CN112699224B - 问答对话方法、装置、电子设备及计算机可读存储介质 - Google Patents

问答对话方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112699224B
CN112699224B CN201911006489.2A CN201911006489A CN112699224B CN 112699224 B CN112699224 B CN 112699224B CN 201911006489 A CN201911006489 A CN 201911006489A CN 112699224 B CN112699224 B CN 112699224B
Authority
CN
China
Prior art keywords
question
questions
target user
standard
determining
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
Application number
CN201911006489.2A
Other languages
English (en)
Other versions
CN112699224A (zh
Inventor
乔举义
原家鹏
孙航达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CITIC Aibank Corp Ltd
Original Assignee
CITIC Aibank Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CITIC Aibank Corp Ltd filed Critical CITIC Aibank Corp Ltd
Priority to CN201911006489.2A priority Critical patent/CN112699224B/zh
Publication of CN112699224A publication Critical patent/CN112699224A/zh
Application granted granted Critical
Publication of CN112699224B publication Critical patent/CN112699224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3322Query formulation using system suggestions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种问答对话方法、装置、电子设备及计算机可读存储介质,应用于计算机技术领域,其中该方法包括:通过获取目标用户的问题,然后确定目标用户的问题对应的标准问,继而基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户。即基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户,在确定推荐问时考虑目标用户在使用该问答系统的行为模式,举例来说,用户在问完A问题之后,又问了B问题,在确定推荐问时考虑用户问完A问题之后又问B问题的行为模式,从而能提升推荐问的命中率(即推荐问与目标用户想要提问的问题相同)。

Description

问答对话方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及计算机技术领域,具体而言,本申请涉及一种问答对话方法、装置、电子设备及计算机可读存储介质。
背景技术
较传统人工客服相比,由于智能问答客服具有可以大幅度提升客户服务效率、缩短用户等待时间、7x24小时提供专业的客户服务等优点,智能问答客服广受广大服务提供商青睐。
目前,智能问答主要依赖于前期导入的知识库,然后利用相似度算法计算问题与知识库中存储的标准问题的距离,最后反馈对应标准问的标准回答以及与标准问语义近似的推荐问。然而,根据现有的依据语义近似确定推荐问的方法,推荐问依赖于命中标准问的语义近似程度,没有考虑用户在使用该问答系统的行为模式,从而导致推荐问与用户想要提问的问题偏离较远,因此,现有技术存在推荐问命中率较低的问题。
发明内容
本申请提供了一种问答对话方法、装置、电子设备及计算机可读存储介质,用于提升推荐问的命中率,本申请采用的技术方案如下:
第一方面,提供了一种问答对话方法,该方法包括,
获取目标用户的问题;
确定目标用户的问题对应的标准问;
基于标准问通过近邻问算法确定目标用户的问题对应的推荐问;
将推荐问反馈至目标用户。
可选地,该方法还包括:
将标准问和/或标准问对应的答案反馈至目标用户。
