CN112860859A - 一种推荐问题的方法和装置 - Google Patents

一种推荐问题的方法和装置 Download PDF

Info

Publication number
CN112860859A
CN112860859A CN201911191188.1A CN201911191188A CN112860859A CN 112860859 A CN112860859 A CN 112860859A CN 201911191188 A CN201911191188 A CN 201911191188A CN 112860859 A CN112860859 A CN 112860859A
Authority
CN
China
Prior art keywords
node
intention
recommendation
user
destination
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
Application number
CN201911191188.1A
Other languages
English (en)
Inventor
马浩
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information 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 Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201911191188.1A priority Critical patent/CN112860859A/zh
Publication of CN112860859A publication Critical patent/CN112860859A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种推荐问题的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对用户输入的会话信息进行意图识别，得到意图识别结果；根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题；其中，每个节点的属性包括意图和问题；向所述用户推送所述至少一个推荐问题。该实施方式能够解决手动维护推荐问题列表的技术问题。

Description

一种推荐问题的方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种推荐问题的方法和装置。
背景技术
智能对话系统的主要应答流程是意图识别(NLU)和分类应答；例如，用户说“我要修改订单”，意图识别结果为“修改订单”，分类应答匹配到对应方案应答“订单已经出库进入配送流程，订单属性不可修改”。而智能应答系统对用户的问题不仅要提供答案，而且要为用户推荐其他潜在想问的问题，用户通过点击推荐的问题获取答案，从而将用户意图相关的潜在问题在单通会话中闭环解决。
推荐问题分为两种：一种是意图模糊推荐问题，此时无法应答，必须推荐问题引导用户提供准确的意图；另一种是有答案推荐潜在问题，此时意图是精准的，但是用户可能针对这个答案继续提问，此时在答案后面追加推荐问题，引导用户咨询潜在问题，提高用户体验。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
当业务场景发生变化时，只能通过修改问题列表来推荐更多问题，问题内容和顺序只能通过手动维护，维护成本高。
发明内容
有鉴于此，本发明实施例提供一种推荐问题的方法和装置，以解决手动维护推荐问题列表的技术问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种推荐问题的方法，包括：
对用户输入的会话信息进行意图识别，得到意图识别结果；
根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题；其中，每个节点的属性包括意图和问题；
向所述用户推送所述至少一个推荐问题。
可选地，对用户输入的会话信息进行意图识别，得到意图识别结果，包括：
对用户输入的会话信息进行意图识别，得到多个模糊意图或者一个准确意图。
可选地，若所述意图识别结果为多个模糊意图；
则根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题，包括：
根据节点关系图分别匹配出各个模糊意图对应的节点问题；
分别计算各个节点问题与所述会话信息之间的相似度，筛选出相似度最高的目标节点问题；
根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题。
可选地，根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题，包括：
将所述目标节点问题所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
可选地，若所述意图识别结果为一个准确意图；
则根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题，包括：
将所述准确意图所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
可选地，所述出发节点与所述目的节点之间的关系属性包括权值和/或热度值。
可选地，向所述用户推荐所述至少一个推荐问题之后，还包括：
根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图。
可选地，根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图，包括：
从所述用户对所述至少一个推荐问题的点击结果中获取被点击的推荐问题；
将所述被点击的推荐问题所在的节点作为目的节点，并将所述准确意图所在的节点作为出发节点，更新所述出发节点与所述目的节点之间的关系属性。
