CN112749266B - 一种工业问答方法、装置、系统、设备及存储介质 - Google Patents

一种工业问答方法、装置、系统、设备及存储介质 Download PDF

Info

Publication number
CN112749266B
CN112749266B CN202110069090.XA CN202110069090A CN112749266B CN 112749266 B CN112749266 B CN 112749266B CN 202110069090 A CN202110069090 A CN 202110069090A CN 112749266 B CN112749266 B CN 112749266B
Authority
CN
China
Prior art keywords
question
target
statement
candidate
data
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
CN202110069090.XA
Other languages
English (en)
Other versions
CN112749266A (zh
Inventor
王忠诚
盛国军
党政明
王勇
周志勇
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.)
Kaos Digital Technology Qingdao Co ltd
Karos Iot Technology Co ltd
Cosmoplat Industrial Intelligent Research Institute Qingdao Co Ltd
Original Assignee
Haier Digital Technology Qingdao Co Ltd
Cosmoplat Industrial Intelligent Research Institute Qingdao Co Ltd
Haier Cosmo IoT Technology Co 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 Haier Digital Technology Qingdao Co Ltd, Cosmoplat Industrial Intelligent Research Institute Qingdao Co Ltd, Haier Cosmo IoT Technology Co Ltd filed Critical Haier Digital Technology Qingdao Co Ltd
Priority to CN202110069090.XA priority Critical patent/CN112749266B/zh
Publication of CN112749266A publication Critical patent/CN112749266A/zh
Application granted granted Critical
Publication of CN112749266B publication Critical patent/CN112749266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/355—Class or cluster creation or modification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明实施例公开了一种工业问答方法、装置、系统、设备及存储介质，其中，该方法包括：获取用户输入的问题语句，并提取问题语句中的关键词，基于关键词确定业务类型；确定关键词匹配的备选问题语句集合，将备选问题语句集合中的问题语句进行展示；获取用户在备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与第一目标问题语句匹配的目标候选问题集合；在设定数据集合中，确定与第一目标问题语句匹配的其他候选问题集合；在目标候选问题集合和其他候选问题集合中确定与第一目标问题语句匹配的第二目标问题语句，查询第二目标问题语句对应的答案，并将答案进行输出，由此，可以提高答案精度，可以提高问答效率。