可选地,基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,包括:
从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
基于确定的至少一个近邻问确定与目标用户的问题对应的推荐问。
可选地,基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,包括:
从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
通过相似度计算方法确定与标准问相似的至少一个候选问;
基于至少一个近邻问与至少一个候选问确定目标用户的问题对应的推荐问。
可选地,基于确定的至少一个近邻问确定与目标用户的问题对应的推荐问,包括:
对至少一个近邻问取并集,得到消重后的近邻问;
分别计算各个消重后的近邻问的权重值,权重值基于各个用户的相应近邻问到标准问的距离确定;
基于各个消重后的近邻问的权重值,确定与目标用户的问题对应的推荐问。
可选地,该方法还包括:
基于各个消重后的近邻问的权重值,确定出权重值最高的近邻问;
将权重值最高的近邻问的答案与标准问的答案进行融合,得到融合后的答案;
将融合后的答案反馈至目标用户。
可选地,该方法还包括:
获取第二目标用户的问题;
当基于第二目标用户的问题确定的标准问与目标用户的问题对应的标准问相同时,将融合后的答案反馈至第二目标用户。
第二方面,提供了一种问答对话装置,该装置包括,
第一获取模块,用于获取目标用户的问题;
第一确定模块,用于确定目标用户的问题对应的标准问;
第二确定模块,用于基于标准问通过近邻问算法确定目标用户的问题对应的推荐问;
第一反馈模块,将推荐问反馈至目标用户。
可选地,该装置还包括:
第二反馈模块,用于将标准问和/或标准问对应的答案反馈至目标用户。
可选地,第二确定模块包括:
第一确定单元,用于从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
第二确定单元,用于基于确定的至少一个近邻问确定与目标用户的问题对应的推荐问。
可选地,第二确定模块包括:
第三确定单元,用于从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
第四确定单元,用于通过相似度计算方法确定与标准问相似的至少一个候选问;
第五确定单元,用于基于至少一个近邻问与至少一个候选问确定目标用户的问题对应的推荐问。
可选地,第二确定单元包括:
消重子单元,用于对至少一个近邻问取并集,得到消重后的近邻问;
计算子单元,用于分别计算各个消重后的近邻问的权重值,权重值基于各个用户的相应近邻问到标准问的距离确定;
确定子单元,用于基于各个消重后的近邻问的权重值,确定与目标用户的问题对应的推荐问。
可选地,该装置还包括:
基于各个消重后的近邻问的权重值,确定出权重值最高的近邻问;
将权重值最高的近邻问的答案与标准问的答案进行融合,得到融合后的答案;
将融合后的答案反馈至目标用户。
可选地,该装置还包括:
第二获取模块,用于获取第二目标用户的问题;
第四反馈模块,用于当基于第二目标用户的问题确定的标准问与目标用户的问题对应的标准问相同时,将融合后的答案反馈至第二目标用户。
第三方面,提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行第一方面所示的问答对话方法。
第四方面,提供了一种计算机可读存储介质,计算机存储介质用于存储计算机指令,当其在计算机上运行时,使得计算机可以执行第一方面所示的问答对话方法。
本申请提供了一种问答对话方法、装置、电子设备及计算机可读存储介质,与现有技术依据语义近似确定推荐问相比,本申请通过获取目标用户的问题,然后确定目标用户的问题对应的标准问,继而基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户。即基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户,在确定推荐问时考虑目标用户在使用该问答系统的行为模式,举例来说,用户在问完A问题之后,又问了B问题,在确定推荐问时考虑用户问完A问题之后又问B问题的行为模式,从而能提升推荐问的命中率(即推荐问与目标用户想要提问的问题相同)。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例的一种问答对话方法的流程示意图;
图2为本申请实施例的一种问答对话装置的结构示意图;
图3为本申请实施例的另一种问答对话装置的结构示意图;
图4为本申请实施例的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,各实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
本申请实施例提供了一种问答对话方法,如图1所示,该方法可以包括以下步骤:
