310858A (zh) | 用于生成信息的方法和装置 | |
CN112068814A (zh) | 可执行文件的生成方法、装置、系统及介质 | |
CN110990528A (zh) | 一种问答方法、装置及电子设备 | |
CN113626301A (zh) | 生成测试脚本的方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210525 Address after: 100176 room 1004, 10th floor, building 1, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Beijing Huijun Technology Co.,Ltd. Address before: Room A402, 4th floor, building 2, No.18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: BEIJING WODONG TIANJUN INFORMATION TECHNOLOGY Co.,Ltd. Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd. |
|
TA01 | Transfer of patent application right |