Description

一种工业问答方法、装置、系统、设备及存储介质
技术领域
本发明实施例涉及人工智能技术领域，尤其涉及一种工业问答方法、装置、系统、设备及存储介质。
背景技术
工业问答系统是利用工业生产制造线和产品常见咨询问题的标准非结构化知识，结合知识质量的评分表示知识不确定性的方法，研发集用户数据采集、实时人机交互为一体的智能系统。
传统的工业问答系统在使用过程中，针对用户咨询的问题进行答复时，往往回复的答案精度比较低，问答效率较低。
发明内容
本发明实施例了提供一种工业问答方法、装置、系统、设备及存储介质，可以提高答案精度，可以提高问答效率。
第一方面，本发明实施例提供了一种工业问答方法，包括：
获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型；
确定所述关键词匹配的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示；
获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合；
在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合；
在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
第二方面，本发明实施例提供了一种工业问答装置，包括：
第一确定模块，用于获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型；
第二确定模块，用于确定所述关键词匹配的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示；
第三确定模块，用于获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合；
第四确定模块，用于在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合；
查询模块，用于在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
第三方面，本发明实施例提供了一种工业问答系统，包括本发明实施例提供的装置，所述装置配置于计算引擎，所述系统还包括日志系统、可视化端以及业务监控端。
第四方面，本发明实施例提供了一种工业问答设备，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，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例提供的方法。
第五方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例提供的方法。
本发明实施例提供的技术方案，通过基于用户输入的问题语句中的关键词确定业务类型；并通过确定关键词匹配的备选问题语句集合，将备选问题语句集合中的问题语句进行展示，以获取用户在备选问题语句中选择的第一目标问题语句，在业务类型对应的数据集合中，确定与第一目标问题语句匹配的目标候选问题集合；通过在设定数据集合中，确定与第一目标问题语句匹配的其他候选问题集合；在目标候选问题集合和其他候选问题集合中确定与第一目标问题语句匹配的第二目标问题语句，查询第二目标问题语句对应的答案，并将答案进行输出，可以提高答案的精确度，可以提高查询的速度，提高问答效率。
附图说明
图1是本发明实施例提供的一种工业问答方法流程图；
图2是本发明实施例提供的一种工业问答方法流程图；
图3是本发明实施例提供的一种工业问答方法流程图；
图4是本发明实施例提供的一种工业问答方法流程图；
图5是本发明实施例提供的一种工业问答装置结构框图；
图6a是本发明实施例提供的一种工业问答系统结构示意图；
图6b是本发明实施例提供的一种工业问答系统部分结构示意图。
图7是本发明实施例提供的一种设备结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的工业问答方法流程图，所述方法可以由工业问答装置来执行，所述装置可以由软件和/或硬件来执行，所述装置可以配置在计算引擎中，所述计算引擎可以配置于工业问答系统中。
如图1所示，本发明实施例提供的技术方案包括：
S110：获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型。
在本发明实施例中，在S110之前还可以包括：获取各个设备产品的问题数据以及用户反馈的设备产品的问题数据；基于所述设备产品的问题数据进行问题扩充，形成问题数据；将所述问题数据中的各个问题语句以及对应的答案进行匹配，形成问题答案数据，并将所述问题答案数据存储至所述全局数据库中。全局数据库可以按照业务类型进行数据集合的划分。其中，通过可以通过大数据云平台抓取以及记录各个设备产生的问题数据，以及用户反馈的设备的问题数据，将这些数据记录在日志系统中，并对日志系统中的各个设备的问题数据进行问题扩充，形成问题数据匹配答案，形成问题答案数据，并将问题答案数据存储至全局数据库中。
在本发明实施例中，用户可以进行登录，当需要咨询问题时，输入问题语句。工业问答系统获取用户输入的问题语句，对用户输入的问题语句进行分词，得到各个分词语，并根据关键词标签提取关键词，根据关键词确定业务类型。其中，业务类型可以是设备产品所属的技术领域。例如，业务类型可以是空调领域、冰箱领域，或者其他设备产品所属的技术领域。
S120：确定所述关键词匹配的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示。
在本发明实施例中，可以通过关键词匹配的方式在全局数据库中查询包含关键词的备选问题语句，并通过数学模型将关键词转换成关键词向量，在业务类型对应的数据集合中查询与关键词向量匹配的问题语句向量，将该问题语句向量对应的问题语句以及通过关键词匹配的方式查询得到的问题语句形成备选问题语句集合，并将备选问题语句集合中的问题语句进行展示，可以供用户进行选择。其中，数学模型可以是深度学习模型，深度学习模型可以是神经网络或者其他网络模型。
在本发明实施例中的一个实施方式中，所述确定包含所述关键词的备选问题语句，包括：在所述业务类型的对应的数据集合中，查询与主关键词对应的型号，并将所述型号进行输出；获取用户选择的所述主关键词对应的型号，在所述型号对应的数据集合中，查询包含次关键词的问题语句；确定所述型号、所述主关键词以及包含次关键词的问题语句形成的备选问题语句集合。
其中，主关键词和次关键词的区分可以通过存储的关键词标签进行区分。其中，主关键词可以是家电产品，次关键词可以是家电产品的部件名称。举例说明：若用户的问题是：“空调的电机出问题了怎么办”，其中，主关键词可以是“空调”，次关键词可以是“电机”。在空调领域对应的数据集合中，查询空调的型号，可以有1.5匹，2匹等，将空调的型号进行展示给用户，以使用户选择空调的型号。当用户选择空调的型号后，例如，可以选择1.5匹；在1.5匹空调对应的数据集合中，查询包含“电机”的问题语句，将型号、主关键词以及包含次关键词的问题语句形成的备选问题语句集合，并将备选问题语句集合进行展示，以供用户进行选择，从而可以使问题语句更贴近用户的意图，提高答案的精确性。
由此，通过在业务类型的对应的数据集合中，查询与主关键词对应的型号，并将型号进行输出；通过获取用户选择的主关键词对应的型号，在型号对应的数据集合中，查询包含次关键词的问题语句；确定型号、主关键词以及包含次关键词的问题语句形成的备选问题语句集合，可以提高查询的效率，提高问答效率，可以使问题语句更贴近用户的意图，提高答案的精确性。