步骤S101,获取目标用户的问题;
具体地,获取目标用户问题,其中,该问题可以是目标用户通过相应终端设备的实体或虚拟键盘输入的,也可以是目标用户通过语音输入的,可以通过相应的语音识别方法,识别得到该目标用户的问题。
步骤S102,确定目标用户的问题对应的标准问;
具体地,可以通过相应的相似度计算方法,从问题库中确定出与目标用户的问题对应的标准问,其中,可以通过相应的词嵌入方法得到目标用户的问题的向量表征,然后计算目标用户的问题的向量表征与预存储的问题的向量表征的相似度,基于相似度计算结果,确定出目标用户的问题对应的标准问。
步骤S103,基于标准问通过近邻问算法确定目标用户的问题对应的推荐问;
具体地,基于确定的标准问,通过邻近问算法确定目标用户的问题对应的推荐问,其中,邻近问算法用于基于其他问题与标准问之间的距离确定出相应问题作为推荐问,其中,其他问题与标准问之间的距离为标准问与相应问题间隔的问题数量,举例来说,用户问完A问题之后,又分别依次问了问题B、问题C、问题D,如果A为标准问,则标准问与问题B的距离为0,与问题C的距离为1,与问题D的距离为2;如果B为标准问,则标准问与问题A的距离为0、与问题C的距离为0、与问题D的距离为1。
步骤S104,将推荐问反馈至目标用户。
具体地,将推荐问反馈至目标用户,其中,可以将推荐问显示在相应的终端屏幕上,也可以通过语音播报的方式向用户提示。
本申请实施例提供了一种问答对话方法,与现有技术依据语义近似确定推荐问相比,本申请实施例通过获取目标用户的问题,然后确定目标用户的问题对应的标准问,继而基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户。即基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户,在确定推荐问时考虑目标用户在使用该问答系统的行为模式,举例来说,用户在问完A问题之后,又问了B问题,在确定推荐问时考虑用户问完A问题之后又问B问题的行为模式,从而能提升推荐问的命中率(即推荐问与目标用户想要提问的问题相同)。
本申请实施例提供了一种可能的实现方式,进一步地,该方法还包括:
步骤S105(图中未示出),将标准问和/或标准问对应的答案反馈至目标用户。
具体地,通过确定的标准问,基于标准问与相应的答案之间的映射关系,确定对应的答案,将标准问和/或标准问对应的答案反馈至目标用户,其中,标准问和/或标准问对应的答案可以通过终端设备的显示屏幕显示,也可以通过语音播报的方式提示。
对于本申请实施例,解决了目标用户的问题对应的答案的反馈问题。
本申请实施例提供了一种可能的实现方式,步骤S103包括:
步骤S1031(图中未示出),从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
具体地,与标准问的距离表示相应问题与标准问之间的问题的数量,举例来说,用户问完A问题之后,又分别依次问了问题B、问题C、问题D,如果A为标准问,则标准问与问题B的距离为0,与问题C的距离为1,与问题D的距离为2;如果B为标准问,则标准问与问题A的距离为0、与问题C的距离为0、与问题D的距离为1。
具体地,从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,
示例性地,用户1依次问了问题Q、问题A、问题B、问题C、问题D、问题E、问题F;用户2依次问了问题Q、问题A、问题D、问题E、问题F、问题B、问题C;用户3依次问了问题Q、问题A、问题F、问题D、问题E、问题B、问题C。其中,问题Q为标准问,预设的阈值为2,则确定出的邻近问为问题A、问题B、问题C;问题A、问题D、问题E;问题A、问题F、问题D。
步骤S1032(图中未示出),基于确定的至少一个近邻问确定与目标用户的问题对应的推荐问。
具体地,基于确定出的至少一个近邻问确定与目标用户的问题对应的推荐问。
对于本申请实施例,解决了推荐问的确定问题。
本申请实施例提供了一种可能的实现方式,具体地,步骤S103包括:
步骤S1033(图中未示出),从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
步骤S1034(图中未示出),通过相似度计算方法确定与标准问相似的至少一个候选问;
步骤S1035(图中未示出),基于至少一个近邻问与至少一个候选问确定目标用户的问题对应的推荐问。
具体地,从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,通过相似度计算方法确定与标准问相似的至少一个候选问,然后基于确定的至少一个近邻问与至少一个候选问确定目标用户的问题对应的推荐问。其中,可以从邻近问、候选问分别确定相应比例或数量推荐问反馈至用户。
对于本申请实施例,从邻近问、候选问分别确定相应比例或数量推荐问反馈至用户,丰富了推荐问的维度,进而能提升推荐问的命中率。