可选地，根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图，包括：
若所述用户的点击结果为无，且所述用户表述了当前意图，则判断所述节点关系图中是否存在所述当前意图；
若否，则新建一个目的节点，所述目的节点的属性包括所述当前意图及其对应的问题；
若是，则将所述当前意图所在的节点作为目的节点；
将所述准确意图所在的节点作为出发节点，建立所述出发节点与所述目的节点之间的关系；
更新所述出发节点与所述目的节点之间的关系属性。
可选地，更新所述出发节点与所述目的节点之间的关系属性，包括：
获取与所述出发节点具有关联关系的所有目的节点，计算所述出发节点与所述所有目的节点之间的热度值之和；
根据所述出发节点与所述目的节点之间的热度值，以及所述出发节点与所述所有目的节点之间的热度值之和，计算所述出发节点与所述目的节点之间的热度百分比；
根据所述目的节点被指向的关系个数确定所述出发节点与所述目的节点之间的热度系数；
根据所述出发节点与所述目的节点之间的热度百分比以及热度系数，计算所述出发节点与所述目的节点之间的权值。
另外，根据本发明实施例的另一个方面，提供了一种推荐问题的装置，包括：
识别模块，用于对用户输入的会话信息进行意图识别，得到意图识别结果；
匹配模块，用于根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题；其中，每个节点的属性包括意图和问题；
推荐模块，用于向所述用户推送所述至少一个推荐问题。
可选地，所述识别模块还用于：
对用户输入的会话信息进行意图识别，得到多个模糊意图或者一个准确意图。
可选地，若所述意图识别结果为多个模糊意图；
则所述匹配模块还用于：
根据节点关系图分别匹配出各个模糊意图对应的节点问题；
分别计算各个节点问题与所述会话信息之间的相似度，筛选出相似度最高的目标节点问题；
根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题。
可选地，所述匹配模块还用于：
将所述目标节点问题所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
可选地，若所述意图识别结果为一个准确意图；
则所述匹配模块还用于：
将所述准确意图所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
可选地，所述出发节点与所述目的节点之间的关系属性包括权值和/或热度值。
可选地，还包括更新模块，用于：
向所述用户推荐所述至少一个推荐问题之后，根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图。
可选地，所述更新模块还用于：
从所述用户对所述至少一个推荐问题的点击结果中获取被点击的推荐问题；
将所述被点击的推荐问题所在的节点作为目的节点，并将所述准确意图所在的节点作为出发节点，更新所述出发节点与所述目的节点之间的关系属性。
可选地，所述更新模块还用于：
若所述用户的点击结果为无，且所述用户表述了当前意图，则判断所述节点关系图中是否存在所述当前意图；
若否，则新建一个目的节点，所述目的节点的属性包括所述当前意图及其对应的问题；
若是，则将所述当前意图所在的节点作为目的节点；
将所述准确意图所在的节点作为出发节点，建立所述出发节点与所述目的节点之间的关系；
更新所述出发节点与所述目的节点之间的关系属性。
可选地，所述更新模块还用于：
获取与所述出发节点具有关联关系的所有目的节点，计算所述出发节点与所述所有目的节点之间的热度值之和；
根据所述出发节点与所述目的节点之间的热度值，以及所述出发节点与所述所有目的节点之间的热度值之和，计算所述出发节点与所述目的节点之间的热度百分比；
根据所述目的节点被指向的关系个数确定所述出发节点与所述目的节点之间的热度系数；
根据所述出发节点与所述目的节点之间的热度百分比以及热度系数，计算所述出发节点与所述目的节点之间的权值。
根据本发明实施例的另一个方面，还提供了一种电子设备，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上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用对用户输入的会话信息进行意图识别，得到意图识别结果，根据所述意图识别结果和节点关系图匹配出至少一个推荐问题的技术手段，所以克服了现有技术中手动维护推荐问题列表的技术问题。本发明实施例通过节点关系图匹配出至少一个推荐问题，从而向用户推送推荐问题，并根据用户的点击结果和输入内容自动地对节点关系图进行动态更新，不仅可以提高后续匹配的准确性，还不需要运维人员手动维护推荐问题列表。本发明实施例可以提高运维效率，节省了3％的运营人效，还提高了用户体验，提高5％问题解决率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的推荐问题的方法的主要流程的示意图；
图2是根据本发明实施例的节点关系图的示意图；
图3是根据本发明一个可参考实施例的推荐问题的方法的主要流程的示意图；
图4是根据本发明另一个可参考实施例的推荐问题的方法的主要流程的示意图；
图5是根据本发明再一个可参考实施例的推荐问题的方法的主要流程的示意图；
图6是根据本发明再一个可参考实施例的推荐问题的方法的主要流程的示意图；
图7是根据本发明实施例的推荐问题的装置的主要模块的示意图；
图8是本发明实施例可以应用于其中的示例性系统架构图；
图9是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
推荐问题分为两种：一种是意图模糊推荐问题，此时无法应答，必须推荐问题引导用户提供准确的意图；另一种是有答案推荐潜在问题，此时意图是精准的，但是用户可能针对这个答案继续提问，此时在答案后面追加推荐问题，引导用户咨询潜在问题，提高用户体验。
例如：
Figure BDA0002293617120000081