S130：获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合。
在本发明实施例中，若备选问题语句集合中的备选问题语句中存在符合用户意图的问题语句，则用户可以在备选问题语句中选择符合用户意图的问题语句，工业问答系统查询该问题语句对应的答案，将答案进行输出。
在本发明实施例中，若备选问题语句集合中的备选问题语句中不存在符合用户意图的问题语句，则可以在备选问题语句中选择第一目标问题语句，该第一目标问题语句可以是最接近用户意图的问题语句，该工业问答系统需要在业务类型对应的数据集合中查询与第一目标问题语句匹配的问题语句，形成目标候选问题集合。
S140：在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合。
在本发明实施例中，若备选问题语句集合中的备选问题语句中不存在符合用户意图的问题语句，则可以在备选问题语句中选择第一目标问题语句，该第一目标问题语句可以是最接近用户意图的问题语句，工业问答系统还需要从设定数据集合中确定与第一目标问题语句匹配的其他候选问题集合。
在本发明实施例的一个实施方式中，可选的，所述在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合，包括：在基础数据集合中，确定与所述第一目标问题语句匹配的第二候选问题集合；在全局数据库中，确定与所述第一目标问题语句匹配的第三候选问题集合；其中，所述全局数据库包括基础数据集合、所述业务类型对应的数据集合以及其他数据集合。
其中，基础数据集合可以是常规问题语句形成的数据集合。全局数据局即知识库，包含了所有的数据集合。其中，在基础数据集合中，可以通过搜索引擎查询与第一目标问题语句匹配的第二候选问题集合，在全局数据库中可以通过数学模型或者搜索引擎查询与第一目标问题语句匹配的第三候选问题集合。其中，工业问答系统包括计算引擎，计算引擎包括搜索引擎和数学模型。其中，通过搜索引擎查询的方式可以是关键词匹配的方式，即包含第一目标问题语句中关键词的问题语句形成第二候选问题集合，或者在全局数据库中包含第一目标问题语句中关键词的问题语句形成第三候选问题集合。
S150：在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
在本发明实施例中，可以计算目标候选问题集合和其他候选问题集合中问题语句，与第一目标问题语句相似度，并按照相似度的大小进行排序，选择相似度最大的问题语句作为与第一目标问题语句匹配的第二目标问题语句，并查询第二目标问题语句对应的答案，并将答案进行输出。其中，若出现与第一目标问题语句相似度相同的至少两个问题语句，可以用其他计算相似度的算法再计算第一目标问题语句与所述至少两个问题语句中每个问题语句的相似度，选择相似度最大的问题语句作为第一目标问题语句匹配的第二目标问题语句。
本发明实施例提供的技术方案，通过基于用户输入的问题语句中的关键词确定业务类型；并通过确定关键词匹配的备选问题语句集合，将备选问题语句集合中的问题语句进行展示，以获取用户在备选问题语句中选择的第一目标问题语句，在业务类型对应的数据集合中，确定与第一目标问题语句匹配的目标候选问题集合；通过在设定数据集合中，确定与第一目标问题语句匹配的其他候选问题集合；在目标候选问题集合和其他候选问题集合中确定与第一目标问题语句匹配的第二目标问题语句，查询第二目标问题语句对应的答案，并将答案进行输出，可以提高答案的精确度，可以提高查询的速度，提高问答效率。
图2是本发明实施例提供的一种工业问答方法流程图，本实施例的方案可以与上述实施例的一种或者多种方案进行组合，在本实施例中，本实施例可选的，
在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合，包括：
通过数学模型将第一目标问题语句转换成第一目标问题语句向量，并在所述业务类型对应的数据集合中查询所述第一目标问题语句向量匹配的目标候选问题语句向量集合；其中，目标候选问题语句向量集合与目标候选问题集合对应；
相应的，在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，包括：
通过数学模型将所述其他候选问题集合转换成其他候选问题语句向量集合，在所述其他候选问题语句向量集合以及所述目标候选问题语句向量集合中查询与所述第一目标问题语句向量匹配的第二目标问题语句向量，并查询与所述第二目标问题语句向量对应的答案。
如图2所示，本发明实施例提供的技术方案包括：
S210：获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型。
S220：确定所述关键词匹配的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示。
S230：获取用户在所述备选问题语句中选择的第一目标问题语句。
S240：通过数学模型将第一目标问题语句转换成第一目标问题语句向量，并在所述业务类型对应的数据集合中查询所述第一目标问题语句向量匹配的目标候选问题语句向量集合；其中，目标候选问题语句向量集合与目标候选问题集合对应。
在本发明实施例中，数据集合中存储有问题语句对应的问题语句向量，可以通过数学模型将第一目标问题语句转换成第一目标问题语句向量，并在业务类型对应数据集合中查询第一目标问题语句向量匹配的目标候选问题语句向量，并形成目标候选问题语句向量集合。其中，可以计算第一目标问题语句向量与业务类型对应的数据集合中的问题语句向量的相似度，将相似度大于设定阈值的问题语句向量作为目标候选问题语句向量，并形成目标候选问题语句向量集合。
在本发明实施例中，数学模型需要经过提前进行训练，得到训练好的数学模型，其中，数学模型可以深度学习模型，深度学习模型是神经网络模型，或者还可以是其他网络模型。其中，通过采用深度学习模型可以实时分析用户痛点、诉求、分类可视化常见问题类型。
S250：在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合。
S260：通过数学模型将所述其他候选问题集合转换成其他候选问题语句向量集合，在所述其他候选问题语句向量集合以及所述目标候选问题语句向量集合中查询与所述第一目标问题语句向量匹配的第二目标问题语句向量，并查询与所述第二目标问题语句向量对应的答案，将答案进行输出。
在本发明实施例中，通过数学模型计算其他候选问题语句向量以及目标候选问题语句向量集合中的问题语句向量与第一目标问题语句向量的相似度，将相似度最大的问题语句向量作为与第一目标问题语句向量匹配的第二目标问题语句向量，并查询与第二目标问题语句向量对应的答案，将答案进行输出。
由此，通过将问题语句转换成问题语句向量进行匹配，可以提高匹配的精确度，从而提高答案的精确度，提高用户体验。
图3是本发明实施例提供的一种工业问答方法流程图，在本实施例中，可选的，在所述将所述备选问题语句集合中的问题语句进行展示之前，还包括：
若用户输入的问题语句中不包含关键词，基于所述用户输入的问题语句中的实体词在全局数据库中匹配第一问题语句，形成第一问题语句集合；
通过数学模型将所述用户输入的问题语句中的实体词转换成词向量，在全局数据库中查询与词向量匹配的问题语句向量，并得到所述问题语句向量对应的第二问题语句集合；
将第一问题语句集合和所述第二问题语句集合作为备选问题语句集合。