本申请实施例提供了一种可能的实现方式,具体地,步骤S1032(图中未示出)包括:
步骤S10321(图中未示出),对至少一个近邻问取并集,得到消重后的近邻问;
示例性地,用户1依次问了问题Q、问题A、问题B、问题C、问题D、问题E、问题F;用户2依次问了问题Q、问题A、问题D、问题E、问题F、问题B、问题C;用户3依次问了问题Q、问题A、问题F、问题D、问题E、问题B、问题C。其中,问题Q为标准问,预设的阈值为2,则确定出的邻近问为问题A、问题B、问题C;问题A、问题D、问题E;问题A、问题F、问题D。对确定出的邻近问取并集得到的问题集为:问题A、问题B、问题C、问题D、问题E、问题F。
步骤S10322(图中未示出),分别计算各个消重后的近邻问的权重值,权重值基于各个用户的相应近邻问到标准问的距离确定;
示例性地,1、前提1)假设计算距离阈值为N的推荐问;2)对于标准问Q,在同一会话记录中,与该问题相隔x个问题,记为距离x;3)每个问题的权重,依据与目标问Q的距离,记为N-x,即离得越近,权重越大,推荐度越高,离得越远,权重越低,推荐度越小;
2获取包含该目标问Q的所有问题集集合S;
3计算每一条用户记录中与Q距离为N的问题Qi的推荐分值,并计算总分值(即权重值):
示例性地,接上述例子,问题Q为标准问时,问题A的权重值为9(3+3+3),问题B的权重值为2(2+0+0),问题C的权重值为1(1+0+0),问题D的权重值为3(0+2+1),问题E的权重值为1(0+1+0),问题F的权重值为2(0+2+0)。
步骤S10323(图中未示出),基于各个消重后的近邻问的权重值,确定与目标用户的问题对应的推荐问。
具体地,基于各个消重后的近邻问的权重值,确定与目标用户的问题对应的推荐问,其中,可以根据权重值的排序结果,选择相应数量的推荐问。
对于本申请实施例,根据近邻问的权重值,确定相应的推荐问,解决了推荐问的确定问题。
本申请实施例提供了一种可能的实现方式,进一步地,该方法还包括:
步骤S106(图中未示出),基于各个消重后的近邻问的权重值,确定出权重值最高的近邻问;
步骤S107(图中未示出),将权重值最高的近邻问的答案与标准问的答案进行融合,得到融合后的答案;
步骤S108(图中未示出),将融合后的答案反馈至目标用户。
具体地,可以获取权重值最高的近邻问对应的答案,并将该答案与标准问的答案进行融合(如拼接),并将融合后的答案推荐给目标用户。
对于本申请实施例,基于权重值最高的邻近问的答案,对标准问的答案进行补充,从而能够减少用户获取相应问题答案的程序,减少了获取问题答案所耗费的时间,提升了用户体验。
本申请实施例提供了一种可能的实现方式,进一步地,该方法还包括:
步骤S109(图中未示出),获取第二目标用户的问题;
步骤S110(图中未示出),当基于第二目标用户的问题确定的标准问与目标用户的问题对应的标准问相同时,将融合后的答案反馈至第二目标用户。
具体地,可以将权重值最高的近邻问的答案与标准问的答案进行融合后得到的融合后的答案进行存储,当第二目标用户的问题对应的标准问与目标用户的问题对应的标准问相同时,将融合后的答案反馈至第二目标用户,其中,第二目标用户与目标用户可以相同,也可以不相同。
对于本申请实施例,对标准问对应的答案进行补充或更新,解决了现有技术中强依赖当前答案的质量的好坏问题,能够减少用户获取相应问题答案的程序,减少了获取问题答案所耗费的时间,提升了用户体验。
图2为本申请实施例提供的一种问答对话装置,该装置20包括:第一获取模块201、第一确定模块202、第二确定模块203、第一反馈模块204,其中,
第一获取模块201,用于获取目标用户的问题;
第一确定模块202,用于确定目标用户的问题对应的标准问;
第二确定模块203,用于基于标准问通过近邻问算法确定目标用户的问题对应的推荐问;
第一反馈模块204,将推荐问反馈至目标用户。
本申请实施例提供了一种问答对话装置,与现有技术依据语义近似确定推荐问相比,本申请通过获取目标用户的问题,然后确定目标用户的问题对应的标准问,继而基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户。即基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户,在确定推荐问时考虑目标用户在使用该问答系统的行为模式,举例来说,用户在问完A问题之后,又问了B问题,在确定推荐问时考虑用户问完A问题之后又问B问题的行为模式,从而能提升推荐问的命中率(即推荐问与目标用户想要提问的问题相同)。
本实施例的问答对话装置可执行本申请上述实施例中提供的一种问答对话方法,其实现原理相类似,此处不再赘述。
如图4所示,本申请实施例提供了另一种问答对话装置,该装置40包括:第一获取模块301、第一确定模块302、第二确定模块303、第一反馈模块304,其中,
第一获取模块301,用于获取目标用户的问题;