意图模糊推荐问题主要的实现方式为：1、通过NLU(自然语言理解)意图识别，识别结果中意图分类值低于意图精准阈值，则输出意图模糊及模糊意图列表；2、应答系统获取到模糊分类列表，组装模糊分类标准问法形成推荐问题。
但是随着业务的发展，当业务场景发生变化，需要在意图模糊时候，推荐更多细化意图问题，只能通过重新训练模型实现，而训练模型周期长，效果很难保证，业务变化快、不稳定，此时这种模式无法满足业务需求。例如：修改订单分类模糊时，需要推荐问题“我要修改订单地址”、“我要修改订单电话”，这种由于业务细化引入的细化分类问法，会经常变化，通过模型训练加入新分类效率低下。
有答案推荐潜在问题的实现方式为：目前完全依赖于运营人员对业务梳理，将分类相关的潜在推荐问题梳理出来，再将潜在问题配置到分类答案中，当用户问题命中该分类时，应答系统将业务答案与推荐问题一起应答。
但是，当前的实现方式，只能手动配置潜在问题，而且配置之后答案列表固定，无法根据用户点击动态调整顺序。例如：在修改订单分类答案里面配置了答案+推荐问题，无论问题内容还是顺序，只能手动维护推荐问题列表，维护成本高；而且需要基于线上监控点击热度提取来调整内容和顺序，维护效率低下。
为了解决现有技术中存在的上述问题，本发明实施例提供了一种推荐问题的方法，以实现动态配置推荐问题。
图1是根据本发明实施例的推荐问题的方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述推荐问题的方法可以包括：
步骤101，对用户输入的会话信息进行意图识别，得到意图识别结果。
在应答用户问题之前，先对用户输入的会话信息进行意图识别，得到意图识别结果，然后才能向用户推荐问题。可选地，可以采用自然语言理解对用户输入的会话信息进行意图识别，得到多个模糊意图或者一个准确意图。需要指出的是，如果用户的意图模糊，则意图识别结果为多个模糊意图，如果用户的意图准确，则意图识别结果为一个准确意图。另外，意图识别结果中除了意图外，还可以包括各个意图对应的问题(即标准问法)。
步骤102，根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题。
根据步骤101得到的意图识别结果，从图数据库中的节点关系图中匹配出至少一个推荐问题。其中，每个节点的属性包括意图和问题。所述节点关系图存储了节点间的关系，并且所述节点关系图可以进行实时更新。图2为根据本发明实施例的节点关系图的示意图，如图2所示，节点关系都是单向关系，每个关系有两个节点，即出发节点和目的节点；每个节点包括两个属性，即意图和问题(即意图对应的标准问法)。可选地，出发节点与目的节点之间的关系属性可以包括权值，也可以包括热度值，还可以同时包括权值和热度值。可选地，初始化节点关系图时，可以从线上会话中抽取已有的各个用户的意图切换数据、推荐问题的点击数据等，从而计算节点之间的权值和热度值，得到节点关系图。
可选地，若所述意图识别结果为多个模糊意图，则根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题，包括：根据节点关系图分别匹配出各个模糊意图对应的节点问题；分别计算各个节点问题与所述会话信息之间的相似度，筛选出相似度最高的目标节点问题；根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题。当用户表达意图模糊情况下，从模糊列表中获取多个模糊意图，并从节点关系图中匹配出各个模糊意图对应的节点问题，如图2所示，每个模糊意图与其对应的节点问题在同一个节点上。然后采用文本相似度算法计算各个节点问题与用户输入的问题之间的相似度，比如DSSM(Deep Semantic Similarity Model，深度语义匹配模型)，从而筛选出相似度最高的目标节点问题。在确定了目标节点问题后，根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题。需要指出的是，在意图模糊情况下，用户输入的问题并未确定，所以没有答案，所以只想用户推荐表达有关的潜在问题。
可选地，根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题，包括：将所述目标节点问题所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。在确定了目标节点问题后，将所述目标节点问题所在的节点作为出发节点，从节点关系图中找出以该节点作为出发节点的所有关系，从而匹配出各个目的节点。然后，基于该出发节点与所述各个目的节点之间的权值和/或热度值，对所述至少一个目的节点进行排序，筛选出前N个目标目的节点，并将所述N个目标目的节点中的问题作为推荐问题。可选地，可以按照权值的大小进行降序排列，如果权值相同，则按照热度值进行降序排列。也可以按照热度值的大小进行降序排列，如果热度值相同，则按照权值进行降序排列。还可以分别设置权值和热度值的权重，通过加权求和的方式进行降序排列。
例如，用户输入的问题为“我地址写错了”，则意图识别结果为意图模糊，包括三个模糊意图：修改订单、修改订单地址和能否修改订单。如图2所示，根据这三个模糊意图从节点关系图中匹配出三个节点问题：我想修改订单、我想修改订单的配送地址和我想咨询能否修改订单。采用文本相似度算法计算“我地址写错了”与这三个节点问题之间的相似度，筛选出相似度最高的节点问题，即“我想修改订单的配送地址”。然后以该节点问题所在的节点(“修改订单地址/我想修改订单的配送地址”)作为出发节点，从节点关系图匹配出四个目的节点，基于权值和热度值，从这四个目的节点中筛选出前三个问题作为推荐问题，即我想修改订单的电话号码、我想取消订单和配送员联系方式是什么。
Figure BDA0002293617120000111