如图3所示，本发明实施例提供的技术方案包括：
S310：获取用户输入的问题语句。
S320：若用户输入的问题语句中不包含关键词，基于所述用户输入的问题语句中的实体词在全局数据库中匹配第一问题语句，形成第一问题语句集合。
在本发明实施例中，实体词可以是产品的一些部件名称，例如，可以是空调的电机等(当系统中不包含次关键词标签时，实体词可以与次关键词相同)。
在本发明实施例中，若用户输入的问题语句中不包含关键词，可以确定用户输入问题语句中的实体词，通过搜索引擎在全局数据库中查找包含实体词的第一问题语句，形成第一问题语句集合。
S330：通过数学模型将所述用户输入的问题语句中的实体词转换成词向量，在全局数据库中查询与词向量匹配的问题语句向量，并得到所述问题语句向量对应的第二问题语句集合。
在本发明实施例中，可以通过数学模型将用户输入的问题语句中的实体词转换成词向量，在全局数据库中查询与词向量相似度匹配的问题语句向量，并得到问题语句向量对应的第二问题语句集合。
S340：将第一问题语句集合和所述第二问题语句集合作为备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示。
在本发明实施例中，可以通过搜索引擎查询得到第一问题语句集合和通过数学模型得到第二问题语句集合作为备选问题语句集合，可以查询到更全面的备选问题语句，从而为用户提供更全面的问题语句，以方便查询到更合适的答案。
S350：获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合。
S360：在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合。
S370：在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
在上述实施例的基础上，本发明实施例提供的技术方案还可以包括：若所述用户输入的问题语句中不包含关键词，在基础数据集合中匹配与所述用户输入的问题语句对应的目标答案，并进行展示；若接收到表征对所述目标答案满意度低于设定满意度的信息，提供重新输入问题语句的提示信息。其中，若用户输入的问题语句中不包含关键词，可以先判断为常规问题语句，可以在基础数据集合中进行匹配对应的目标答案，并进行展示。若该答案不是用户想要的答案，用户可以在工业问答系统中输入表征不满意的语句，工业问答系统接收到该语句，提供重新输入问题语句的提示信息，以使用户重新输入更加具体的问题语句。
图4是本发明实施例的提供的一种工业问答流程图，如图4所示，通过大数据云平台获取的数据以及Q-A集合中的语料对数学模型进行训练，得到训练好的数学模型。当用户输入问题语句，即发出请求，工业问答系统对用户输入的问题语句进行语义依存分析、意图分类指代消歧，对问题语句进行分词，分词标注以及关键词识别；通过关键词匹配备选问题语句集合，以及根据用户选择的第一目标问题语句匹配目标候选问题集合，以及在设定数据集合中匹配第一目标问题语句匹配其他候选问题集合，其中，可以采用问题语句向量匹配的方式进行匹配，其中，数据集合中存储有问题语句向量、词向量以及对应的问题语句。最终可以在目标候选问题集合以及其他候选问题集合中的确定第一目标问题语句匹配的第二目标问题语句，其中，可以通过转换成语句向量的方式进行匹配，计算相似度，通过相似度进行倒排序，匹配到相似度最大的问题语句向量，并查询该语句向量对应的答案进行输出。
图5是本发明实施例提供的一种工业问答装置结构框图，所述装置配置于计算引擎，如图5所示，所述装置包括第一确定模块510、第二确定模块520、第三确定模块530，第四确定模块540和查询模块550。
其中，第一确定模块510，用于获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型；
第二确定模块520，用于确定所述关键词匹配的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示；
第三确定模块530，用于获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合；
第四确定模块540，用于在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合；
查询模块550，用于在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
可选的，所述确定包含所述关键词的备选问题语句，包括：
在所述业务类型的对应的数据集合中，查询与主关键词对应的型号，并将所述型号进行输出；
获取用户选择的所述主关键词对应的型号，在所述型号对应的数据集合中，查询包含次关键词的问题语句；
确定所述型号、所述主关键词以及包含次关键词的问题语句形成的备选问题语句集合。
可选的，所述在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合，包括：
在基础数据集合中，确定与所述第一目标问题语句匹配的第二候选问题集合；
在全局数据库中，确定与所述第一目标问题语句匹配的第三候选问题集合；其中，所述全局数据库包括基础数据集合、所述业务类型对应的数据集合以及其他数据集合。
可选的，还包括提示模块，用于：
若所述用户输入的问题语句中不包含关键词，在基础数据集合中匹配与所述用户输入的问题语句对应的目标答案，并进行展示；
若接收到表征对所述目标答案满意度低于设定满意度的信息，提供重新输入问题语句的提示信息。
可选的，第二确定模块510，还用于在所述将所述备选问题语句集合中的问题语句进行展示之前，还包括：
若用户输入的问题语句中不包含关键词，基于所述用户输入的问题语句中的实体词在全局数据库中匹配第一问题语句，形成第一问题语句集合；
通过数学模型将所述用户输入的问题语句中的实体词转换成词向量，在全局数据库中查询与词向量匹配的问题语句向量，并得到所述问题语句向量对应的第二问题语句集合；
将第一问题语句集合和所述第二问题语句集合作为备选问题语句集合。
可选的，所述装置还包括问题拓展模块，用于：
获取各个设备产品的问题数据以及用户反馈的设备产品的问题数据；
基于所述设备产品的问题数据进行问题扩充，形成问题数据；
将所述问题数据中的各个问题语句以及对应的答案进行匹配，形成问题答案数据，并将所述问题答案数据存储至所述全局数据库中。
可选的，在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合，包括：
通过数学模型将第一目标问题语句转换成第一目标问题语句向量，并在所述业务
类型对应的数据集合中查询所述第一目标问题语句向量匹配的目标候选问题语句向量集合；其中，目标候选问题语句向量集合与目标候选问题集合对应；
相应的，在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，包括：
通过数学模型将所述其他候选问题集合转换成其他候选问题语句向量集合，在所述其他候选问题语句向量集合以及所述目标候选问题语句向量集合中查询与所述第一目标问题语句向量匹配的第二目标问题语句向量，并查询与所述第二目标问题语句向量对应的答案。
上述装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