其中,图3中的第一获取模块301与图2中的第一获取模块201的功能相同或者相似。
第一确定模块302,用于确定目标用户的问题对应的标准问;
其中,图3中的第一确定模块302与图2中的第一确定模块202的功能相同或者相似。
第二确定模块303,用于基于标准问通过近邻问算法确定目标用户的问题对应的推荐问;
其中,图3中的第二确定模块303与图2中的第二确定模块203的功能相同或者相似。
第一反馈模块304,将推荐问反馈至目标用户。
其中,图3中的第一反馈模块304与图2中的第一反馈模块204的功能相同或者相似。
本申请实施例还提供了一种可能的实现方式,进一步地,该装置30还包括:
第二反馈模块305,用于将标准问和/或标准问对应的答案反馈至目标用户。
对于本申请实施例,解决了目标用户的问题对应的答案的反馈问题。
本申请实施例提供了一种可能的实现方式,具体地,第二确定模块303包括:
第一确定单元3031(图中未示出),用于从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
第二确定单元3032(图中未示出),用于基于确定的至少一个近邻问确定与目标用户的问题对应的推荐问。
对于本申请实施例,解决了推荐问的确定问题。
本申请实施例提供了一种可能的实现方式,具体地,第二确定模块303包括:
第三确定单元3033(图中未示出),用于从至少一个用户的历史问题数据中确定出与标准问的距离在预设的阈值范围内的至少一个近邻问,与标准问的距离表示相应问题与标准问之间的问题的数量;
第四确定单元3034(图中未示出),用于通过相似度计算方法确定与标准问相似的至少一个候选问;
第五确定单元3035(图中未示出),用于基于至少一个近邻问与至少一个候选问确定目标用户的问题对应的推荐问。
对于本申请实施例,从邻近问、候选问分别确定相应比例或数量推荐问反馈至用户,丰富了推荐问的维度,进而能提升推荐问的命中率。
本申请实施例提供了一种可能的实现方式,具体地,第二确定单元3032包括:
消重子单元(图中未示出),用于对至少一个近邻问取并集,得到消重后的近邻问;
计算子单元(图中未示出),用于分别计算各个消重后的近邻问的权重值,权重值基于各个用户的相应近邻问到标准问的距离确定;
确定子单元(图中未示出),用于基于各个消重后的近邻问的权重值,确定与目标用户的问题对应的推荐问。
对于本申请实施例,根据近邻问的权重值,确定相应的推荐问,解决了推荐问的确定问题。
本申请实施例提供了一种可能的实现方式,进一步地,该装置还包括:
第三确定模块306,用于基于各个消重后的近邻问的权重值,确定出权重值最高的近邻问;
融合模块307,用于将权重值最高的近邻问的答案与标准问的答案进行融合,得到融合后的答案;
第三反馈模块308,用于将融合后的答案反馈至目标用户。
对于本申请实施例,基于权重值最高的邻近问的答案,对标准问的答案进行补充,从而能够减少用户获取相应问题答案的程序,减少了获取问题答案所耗费的时间,提升了用户体验。
本申请实施例提供了一种可能的实现方式,进一步地,该装置还包括:
第二获取模块309,用于获取第二目标用户的问题;
第四反馈模块310,用于当基于第二目标用户的问题确定的标准问与目标用户的问题对应的标准问相同时,将融合后的答案反馈至第二目标用户。
对于本申请实施例,对标准问对应的答案进行补充或更新,解决了现有技术中强依赖当前答案的质量的好坏问题,能够减少用户获取相应问题答案的程序,减少了获取问题答案所耗费的时间,提升了用户体验。
本申请实施例提供了一种问答对话装置,与现有技术依据语义近似确定推荐问相比,本申请通过获取目标用户的问题,然后确定目标用户的问题对应的标准问,继而基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户。即基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户,在确定推荐问时考虑目标用户在使用该问答系统的行为模式,举例来说,用户在问完A问题之后,又问了B问题,在确定推荐问时考虑用户问完A问题之后又问B问题的行为模式,从而能提升推荐问的命中率(即推荐问与目标用户想要提问的问题相同)。
本申请实施例提供了一种问答对话装置,适用于上述实施例所示的方法,在此不再赘述。
本申请实施例提供了一种电子设备,如图4所示,图4所示的电子设备40包括:处理器401和存储器403。其中,处理器401和存储器403相连,如通过总线402相连。进一步地,服务器40还可以包括收发器404。需要说明的是,实际应用中收发器404不限于一个,该服务器40的结构并不构成对本申请实施例的限定。其中,处理器401应用于本申请实施例中,用于实现图2或图3所示的第一获取模块、第一确定模块、第二确定模块及第一反馈模块的功能,以及图3所示的第二反馈模块、第三确定模块、融合模块、第三反馈模块的功能。收发器404包括接收机和发射机。