可选地，若所述意图识别结果为一个准确意图，则根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题，包括：将所述准确意图所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。当用户表达意图精准的情况下，将准确意图所在的节点作为出发节点，从节点关系图中找出以该节点作为出发节点的所有关系，从而匹配出各个目的节点。然后，基于该出发节点与所述各个目的节点之间的权值和/或热度值，对所述至少一个目的节点进行排序，筛选出前N个目标目的节点，并将所述N个目标目的节点中的问题作为推荐问题。可选地，可以按照权值的大小进行降序排列，如果权值相同，则按照热度值进行降序排列。也可以按照热度值的大小进行降序排列，如果热度值相同，则按照权值进行降序排列。还可以分别设置权值和热度值的权重，通过加权求和的方式进行降序排列。当用户表达意图精准的情况下，不用通过相似度过滤节点问题，而是直接推送答案+推荐问题。
例如，用户输入的问题为“我想修改订单地址”，则意图识别结果为准确意图，即修改订单地址，以该准确意图所在的节点(“修改订单地址/我想修改订单的配送地址”)作为出发节点，从节点关系图中找出四个目的节点。然后基于权值和热度值，从这四个目的节点中筛选出前三个问题作为推荐问题，即我想修改订单的电话号码、我想取消订单和配送员联系方式是什么。
Figure BDA0002293617120000121
Figure BDA0002293617120000131
需要指出的是，无论是意图模糊还是准确意图，如果节点关系图中不存在该意图，则通过现有方式中的推荐问题列表匹配出推荐问题。
步骤103，向所述用户推送所述至少一个推荐问题。
匹配出至少一个推荐问题之后，服务端向用户终端下发所述至少一个推荐问题，用户可能会点击其中一个推荐问题，当用户终端将用户的点击结果上报服务端。可选地，向所述用户推荐所述至少一个推荐问题之后，还包括：根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图。如果意图识别结果为一个准确意图，则可以根据用户对所述至少一个推荐问题的点击结果以及所述准确意图更新所述节点关系图，如果意图识别结果为多个模糊意图，则无法更新所述节点关系图。需要指出的是，用户无论点击还是输入，都可以根据用户的点击结果和输入内容更新节点关系图。
如果用户点击了某一个推荐问题，则根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图，包括：从所述用户对所述至少一个推荐问题的点击结果中获取被点击的推荐问题；将所述被点击的推荐问题所在的节点作为目的节点，并且将所述准确意图所在的节点作为出发节点，更新所述出发节点与所述目的节点之间的关系属性。本发明实施例根据准确意图和用户的点击结果自动地对节点关系图进行动态更新，不仅可以提高后续匹配的准确性，还不需要运维人员手动维护推荐问题列表。
如果用户没有点击任何一个推荐问题，而是直接输入了准确的当前意图，则根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图，包括：若所述用户的点击结果为无，且所述用户表述了当前意图，则判断所述节点关系图中是否存在所述当前意图；若否，则新建一个目的节点，所述目的节点的属性包括所述当前意图及其对应的问题；若是，则将所述当前意图所在的节点作为目的节点；将所述准确意图所在的节点作为出发节点，建立所述出发节点与所述目的节点之间的关系；更新所述出发节点与所述目的节点之间的关系属性。在这种情况下，首先判断节点关系图中是否存在用户输入的当前意图，如果存在，则将当前意图所在的节点作为目的节点，如果不存在，则新建一个目的节点；并且将所述准确意图所在的节点作为出发节点，更新所述出发节点与所述目的节点之间的关系属性。
根据上面所述的各种实施例，可以看出本发明通过对用户输入的会话信息进行意图识别，得到意图识别结果，根据所述意图识别结果和节点关系图匹配出至少一个推荐问题的技术手段，解决了现有技术中手动维护推荐问题列表的技术问题。本发明实施例通过节点关系图匹配出至少一个推荐问题，从而向用户推送推荐问题，并根据用户的点击结果和输入内容自动地对节点关系图进行动态更新，不仅可以提高后续匹配的准确性，还不需要运维人员手动维护推荐问题列表。本发明实施例可以提高运维效率，节省了3％的运营人效，还提高了用户体验，提高5％问题解决率。
图3是根据本发明一个可参考实施例的推荐问题的方法的主要流程的示意图。作为本发明的又一个实施例，所述推荐问题的方法可以包括以下步骤：
步骤301，对用户输入的会话信息进行意图识别，得到一个准确意图。
步骤302，判断节点关系图中是否存在所述准确意图；若是，则执行步骤303；若否，则结束。
步骤303，将所述准确意图所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点。
步骤304，基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
步骤305，向所述用户推送所述至少一个推荐问题。
步骤306，根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图。
另外，在本发明一个可参考实施例中推荐问题的方法的具体实施内容，在上面所述推荐问题的方法中已经详细说明了，故在此重复内容不再说明。
图4是根据本发明另一个可参考实施例的推荐问题的方法的主要流程的示意图。作为本发明的另一个实施例，所述推荐问题的方法可以包括以下步骤：
步骤401，对用户输入的会话信息进行意图识别，得到多个模糊意图。
步骤402，判断节点关系图中是否存在所述多个模糊意图；若是，则执行步骤403；若否，则结束。
步骤403，根据节点关系图分别匹配出各个模糊意图对应的节点问题。
步骤404，分别计算各个节点问题与用户输入的会话信息之间的相似度，筛选出相似度最高的目标节点问题。
步骤405，将所述目标节点问题所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点。
步骤406，基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
步骤407，向所述用户推送所述至少一个推荐问题。
由于用户的意图模糊，因此无法基于用户的点击结果更新节点关系图。
另外，在本发明另一个可参考实施例中推荐问题的方法的具体实施内容，在上面所述推荐问题的方法中已经详细说明了，故在此重复内容不再说明。