图6a是本发明实施例提供的一种工业问答系统结构示意图，所述系统包括本发明实施例提供的工业问答装置，所述装置在计算引擎，所述系统还包括日志系统，线下挖掘训练系统，可视化端以及业务监控端。其中，计算引擎、日志系统等可以配置在云端，云端采用大数据云平台统一进行数据管理、存储、模型训练，实现云端数据处理、生产环境的系统。其中，工业问答系统部分结构以及功能示意图可以参考图6b。
其中，计算引擎具体包括的划分形式还可以是包括检索引擎、排序引擎和数学模型(或者线上模型)。其中，日志系统可以记录各个设备的问题数据。日志系统、大数据云平台可以实时分析、整理全局数据中的非结构化数据，采用不同主题分析算法和业务分类方式，给出多维业务主题详单、同时给出向量可视化的主题分类，达到计算引擎的快速响应，可视化端可以展示主题分类，以及云端分析的数据等。
其中，可以使用人工智能技术和边缘传感器设备，实时采集工业生产业务监控端端的数据，业务监控端可以包括摄像头、智能分析系统、文本知识数据整理和数据存储系统，数据调度系统，基础数据统计治理系统。围绕工业生产和产品功能的使用情况，整理各类业务情况的数据集进行详细设计，用于解决标准化生产和产品功能使用的标准的全局数据库，从而匹配用户的问题语句，从而输出答案。
本发明实施例提供的工业问答系统，可以围绕业务的全局数据库进行统一处理，模型的在线和离线训练运行，挖掘线下具体业务类型痛点，多维度日志数据收集和分析系统，利用检索引擎和空间向量的精排算法，实时给与用户精准的业务回复，及时解决业务当中的难点和用户的工作量，达到产品功能使用和产线问题的在线咨询，生产线问题的及时智能排解。
本发明实施例提供的工业问答系统通过工业产线和产品(可以是设备)功能使用等知识数据的构建，给与工业场景和产品服务的快速咨询，从产线的数据、用户咨询的数据的全面整理传送至云端的全局数据库(知识库)。其中，数据包含：产线各个设备的功能使用数据、设备故障数据、产品功能使用数据、产品业务场景报修数据等。在云端通过人工智能算法结合业务逻辑，全面分析、判断、统一将数据流转映射到空间向量(语句向量)，同时将计算结果传送至多维知识库进行深入挖掘分析。再根据生产环境的其他设备、监控等设备的数据快速反馈至业务调度系统，实现全业务场景数据库的构建，实现高精度的业务分类，快速定位客户咨询的业务流程节点，为高效解决生产环境、业务咨询的精准判断奠定稳健的基础环境。
为了满足用户的需求，工业问答系统需要满足如下条件：工业产线的全局数据库对接大数据数多维数据仓库系统的集成和实时日志系统的检测分析终端显示、实现用户在线咨询工业产品问题的咨询信息接口的自动调用；以及适合均衡高效率的在线工业产线问题查询，提供常见产品和产线问题分析，应答结果即时展示。相关技术中工业问答系统，依赖具体业务，不能全面满足各类生产环境的需求；对基本的业务知识逻辑推理、个性化以及情感互动的智能程度上要求高，用户交互体验感较高；问答语义理解、实时性、精确度、全局数据库收集难度大；相关技术中的工业问答系统使用规则匹配、搜索引擎，句子相似度等技术，效果精度比较低，不能大规模的嵌入业务部署提升，技术壁垒依赖业务很大，技术复用和很难迁移。
本发明实施例提供的工业问答系统，执行本发明实施例提供的工业问答方法，可以采用智能AI引擎算法(计算引擎采用的算法)和海量数据仓库。通过工业产线设备、家电产品、业务等知识实时汇总至大数据云平台，采用标准的数据过滤、知识编辑整理和扩展，快速的业务分类、聚类、语义二义性审核，对用户大量提问的问题数据通过深度学习算法挖掘分析查验，形成标准知识问题入库。在采用模型的训练迭代和空间向量索引两部分，通过模型的训练解决聊天多场景业务分类的知识，形成用户意图的判断、构建智能分析业务转接引擎，形成行业智能问答的通用解决方案；充分利用模型算法的计算、自动提取、分析、计算、生成知识数据的结构化句子向量和字向量存入全局数据库的知识向量库内；加速数据特征，分析合理范围的阈值标准，提高用户咨询的应答精度，形成工业生产和家电产品知识轮询数据计算，线上可视化结果、业务分析、产品功能分析的可视化。
本发明实施例提供的工业问答系统，可以通过业务管理系统录入知识数据，实现数据文件存储至大数据云平台，实现知识数据的关联、歧义消除、实体业务数据归类等处理，形成统一精准的数据空间映射关系存储。利用大数据云平台、智能算法对数据的结构化、关键词提取、字向量化、句向量化、模型自动化意图识别训练等，模型输出对应知识的阈值判断，同时对用户的咨询业务点精准类别判断和答复。通过云平台的日志系统的可视化系统，可以通过可视化端显示工业环境和产品知识的添加和维护，同时反馈生产环境最近咨询问题的统计和分析。
本发明实施例提供的工业智能问答系统基于深度学习模型的语义匹配能力和行业知识的精准匹配，同时辅助开放领域的业务知识库，处理复杂条件的业务问题，为用户提供产品售前售后的整体解决方案，将工业产线业务、设备数据实现统一整合、实现全自动化检测数据更新、模型训练、实现可靠性模型更新、提升产线故障排查效率、智能化快速服务用户。
本发明实施例通过的工业智能问答系统为解决工业生产环境各个设备使用、维护和产品使用等业务咨询的需求，使得数字化生产构建各类设备、产品的知识，紧密配合生产流程，采用神经网络和数据特征提取，随意性录、整合分析。精准判断用户意图，降低业务咨询和解决客户产品使用痛点的时效性和成本问题，形成自动化跟踪客户的咨询问题类型。使得企业内部生产和外部产品质量的提升，落实工业设备数字化交互方式。具体的，工业智能问答系统可以帮助企业面对用户体验产品功能的疑惑解答、高效自动化、数字化方向发展的业务咨询体系平台。可以缩短和节约生产和产品问题的排查时间，提供高效定位设备、产品的问题，各个链接独立模块运行，实现高效协同化、数字生产。
图7是本发明实施例提供的一种设备结构示意图，该设备可以是工业问答设备，该设备可以是后台服务器，或者云服务器等，如图7所示，该设备包括：
一个或多个处理器710，图7中以一个处理器710为例；
存储器720；
所述设备还可以包括：输入装置730和输出装置740。
所述设备中的处理器710、存储器720、输入装置730和输出装置740可以通过总线或者其他方式连接，图7中以通过总线连接为例。
存储器720作为一种非暂态计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种工业问答方法对应的程序指令/模块(例如，附图5所示的第一确定模块510、第二确定模块520、第三确定模块530，第四确定模块540和查询模块550)。处理器710通过运行存储在存储器720中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述方法实施例的一种工业问答方法，即：
获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型；
确定所述关键词匹配的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示；
获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合；
在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合；
在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
存储器720可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器720可以包括高速随机存取存储器，还可以包括非暂态性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中，存储器720可选包括相对于处理器710远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置730可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置740可包括输出接口等。