处理器401可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器401也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线402可包括一通路,在上述组件之间传送信息。总线402可以是PCI总线或EISA总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图4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。
存储器403可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器403用于存储执行本申请方案的应用程序代码,并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码,以实现图2或图3所示实施例提供的问答对话装置的功能。
本申请实施例提供了一种电子设备,与现有技术依据语义近似确定推荐问相比,本申请通过获取目标用户的问题,然后确定目标用户的问题对应的标准问,继而基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户。即基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户,在确定推荐问时考虑目标用户在使用该问答系统的行为模式,举例来说,用户在问完A问题之后,又问了B问题,在确定推荐问时考虑用户问完A问题之后又问B问题的行为模式,从而能提升推荐问的命中率(即推荐问与目标用户想要提问的问题相同)。
本申请实施例提供了一种电子设备适用于上述方法实施例。在此不再赘述。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述实施例中所示的方法。
本申请实施例提供了一种计算机可读存储介质,与现有技术依据语义近似确定推荐问相比,本申请通过获取目标用户的问题,然后确定目标用户的问题对应的标准问,继而基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户。即基于标准问通过近邻问算法确定目标用户的问题对应的推荐问,最后将推荐问反馈至目标用户,在确定推荐问时考虑目标用户在使用该问答系统的行为模式,举例来说,用户在问完A问题之后,又问了B问题,在确定推荐问时考虑用户问完A问题之后又问B问题的行为模式,从而能提升推荐问的命中率(即推荐问与目标用户想要提问的问题相同)。
本申请实施例提供了一种计算机可读存储介质适用于上述方法实施例。在此不再赘述。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (8)

1.一种问答对话方法,其特征在于,包括:
获取目标用户的问题;
确定所述目标用户的问题对应的标准问;
基于所述标准问通过近邻问算法确定所述目标用户的问题对应的推荐问,包括:
从至少一个用户的历史问题数据中确定出与所述标准问的距离在预设的阈值范围内的至少一个近邻问,所述与所述标准问的距离表示相应问题与所述标准问之间的问题的数量;
基于确定的所述至少一个近邻问确定与所述目标用户的问题对应的推荐问;
所述基于确定的所述至少一个近邻问确定与所述目标用户的问题对应的推荐问,包括:
对所述至少一个近邻问取并集,得到消重后的近邻问;
分别计算各个所述消重后的近邻问的权重值,所述权重值基于各个用户的相应近邻问到标准问的距离确定;
基于各个所述消重后的近邻问的权重值,确定与所述目标用户的问题对应的推荐问;
将所述推荐问反馈至所述目标用户。
2.根据权利要求1所述的方法,其特征在于,该方法还包括:
将所述标准问和/或所述标准问对应的答案反馈至所述目标用户。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述标准问通过近邻问算法确定所述目标用户的问题对应的推荐问,包括:
从至少一个用户的历史问题数据中确定出与所述标准问的距离在预设的阈值范围内的至少一个近邻问,所述与所述标准问的距离表示相应问题与所述标准问之间的问题的数量;
通过相似度计算方法确定与所述标准问相似的至少一个候选问;
基于所述至少一个近邻问与所述至少一个候选问确定所述目标用户的问题对应的推荐问。
4.根据权利要求1所述的方法,其特征在于,该方法还包括:
基于各个所述消重后的近邻问的权重值,确定出权重值最高的近邻问;
将所述权重值最高的近邻问的答案与所述标准问的答案进行融合,得到融合后的答案;
将融合后的答案反馈至所述目标用户。
5.根据权利要求4所述的方法,其特征在于,该方法还包括:
获取第二目标用户的问题;
当基于所述第二目标用户的问题确定的标准问与所述目标用户的问题对应的标准问相同时,将所述融合后的答案反馈至所述第二目标用户。
6.一种问答对话装置,其特征在于,包括:
第一获取模块,用于获取目标用户的问题;