图5是根据本发明再一个可参考实施例的推荐问题的方法的主要流程的示意图。作为本发明的另一个实施例，如果意图识别结果为准确意图，并且用户点击了某一个推荐问题，则更新节点关系图的步骤可以包括：
步骤501，判断节点关系图中是否存在所述准确意图；若是，则执行步骤502；若否，则执行步骤503。
步骤502，将所述准确意图所在的节点作为出发节点。
步骤503，新建一个出发节点，将所述准确意图及其对应的问题(标准问法)作为所述出发节点的属性。
步骤504，从所述用户对所述至少一个推荐问题的点击结果中获取被点击的推荐问题。
步骤505，判断节点关系图中是否存在所述被点击的推荐问题；若是，则执行步骤506；若否，则执行步骤507。
步骤506，将所述被点击的推荐问题所在的节点作为目的节点。
步骤507，新建一个目的节点，将所述被点击的推荐问题作为所述目的节点的属性。
步骤508，更新所述出发节点与所述目的节点之间的关系属性。
可选地，步骤508可以包括：获取与所述出发节点具有关联关系的所有目的节点，计算所述出发节点与所述所有目的节点之间的热度值之和；根据所述出发节点与所述目的节点之间的热度值，以及所述出发节点与所述所有目的节点之间的热度值之和，计算所述出发节点与所述目的节点之间的热度百分比；根据所述目的节点被指向的关系个数确定所述出发节点与所述目的节点之间的热度系数；根据所述出发节点与所述目的节点之间的热度百分比以及热度系数，计算所述出发节点与所述目的节点之间的权值。
在本发明的实施例中，可以根据出发节点与目的节点之间的热度百分比以及热度系数，计算所述出发节点与所述目的节点之间的权值。
可选地，可以采用以下公式计算出发节点与目的节点之间的热度百分比：
热度百分比＝所述出发节点与所述目的节点之间的热度值/所述出发节点与所述所有目的节点之间的热度值之和。
其中，热度值可以是用户的点击频率，热度值越高，说明这两个节点之间的跳转次数越多，用户越关心。
可选地，可以采用以下公式计算出发节点与目的节点之间的热度系数：
热度系数＝log10(所述目的节点被指向的关系个数+1)
可选地，可以采用以下公式计算出发节点与目的节点之间的权值：
权值＝热度百分比*热度系数
例如：
Figure BDA0002293617120000171
另外，在本发明再一个可参考实施例中推荐问题的方法的具体实施内容，在上面所述推荐问题的方法中已经详细说明了，故在此重复内容不再说明。
图6是根据本发明再一个可参考实施例的推荐问题的方法的主要流程的示意图。作为本发明的另一个实施例，如果意图识别结果为准确意图，用户的点击结果为无，且所述用户表述了当前意图，则更新节点关系图的步骤可以包括：
步骤601，判断节点关系图中是否存在所述准确意图；若是，则执行步骤602；若否，则执行步骤603。
步骤602，将所述准确意图所在的节点作为出发节点。
步骤603，新建一个出发节点，将所述准确意图及其对应的问题(标准问法)作为所述出发节点的属性。
步骤604，判断所述节点关系图中是否存在所述当前意图；若是，则执行步骤608；若否，则执行步骤605。
步骤605，判断所述节点关系图中是否存在所述当前意图对应的问题(标准问法)；若是，则执行步骤606；若否，则执行步骤607。
步骤606，将所述当前意图对应的问题所在的节点作为目的节点。
步骤607，新建一个目的节点，将所述当前意图作为所述目的节点的属性。
步骤608，将所述当前意图所在的节点作为目的节点；
步骤609，更新所述出发节点与所述目的节点之间的关系属性。
另外，在本发明再一个可参考实施例中推荐问题的方法的具体实施内容，在上面所述推荐问题的方法中已经详细说明了，故在此重复内容不再说明。
图7是根据本发明实施例的推荐问题的装置的主要模块的示意图，如图7所示，所述推荐问题的装置700包括识别模块701、匹配模块702和推荐模块703。其中，识别模块701用于对用户输入的会话信息进行意图识别，得到意图识别结果；匹配模块702用于根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题；其中，每个节点的属性包括意图和问题；推荐模块703用于向所述用户推送所述至少一个推荐问题。
可选地，所述识别模块701还用于：
对用户输入的会话信息进行意图识别，得到多个模糊意图或者一个准确意图。
可选地，若所述意图识别结果为多个模糊意图；
则所述匹配模块702还用于：
根据节点关系图分别匹配出各个模糊意图对应的节点问题；
分别计算各个节点问题与所述会话信息之间的相似度，筛选出相似度最高的目标节点问题；
根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题。
可选地，所述匹配模块702还用于：
将所述目标节点问题所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
可选地，若所述意图识别结果为一个准确意图；
则所述匹配模块702还用于：
将所述准确意图所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
可选地，所述出发节点与所述目的节点之间的关系属性包括权值和/或热度值。
可选地，还包括更新模块，用于：
向所述用户推荐所述至少一个推荐问题之后，根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图。
可选地，所述更新模块还用于：
从所述用户对所述至少一个推荐问题的点击结果中获取被点击的推荐问题；
将所述被点击的推荐问题所在的节点作为目的节点，并将所述准确意图所在的节点作为出发节点，更新所述出发节点与所述目的节点之间的关系属性。
可选地，所述更新模块还用于：
若所述用户的点击结果为无，且所述用户表述了当前意图，则判断所述节点关系图中是否存在所述当前意图；
若否，则新建一个目的节点，所述目的节点的属性包括所述当前意图及其对应的问题；
若是，则将所述当前意图所在的节点作为目的节点；
将所述准确意图所在的节点作为出发节点，建立所述出发节点与所述目的节点之间的关系；
更新所述出发节点与所述目的节点之间的关系属性。
可选地，所述更新模块还用于：
获取与所述出发节点具有关联关系的所有目的节点，计算所述出发节点与所述所有目的节点之间的热度值之和；
根据所述出发节点与所述目的节点之间的热度值，以及所述出发节点与所述所有目的节点之间的热度值之和，计算所述出发节点与所述目的节点之间的热度百分比；
根据所述目的节点被指向的关系个数确定所述出发节点与所述目的节点之间的热度系数；
根据所述出发节点与所述目的节点之间的热度百分比以及热度系数，计算所述出发节点与所述目的节点之间的权值。
根据上面所述的各种实施例，可以看出本发明通过对用户输入的会话信息进行意图识别，得到意图识别结果，根据所述意图识别结果和节点关系图匹配出至少一个推荐问题的技术手段，解决了现有技术中手动维护推荐问题列表的技术问题。本发明实施例通过节点关系图匹配出至少一个推荐问题，从而向用户推送推荐问题，并根据用户的点击结果和输入内容自动地对节点关系图进行动态更新，不仅可以提高后续匹配的准确性，还不需要运维人员手动维护推荐问题列表。本发明实施例可以提高运维效率，节省了3％的运营人效，还提高了用户体验，提高5％问题解决率。
需要说明的是，在本发明所述推荐问题的装置的具体实施内容，在上面所述推荐问题的方法中已经详细说明了，故在此重复内容不再说明。
图8示出了可以应用本发明实施例的推荐问题的方法或推荐问题的装置的示例性系统架构800。
如图8所示，系统架构800可以包括终端设备801、802、803，网络804和服务器805。网络804用以在终端设备801、802、803和服务器805之间提供通信链路的介质。网络804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801、802、803通过网络804与服务器805交互，以接收或发送消息等。终端设备801、802、803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801、802、803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。
服务器805可以是提供各种服务的服务器，例如对用户利用终端设备801、802、803所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的推荐问题的方法一般由服务器805执行，相应地，所述推荐问题的装置一般设置在服务器805中。
应该理解，图8中的终端设备、网络和服务器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、网络和服务器。
下面参考图9，其示出了适于用来实现本发明实施例的终端设备的计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；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907；包括硬盘等的存储部分908；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909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，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910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908。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序，其包括承载在计算机可读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909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的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或者是上述两者的任意组合。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可以包括但不限于：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)、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。在本发明中，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。而在本发明中，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。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括识别模块、匹配模块和推荐模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读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一个该设备执行时，使得该设备包括：对用户输入的会话信息进行意图识别，得到意图识别结果；根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题；其中，每个节点的属性包括意图和问题；向所述用户推送所述至少一个推荐问题。
根据本发明实施例的技术方案，因为采用对用户输入的会话信息进行意图识别，得到意图识别结果，根据所述意图识别结果和节点关系图匹配出至少一个推荐问题的技术手段，所以克服了现有技术中手动维护推荐问题列表的技术问题。本发明实施例通过节点关系图匹配出至少一个推荐问题，从而向用户推送推荐问题，并根据用户的点击结果和输入内容自动地对节点关系图进行动态更新，不仅可以提高后续匹配的准确性，还不需要运维人员手动维护推荐问题列表。本发明实施例可以提高运维效率，节省了3％的运营人效，还提高了用户体验，提高5％问题解决率。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (13)

1.一种推荐问题的方法，其特征在于，包括：
对用户输入的会话信息进行意图识别，得到意图识别结果；
根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题；其中，每个节点的属性包括意图和问题；
向所述用户推送所述至少一个推荐问题。
2.根据权利要求1所述的方法，其特征在于，对用户输入的会话信息进行意图识别，得到意图识别结果，包括：
对用户输入的会话信息进行意图识别，得到多个模糊意图或者一个准确意图。
3.根据权利要求2所述的方法，其特征在于，若所述意图识别结果为多个模糊意图；
则根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题，包括：
根据节点关系图分别匹配出各个模糊意图对应的节点问题；
分别计算各个节点问题与所述会话信息之间的相似度，筛选出相似度最高的目标节点问题；
根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题。
4.根据权利要求3所述的方法，其特征在于，根据所述目标节点问题和所述节点关系图，匹配出至少一个推荐问题，包括：
将所述目标节点问题所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
5.根据权利要求2所述的方法，其特征在于，若所述意图识别结果为一个准确意图；
则根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题，包括：
将所述准确意图所在的节点作为出发节点，根据所述节点关系图匹配出至少一个目的节点；
基于所述出发节点与所述目的节点之间的关系属性对所述至少一个目的节点进行排序，筛选出至少一个目标目的节点，并将所述至少一个目标目的节点中的问题作为推荐问题。
6.根据权利要求4或5所述的方法，其特征在于，所述出发节点与所述目的节点之间的关系属性包括权值和/或热度值。
7.根据权利要求5所述的方法，其特征在于，向所述用户推荐所述至少一个推荐问题之后，还包括：
根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图。
8.根据权利要求7所述的方法，其特征在于，根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图，包括：
从所述用户对所述至少一个推荐问题的点击结果中获取被点击的推荐问题；
将所述被点击的推荐问题所在的节点作为目的节点，并将所述准确意图所在的节点作为出发节点，更新所述出发节点与所述目的节点之间的关系属性。
9.根据权利要求7所述的方法，其特征在于，根据所述用户对所述至少一个推荐问题的点击结果以及所述准确意图，更新所述节点关系图，包括：
若所述用户的点击结果为无，且所述用户表述了当前意图，则判断所述节点关系图中是否存在所述当前意图；
若否，则新建一个目的节点，所述目的节点的属性包括所述当前意图及其对应的问题；
若是，则将所述当前意图所在的节点作为目的节点；
将所述准确意图所在的节点作为出发节点，建立所述出发节点与所述目的节点之间的关系；
更新所述出发节点与所述目的节点之间的关系属性。
10.根据权利要求8或9所述的方法，其特征在于，更新所述出发节点与所述目的节点之间的关系属性，包括：
获取与所述出发节点具有关联关系的所有目的节点，计算所述出发节点与所述所有目的节点之间的热度值之和；
根据所述出发节点与所述目的节点之间的热度值，以及所述出发节点与所述所有目的节点之间的热度值之和，计算所述出发节点与所述目的节点之间的热度百分比；
根据所述目的节点被指向的关系个数确定所述出发节点与所述目的节点之间的热度系数；
根据所述出发节点与所述目的节点之间的热度百分比以及热度系数，计算所述出发节点与所述目的节点之间的权值。
11.一种推荐问题的装置，其特征在于，包括：
识别模块，用于对用户输入的会话信息进行意图识别，得到意图识别结果；
匹配模块，用于根据所述意图识别结果和节点关系图，匹配出至少一个推荐问题；其中，每个节点的属性包括意图和问题；
推荐模块，用于向所述用户推送所述至少一个推荐问题。
12.一种电子设备，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1-10中任一所述的方法。
13.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
CN201911191188.1A 2019-11-28 2019-11-28 一种推荐问题的方法和装置 Pending CN112860859A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911191188.1A CN112860859A (zh) 2019-11-28 2019-11-28 一种推荐问题的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911191188.1A CN112860859A (zh) 2019-11-28 2019-11-28 一种推荐问题的方法和装置

Publications (1)

Publication Number Publication Date
CN112860859A true CN112860859A (zh) 2021-05-28

Family

ID=75995540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911191188.1A Pending CN112860859A (zh) 2019-11-28 2019-11-28 一种推荐问题的方法和装置

Country Status (1)

Country Link
CN (1) CN112860859A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881447A (zh) * 2015-05-14 2015-09-02 百度在线网络技术（北京）有限公司 搜索方法及装置
US20160247068A1 (en) * 2013-11-01 2016-08-25 Tencent Technology (Shenzhen) Company Limited System and method for automatic question answering
CN108073587A (zh) * 2016-11-09 2018-05-25 阿里巴巴集团控股有限公司 一种自动问答方法、装置及电子设备
CN109981910A (zh) * 2019-02-22 2019-07-05 中国联合网络通信集团有限公司 业务推荐方法及设备
CN110096581A (zh) * 2019-04-28 2019-08-06 宁波深擎信息科技有限公司 一种基于用户行为构建问答体系推荐问的系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160247068A1 (en) * 2013-11-01 2016-08-25 Tencent Technology (Shenzhen) Company Limited System and method for automatic question answering
CN104881447A (zh) * 2015-05-14 2015-09-02 百度在线网络技术（北京）有限公司 搜索方法及装置
CN108073587A (zh) * 2016-11-09 2018-05-25 阿里巴巴集团控股有限公司 一种自动问答方法、装置及电子设备
CN109981910A (zh) * 2019-02-22 2019-07-05 中国联合网络通信集团有限公司 业务推荐方法及设备
CN110096581A (zh) * 2019-04-28 2019-08-06 宁波深擎信息科技有限公司 一种基于用户行为构建问答体系推荐问的系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHEN QU 等: "User Intent Prediction in information-seeking Conversations", 《CHIIR \'19:PROCEEDINGS OF THE 2019 CONFERENCE ON HUMAN INFORMATION INTERACTION AND RETRIEVAL》, 8 March 2019 (2019-03-08) *
顾申华: "基于互动问答系统的问题推荐", 《中国优秀硕士学位论文全文数据库 信息科技辑 (月刊)》, 15 November 2009 (2009-11-15) *

Similar Documents

Publication Publication Date Title
CN108153901B (zh) 基于知识图谱的信息推送方法和装置
CN109460513B (zh) 用于生成点击率预测模型的方法和装置
CN107679211B (zh) 用于推送信息的方法和装置
CN110020162B (zh) 用户识别方法和装置
CN107870984A (zh) 识别搜索词的意图的方法和装置
CN107908662B (zh) 搜索系统的实现方法和实现装置
CN110111167A (zh) 一种确定推荐对象的方法和装置
CN109522399B (zh) 用于生成信息的方法和装置
CN110866040B (zh) 用户画像生成方法、装置和系统
CN113971243A (zh) 应用于问卷调查的数据处理方法、系统、设备及存储介质
CN114445179A (zh) 业务推荐方法、装置、电子设备和计算机可读介质
CN113592315A (zh) 一种处理纠纷单的方法和装置
CN113779346A (zh) 用于识别一人多账号的方法及装置
CN113434754A (zh) 确定推荐api服务的方法、装置、电子设备和存储介质
CN116204624A (zh) 应答方法、装置、电子设备及存储介质
CN113066479B (zh) 一种评测模型的方法和装置
CN112860859A (zh) 一种推荐问题的方法和装置
CN113901316A (zh) 一种信息推送方法、装置、电子设备及存储介质
CN113325959A (zh) 一种输入语料的推荐方法和装置
CN113626570A (zh) 一种会话的路由方法和装置
CN111782776A (zh) 一种通过填槽实现意图识别的方法和装置
CN113743973A (zh) 分析市场热点趋势的方法和装置
CN113761183A (zh) 意图识别方法和意图识别装置
CN112131484A (zh) 一种多人会话建立方法、装置、设备和存储介质
CN113269600B (zh) 一种信息发送的方法和装置

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