本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例提供的一种工业问答方法：
获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型；
确定所述关键词匹配的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示；
获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合；
在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合；
在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中，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。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种工业问答方法，其特征在于，包括：
获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型；
在所述业务类型的对应的数据集合中，查询与主关键词对应的型号，并将所述型号进行输出；获取用户选择的所述主关键词对应的型号，在所述型号对应的数据集合中，查询包含次关键词的问题语句；确定所述型号、所述主关键词以及包含次关键词的问题语句形成的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示；所述主关键词为家电产品，所述次关键词为家电产品的部件名称；
获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合；
在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合；
在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
2.根据权利要求1所述的方法，其特征在于，所述在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合，包括：
在基础数据集合中，确定与所述第一目标问题语句匹配的第二候选问题集合；
在全局数据库中，确定与所述第一目标问题语句匹配的第三候选问题集合；其中，所述全局数据库包括基础数据集合、所述业务类型对应的数据集合以及其他数据集合。
3.根据权利要求1所述的方法，其特征在于，还包括：
若所述用户输入的问题语句中不包含关键词，在基础数据集合中匹配与所述用户输入的问题语句对应的目标答案，并进行展示；
若接收到表征对所述目标答案满意度低于设定满意度的信息，提供重新输入问题语句的提示信息。
4.根据权利要求1所述的方法，其特征在于，在所述将所述备选问题语句集合中的问题语句进行展示之前，还包括：
若用户输入的问题语句中不包含关键词，基于所述用户输入的问题语句中的实体词在全局数据库中匹配第一问题语句，形成第一问题语句集合；
通过数学模型将所述用户输入的问题语句中的实体词转换成词向量，在全局数据库中查询与词向量匹配的问题语句向量，并得到所述问题语句向量对应的第二问题语句集合；
将第一问题语句集合和所述第二问题语句集合作为备选问题语句集合。
5.根据权利要求2所述的方法，其特征在于，还包括：
获取各个设备产品的问题数据以及用户反馈的设备产品的问题数据；
基于所述设备产品的问题数据进行问题扩充，形成问题数据；
将所述问题数据中的各个问题语句以及对应的答案进行匹配，形成问题答案数据，并将所述问题答案数据存储至所述全局数据库中。
6.根据权利要求1所述的方法，其特征在于，在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合，包括：
通过数学模型将第一目标问题语句转换成第一目标问题语句向量，并在所述业务
类型对应的数据集合中查询所述第一目标问题语句向量匹配的目标候选问题语句向量集合；其中，目标候选问题语句向量集合与目标候选问题集合对应；
相应的，在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，包括：
通过数学模型将所述其他候选问题集合转换成其他候选问题语句向量集合，在所述其他候选问题语句向量集合以及所述目标候选问题语句向量集合中查询与所述第一目标问题语句向量匹配的第二目标问题语句向量，并查询与所述第二目标问题语句向量对应的答案。
7.一种工业问答装置，其特征在于，包括：
第一确定模块，用于获取用户输入的问题语句，并提取所述问题语句中的关键词，基于所述关键词确定业务类型；
第二确定模块，用于在所述业务类型的对应的数据集合中，查询与主关键词对应的型号，并将所述型号进行输出；获取用户选择的所述主关键词对应的型号，在所述型号对应的数据集合中，查询包含次关键词的问题语句；确定所述型号、所述主关键词以及包含次关键词的问题语句形成的备选问题语句集合，将所述备选问题语句集合中的问题语句进行展示；所述主关键词为家电产品，所述次关键词为家电产品的部件名称；
第三确定模块，用于获取用户在所述备选问题语句中选择的第一目标问题语句，并在业务类型对应的数据集合中，确定与所述第一目标问题语句匹配的目标候选问题集合；
第四确定模块，用于在设定数据集合中，确定与所述第一目标问题语句匹配的其他候选问题集合；
查询模块，用于在所述目标候选问题集合和所述其他候选问题集合中确定与所述第一目标问题语句匹配的第二目标问题语句，查询所述第二目标问题语句对应的答案，并将所述答案进行输出。
8.一种工业问答系统，其特征在于，包括权利要求7所述的装置，所述装置配置于计算引擎，所述系统还包括日志系统、线下训练挖掘训练系统，可视化端以及业务监控端。
9.一种工业问答设备，其特征在于，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，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的方法。
CN202110069090.XA 2021-01-19 2021-01-19 一种工业问答方法、装置、系统、设备及存储介质 Active CN112749266B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110069090.XA CN112749266B (zh) 2021-01-19 2021-01-19 一种工业问答方法、装置、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110069090.XA CN112749266B (zh) 2021-01-19 2021-01-19 一种工业问答方法、装置、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112749266A CN112749266A (zh) 2021-05-04
CN112749266B true CN112749266B (zh) 2023-03-21

Family

ID=75652492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110069090.XA Active CN112749266B (zh) 2021-01-19 2021-01-19 一种工业问答方法、装置、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112749266B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113918679A (zh) * 2021-09-22 2022-01-11 三一汽车制造有限公司 一种知识问答方法、装置及工程机械
CN113722465B (zh) * 2021-11-02 2022-01-21 北京卓建智菡科技有限公司 一种意图识别方法及装置
CN114328842A (zh) * 2021-12-30 2022-04-12 北京百度网讯科技有限公司 信息推荐方法、装置、电子设备和存储介质
CN117056497B (zh) * 2023-10-13 2024-01-23 北京睿企信息科技有限公司 一种基于llm的问答方法、电子设备及存储介质
CN117473069B (zh) * 2023-12-26 2024-04-12 深圳市明源云客电子商务有限公司 业务语料生成方法、装置、设备及计算机可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107729468A (zh) * 2017-10-12 2018-02-23 华中科技大学 基于深度学习的答案抽取方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090963A (zh) * 2014-07-14 2014-10-08 百度在线网络技术（北京）有限公司 查询信息推荐方法和装置
CN104239495B (zh) * 2014-09-09 2018-06-05 百度在线网络技术（北京）有限公司 搜索方法和搜索装置
CN104794232B (zh) * 2015-05-04 2018-09-07 百度在线网络技术（北京）有限公司 搜索结果的推荐方法和装置
CN104965897A (zh) * 2015-06-26 2015-10-07 百度在线网络技术（北京）有限公司 信息推荐方法和装置
CN105488113B (zh) * 2015-11-23 2018-12-21 百度在线网络技术（北京）有限公司 论文的搜索方法、装置及搜索引擎
CN106649768B (zh) * 2016-12-27 2021-03-16 北京百度网讯科技有限公司 基于深度问答的问答澄清方法和装置
CN108536708A (zh) * 2017-03-03 2018-09-14 腾讯科技（深圳）有限公司 一种自动问答处理方法及自动问答系统
CN110020163B (zh) * 2017-12-15 2021-08-17 百度在线网络技术（北京）有限公司 基于人机交互的搜索方法、装置、计算机设备和存储介质
CN111858859A (zh) * 2019-04-01 2020-10-30 北京百度网讯科技有限公司 自动问答处理方法、装置、计算机设备及存储介质
CN110543546B (zh) * 2019-07-18 2022-03-22 华瑞新智科技（北京）有限公司 一种工业设备中的隐患问题查询方法和装置
CN110851576A (zh) * 2019-10-16 2020-02-28 迈达斯智能(深圳)有限公司 问答处理方法、装置、设备及可读介质
CN111708873B (zh) * 2020-06-15 2023-11-24 腾讯科技（深圳）有限公司 智能问答方法、装置、计算机设备和存储介质
CN112182177A (zh) * 2020-09-25 2021-01-05 中国建设银行股份有限公司 一种用户问题处理方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107729468A (zh) * 2017-10-12 2018-02-23 华中科技大学 基于深度学习的答案抽取方法及系统

Also Published As

Publication number Publication date
CN112749266A (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN112749266B (zh) 一种工业问答方法、装置、系统、设备及存储介质
CN108345690B (zh) 智能问答方法与系统
US11461320B2 (en) Determining a user-specific approach for disambiguation based on an interaction recommendation machine learning model
KR102288249B1 (ko) 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체
US10713269B2 (en) Determining a presentation format for search results based on a presentation recommendation machine learning model
CN110866093A (zh) 机器问答方法及装置
CN111382347A (zh) 一种对象特征的处理和信息推送方法、装置和设备
US20190034499A1 (en) Navigating hierarchical components based on an expansion recommendation machine learning model
CN111274267A (zh) 一种数据库查询方法、装置及计算机可读取存储介质
US20190034430A1 (en) Disambiguating a natural language request based on a disambiguation recommendation machine learning model
CN114691831A (zh) 一种基于知识图谱的任务型汽车故障智能问答系统
CN104636386A (zh) 信息监控方法及装置
CN113569118B (zh) 自媒体推送方法、装置、计算机设备及存储介质
CN114996936A (zh) 设备运维方法、设备运维装置、设备运维设备及存储介质
CN114694644A (zh) 语音意图识别方法、装置及电子设备
CN112069833B (zh) 日志分析方法、日志分析装置及电子设备
KR20220074574A (ko) 지식 그래프 기반 라이브스트림 실시간 채팅 내용 분석 방법 및 그 장치
CN106407332B (zh) 基于人工智能的搜索方法和装置
CN112883202A (zh) 一种基于知识图谱的多组件建模方法和系统
KR20210063875A (ko) 마케팅 정보 분석 서비스 제공을 위한 프로그램 및 기록매체
CN116225848A (zh) 日志监测方法、装置、设备和介质
CN115757735A (zh) 一种面向电网数字化建设成果资源的智能检索方法及系统
CN114117239A (zh) 一种房源推送方法、装置和设备
CN114254014A (zh) 一种业务数据的展示方法、装置、设备及存储介质
CN113434658A (zh) 火电机组运行问答生成方法、系统、设备及可读存储介质

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
CB02 Change of applicant information

Address after: Room 402, block B, Qingdao International Innovation Park, No.1 Keyuan Weiyi Road, Zhonghan street, Laoshan District, Qingdao City, Shandong Province, 266101

Applicant after: Haier digital technology (Qingdao) Co.,Ltd.

Applicant after: QINGDAO HAIER INDUSTRIAL INTELLIGENCE RESEARCH INSTITUTE Co.,Ltd.

Applicant after: Haier Kaos IOT Technology Co.,Ltd.

Address before: Room 402, block B, Qingdao International Innovation Park, No.1 Keyuan Weiyi Road, Zhonghan street, Laoshan District, Qingdao City, Shandong Province, 266101

Applicant before: Haier digital technology (Qingdao) Co.,Ltd.

Applicant before: QINGDAO HAIER INDUSTRIAL INTELLIGENCE RESEARCH INSTITUTE Co.,Ltd.

Applicant before: Haier CAOS IOT Ecological Technology Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 402, block B, Qingdao International Innovation Park, No.1 Keyuan Weiyi Road, Zhonghan street, Laoshan District, Qingdao City, Shandong Province, 266101

Applicant after: Haier digital technology (Qingdao) Co.,Ltd.

Applicant after: CAOS industrial Intelligence Research Institute (Qingdao) Co.,Ltd.

Applicant after: Haier Kaos IOT Technology Co.,Ltd.

Address before: Room 402, block B, Qingdao International Innovation Park, No.1 Keyuan Weiyi Road, Zhonghan street, Laoshan District, Qingdao City, Shandong Province, 266101

Applicant before: Haier digital technology (Qingdao) Co.,Ltd.

Applicant before: QINGDAO HAIER INDUSTRIAL INTELLIGENCE RESEARCH INSTITUTE Co.,Ltd.

Applicant before: Haier Kaos IOT Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: Room 3003, Tower D1, Qingdao International Innovation Park, No. 1, Keyuan Weiyi Road, Laoshan District, Qingdao, Shandong 266101

Patentee after: Kaos Digital Technology (Qingdao) Co.,Ltd.

Patentee after: CAOS industrial Intelligence Research Institute (Qingdao) Co.,Ltd.

Patentee after: Karos IoT Technology Co.,Ltd.

Address before: Room 402, block B, Qingdao International Innovation Park, No.1 Keyuan Weiyi Road, Zhonghan street, Laoshan District, Qingdao City, Shandong Province, 266101

Patentee before: Haier digital technology (Qingdao) Co.,Ltd.

Patentee before: CAOS industrial Intelligence Research Institute (Qingdao) Co.,Ltd.

Patentee before: Haier Kaos IOT Technology Co.,Ltd.

CP03 Change of name, title or address