第一确定模块,用于确定所述目标用户的问题对应的标准问;
第二确定模块,用于基于所述标准问通过近邻问算法确定所述目标用户的问题对应的推荐问,包括:
从至少一个用户的历史问题数据中确定出与所述标准问的距离在预设的阈值范围内的至少一个近邻问,所述与所述标准问的距离表示相应问题与所述标准问之间的问题的数量;
基于确定的所述至少一个近邻问确定与所述目标用户的问题对应的推荐问;
所述基于确定的所述至少一个近邻问确定与所述目标用户的问题对应的推荐问,包括:
对所述至少一个近邻问取并集,得到消重后的近邻问;
分别计算各个所述消重后的近邻问的权重值,所述权重值基于各个用户的相应近邻问到标准问的距离确定;
基于各个所述消重后的近邻问的权重值,确定与所述目标用户的问题对应的推荐问;
第一反馈模块,将所述推荐问反馈至所述目标用户。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行根据权利要求1至5任一项所述的问答对话方法。
8.一种计算机可读存储介质,其特征在于,所述计算机存储介质用于存储计算机指令,当其在计算机上运行时,使得计算机可以执行上述权利要求1至5中任一项所述的问答对话方法。
CN201911006489.2A 2019-10-22 2019-10-22 问答对话方法、装置、电子设备及计算机可读存储介质 Active CN112699224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911006489.2A CN112699224B (zh) 2019-10-22 2019-10-22 问答对话方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911006489.2A CN112699224B (zh) 2019-10-22 2019-10-22 问答对话方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112699224A CN112699224A (zh) 2021-04-23
CN112699224B true CN112699224B (zh) 2024-05-17

Family

ID=75504566

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911006489.2A Active CN112699224B (zh) 2019-10-22 2019-10-22 问答对话方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112699224B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011053992A (ja) * 2009-09-02 2011-03-17 Nippon Telegr & Teleph Corp <Ntt> 質問推薦装置及び方法及びプログラム
CN106485370A (zh) * 2016-11-03 2017-03-08 上海智臻智能网络科技股份有限公司 一种信息预测的方法和装置
CN107239574A (zh) * 2017-06-29 2017-10-10 北京神州泰岳软件股份有限公司 一种智能问答系统知识‑问题匹配的方法及装置
CN108595695A (zh) * 2018-05-08 2018-09-28 和美(深圳)信息技术股份有限公司 数据处理方法、装置、计算机设备和存储介质
CN108922634A (zh) * 2018-06-13 2018-11-30 平安医疗科技有限公司 基于在线问诊的问题答复处理方法、装置和计算机设备
CN109635098A (zh) * 2018-12-20 2019-04-16 东软集团股份有限公司 一种智能问答方法、装置、设备及介质
CN109815318A (zh) * 2018-12-24 2019-05-28 平安科技(深圳)有限公司 问答系统中的问题答案查询方法、系统及计算机设备
CN110263141A (zh) * 2019-06-25 2019-09-20 杭州微洱网络科技有限公司 一种基于bert的客服问答系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7567960B2 (en) * 2006-01-31 2009-07-28 Xerox Corporation System and method for clustering, categorizing and selecting documents
US10380152B2 (en) * 2016-01-19 2019-08-13 International Business Machines Corporation Cognitive system comparison and recommendation engine
US11080313B2 (en) * 2018-03-20 2021-08-03 International Business Machines Corporation Recommendation technique using automatic conversation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011053992A (ja) * 2009-09-02 2011-03-17 Nippon Telegr & Teleph Corp <Ntt> 質問推薦装置及び方法及びプログラム
CN106485370A (zh) * 2016-11-03 2017-03-08 上海智臻智能网络科技股份有限公司 一种信息预测的方法和装置
CN107239574A (zh) * 2017-06-29 2017-10-10 北京神州泰岳软件股份有限公司 一种智能问答系统知识‑问题匹配的方法及装置
CN108595695A (zh) * 2018-05-08 2018-09-28 和美(深圳)信息技术股份有限公司 数据处理方法、装置、计算机设备和存储介质
CN108922634A (zh) * 2018-06-13 2018-11-30 平安医疗科技有限公司 基于在线问诊的问题答复处理方法、装置和计算机设备
CN109635098A (zh) * 2018-12-20 2019-04-16 东软集团股份有限公司 一种智能问答方法、装置、设备及介质
CN109815318A (zh) * 2018-12-24 2019-05-28 平安科技(深圳)有限公司 问答系统中的问题答案查询方法、系统及计算机设备
CN110263141A (zh) * 2019-06-25 2019-09-20 杭州微洱网络科技有限公司 一种基于bert的客服问答系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
不确定近邻的协同过滤推荐算法;黄创光;印鉴;汪静;刘玉葆;王甲海;;计算机学报;20100815(第08期);全文 *
智能问答系统中问句相似度计算方法;董自涛;包佃清;马小虎;;武汉理工大学学报(信息与管理工程版);20100215(第01期);全文 *

Also Published As

Publication number Publication date
CN112699224A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
US9582757B1 (en) Scalable curation system
CN108491540B (zh) 文本信息推送方法、装置及智能终端
KR20180011221A (ko) 비디오들에 대해 대표 비디오 프레임들 선택
CN110321537B (zh) 一种文案生成方法和装置
CN109168047B (zh) 视频推荐方法、装置、服务器及存储介质
CN109033244B (zh) 搜索结果排序方法和装置
CN111914176B (zh) 题目的推荐方法及装置
CN110765348B (zh) 一种热词的推荐方法、装置、电子设备及存储介质
CN109766422A (zh) 信息处理方法、装置及系统、存储介质、终端
CN110413888A (zh) 一种书籍推荐方法及装置
CN113032580B (zh) 关联档案推荐方法、系统及电子设备
CN111625680A (zh) 确定搜索结果的方法及装置
CN109492085A (zh) 基于数据处理的答案确定方法、装置、终端及存储介质
CN116204714A (zh) 推荐方法、装置、电子设备及存储介质
CN112699224B (zh) 问答对话方法、装置、电子设备及计算机可读存储介质
CN110515929B (zh) 书籍展示方法、计算设备及存储介质
CN111984859A (zh) 业务卡片的推荐方法、装置、电子设备及存储介质
CN113127720A (zh) 一种热搜词确定方法及装置
CN115391514A (zh) 问答语句生成方法、装置、电子设备及存储介质
CN114281942A (zh) 问答处理方法、相关设备及可读存储介质
CN115394295A (zh) 分段处理方法、装置、设备及存储介质
CN113850383A (zh) 文本匹配模型训练方法、装置、电子设备及存储介质
CN106446261B (zh) 一种基于多平台接口的内容搜索方法和装置
CN117708304B (zh) 数据库问答方法、设备及存储介质
CN116523024B (zh) 召回模型的训练方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant