CN113836276A - 实现智能问答的方法和装置 - Google Patents

实现智能问答的方法和装置 Download PDF

Info

Publication number
CN113836276A
CN113836276A CN202010588233.3A CN202010588233A CN113836276A CN 113836276 A CN113836276 A CN 113836276A CN 202010588233 A CN202010588233 A CN 202010588233A CN 113836276 A CN113836276 A CN 113836276A
Authority
CN
China
Prior art keywords
question
statement
sample
sentence
semantic similarity
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
CN202010588233.3A
Other languages
English (en)
Inventor
不公告发明人
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 ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network 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 ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010588233.3A priority Critical patent/CN113836276A/zh
Publication of CN113836276A publication Critical patent/CN113836276A/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
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
    • G09B5/14—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations with provision for individual teacher-student communication
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Educational Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了实现智能问答的方法和装置，涉及自然语言处理技术领域，包括：响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本；计算各个当前语句对的语义相似度评分，各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成；在各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户，有效提高了智能问答任务的效率和准确率。

Description

实现智能问答的方法和装置
技术领域
本申请涉及计算机技术领域，具体涉及自然语言处理技术领域，尤其涉及一种实现智能问答的方法和装置。
背景技术
远程授课模式下，教师会面对数倍甚至数十倍传统课堂的学生数量，在实时授课中，学生会对课堂知识点产生疑问，这种课堂临场问题如果教师实时答疑对于学生对知识点的巩固有着重要的作用，然而由于基数庞大，频繁打断老师进行提问往往会造成课堂整体效率低下。
现有技术中，处理在教师远程授课时学生临场提出的问题，通常是基于学生提出的问题，直接在预设的问答对数据库中进行查找。
发明内容
本申请实施例提供了一种实现智能问答的方法、装置、设备以及存储介质。
根据第一方面，本申请实施例提供了一种实现智能问答的方法，该方法包括：响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本；计算各个当前语句对的语义相似度评分，各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成；在各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。在一些实施例中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，包括：基于与问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
在一些实施例中，基于与问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，包括：提取与问题查询语句相关联的场景的进程信息的关键词，得到第一关键词；基于查找到的各问题语句样本与第一关键词的匹配度，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
在一些实施例中，计算各个当前语句对的语义相似度评分，包括：将各个当前语句对分别输入至预设的语义相似度分析模型，得到各个当前语句对的语义相似度评分，预设的语义相似度分析模型基于标注有语义相似度评分的样本语句对训练得到。
在一些实施例中，问答对数据库中的问答对基于文本摘要算法将知识库中的资料与问题语句进行关联得到。
在一些实施例中，各问题语句与问题查询语句的关键词匹配度，通过以下方式计算得到：计算各问题语句样本与问题查询语句的每一个关键词的匹配度，将问题语句与每个关键词的匹配度相加，将相加的结果作为该问题语句样本与问题查询语句的关键词匹配度。
在一些实施例中，该方法还包括：响应于查找至少一个问题语句样本失败，从网络资源中获取对应问题查询语句的文本信息，将从文本信息中解析出的问题语句样本和与之对应的答案组成问答对，将组成的问答对更新至问答对数据库。
根据第二方面，本申请实施例提供了一种实现智能问答的装置，该装置包括：查找模块，被配置成响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本；计算模块，被配置成计算各个当前语句对的语义相似度评分，各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成。确定模块，被配置成在所述各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
在一些实施例中，确定模块进一步被配置成：基于与所述问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
在一些实施例中，基于与所述问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，包括：提取所述与问题查询语句相关联的场景的进程信息的关键词，得到第一关键词；基于查找到的各问题语句样本与所述第一关键词的匹配度，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
在一些实施例中，计算模块进一步被配置成：将各个当前语句对分别输入至预设的语义相似度分析模型，得到各个当前语句对的语义相似度评分，预设的语义相似度分析模型基于标注有语义相似度评分的样本语句对训练得到。
在一些实施例中，问答对数据库中的问答对基于文本摘要算法将知识库中的资料与问题语句进行关联得到。
在一些实施例中，各问题语句样本与问题查询语句的关键词匹配度，通过以下方式计算得到：计算各问题语句与问题查询语句的每一个关键词的匹配度，将问题语句与每个关键词的匹配度相加，将相加的结果作为该问题语句样本与问题查询语句的关键词匹配度。
在一些实施例中，该装置还包括：更新模块，被配置成响应于查找至少一个问题语句样本失败，从网络资源中获取对应问题查询语句的文本信息，将从文本信息中解析出的问题语句样本和与之对应的答案组成问答对，将组成的问答对更新至预设的问答对数据库。
根据第三方面，提供了一种电子设备，该电子设备包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被该一个或多个处理器执行，使得一个或多个处理器实现如第一方面的任一实施例的实现智能问答的方法。
根据第四方面，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的任一实施例的实现智能问答的方法。
本申请通过首先响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本，即实现了基于问题查询语句对问答对数据库的初步筛选，然后，计算各个当前语句对的语义相似度评分，其中，各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成；在所述各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，实现了基于问题查询语句对问题语句样本的进一步筛选，进而将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户，有效提高了智能问答任务的效率和准确率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
图1是本申请实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的实现智能问答的方法的一个实施例的流程图；
图3是根据本申请实施例的实现智能问答的方法的一个应用场景的示意图；
图4是根据本申请的实现智能问答的方法的又一个实施例的流程图；
图5是根据本申请的实现智能问答的装置的一个实施例的示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的实现智能问答的的方法的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器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与服务器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，问答类应用、搜索类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，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。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供实现智能问答的的服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如，响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本；计算各个当前语句对的语义相似度评分，其中，各个当前语句对由问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成；在各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
需要说明的是，本申请实施例所提供的实现智能问答的方法一般由服务器105执行，相应地，用于实现智能问答的装置一般设置于服务器105中。
还需要指出的是，终端设备101、102、103中也可以安装有实现智能问答的应用，终端设备101、102、103也可以基于用户提交的问题查询语句实现智能问答，此时，实现智能问答的方法也可以由终端设备101、102、103执行，相应地，实现智能问答的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100也可以不包括服务器105和网络104。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供实现智能问答的服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1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。
图2示出了可以应用于本申请的实现智能问答的方法的实施例的流程示意图200。实现智能问答的方法包括以下步骤：
步骤201，响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本。
在本实施例中，执行主体在接收到用户提交的问题查询语句之后，可首先提取问题查询语句的关键词。
然后，执行主体将问答对数据库中的问题语句样本与问题查询语句的关键词进行匹配，根据问题语句样本与问题查询语句的关键词的匹配度从高至低，确定出匹配度较高的至少一个问题语句样本。
这里，匹配度可以为问题语句样本中与问题查询语句的关键词相匹配的内容与问题语句样本的所有内容的比值。匹配度越高，则问题语句样本与问题查询语句的关联程度越高，匹配度越低，则问题语句样本与问题查询语句的关联程度越低。
其中，执行主体计算问题语句样本与问题查询语句的关键词的匹配度的方式可以为计算问题语句样本与问题查询语句的所有关键词的匹配度，也可以仅计算问题语句样本与问题查询语句的权重最高的关键词的匹配度，本申请对此不作限定。
这里，问答对数据库中的问答对来源方式可包括多种，例如，人工记录、问题语句与知识库相关联生成等。每个问答对包括一个问题语句样本和对应问题语句样本的答案。
此外，执行主体可直接接收用户提交的问题查询语句，也可以实时监听用户提交的问题查询语句，本申请对此不作限定。
需要指出的是，用户提交问题查询语句的方式可以包括多种，例如，通过预设的问答交互页面提交查询问题，通过预设的语音采集装置提交问题查询语句等等。
在一些可选的方式中，各问题语句样本与问题查询语句的关键词匹配度通过以下方式计算得到：计算各问题语句样本与问题查询语句的每一个关键词的匹配度，将问题语句样本与每个关键词的匹配度相加，将相加的结果作为该问题语句样本与问题查询语句的匹配度。
在本实现方式中，执行主体在接收到问题查询语句并提取关键词之后，可以计算问答对数据库中的问题语句样本与问题查询语句的每一个关键词的匹配度，并将每个关键词的匹配度相加，将相加的结果作为该问题语句样本与问题查询语句的匹配度。进而根据每个问题语句样本与问题查询语句的关键词匹配度对预设的问答对数据库中的问题语句样本进行从高到低的排序，确定出排序靠前的第一预设数量的问题语句样本。
在一个具体的示例中，执行主体接收到用户提交的问题查询语句为“蛋白质多样性的原因？”，则执行主体可首先提取该问题查询语句的关键词，关键词主要包括“蛋白质”、“多样性”和“原因”。然后，执行主体将问答对数据库中的每个问题语句样本与问题查询语句的关键词进行匹配，计算每个问题语句样本与关键词“蛋白质”、“多样性”和“原因”中各个关键词的匹配度，并将问题语句样本与每个关键词的匹配度相加，将相加的结果作为该问题语句样本与问题查询语句的关键词匹配度。最终，将问答对数据库中的问题语句样本按照与问题查询语句的关键词匹配度按照从大到小的顺序进行排序，得到排序靠前的第一预设数量的问题语句样本。
该实现方式通过计算问题语句样本与问题查询语句的每一个关键词的匹配度，并将每个关键词的匹配度相加，将相加的结果作为该问题语句样本与问题查询语句的匹配度，充分考虑了问题语句样本与每个关键词的匹配度，提高了计算得到的匹配度的准确性和有效性。
在一些可选的方式中，该方法还包括：响应于查找至少一个问题语句样本失败，从网络资源中获取对应问题查询语句的文本信息，将从文本信息中解析出的问题语句样本和与之对应的答案组成问答对，将组成的问答对更新至问答对数据库。
在本实现方式中，若预设的问答对数据库中，与问题查询语句相关联的问题语句样本较少，使得执行主体查找至少一个问题语句样本失败，则执行主体可根据问题查询语句或问题查询语句中的关键词，利用信息分析脚本从网络上获取对应问题的文本信息，将从文本信息中解析出的问题语句样本和与之对应的答案组成问答对，将组成的问答对更新至问答对数据库以实现对问答对数据库的更新。
该实现方式通过在查找至少一个问题语句样本失败时，基于问题查询语句，对预设的问答对数据库进行更新，使得预设的问答对数据库可以更好地满足问题查询语句的查询需求，进而实现对问题查询语句的高效快速响应，提高查找至少一个问题语句的效率。
在一些可选的方式中，问答对数据库中的问答对基于文本摘要算法将知识库中的资料与问题语句进行关联得到。
在本实现方式中，问答对数据库中的问答对可以基于文本摘要算法将知识库中的资料与人工标注的问题语句进行关联得到。
其中，文本摘要算法主要指抽取式摘要算法。抽取式摘要算法指从源文档中抽取关键句和关键词组成摘要，摘要全部来源于原文。
执行主体可首先提取问题语句的关键词，然后将知识库中的资料基于抽取式摘要算法得到的摘要文本与问题语句的关键词进行匹配。若问题语句的关键词与摘要文本的匹配度大于等于预设的匹配度阈值，则将匹配度大于等于预设的匹配度阈值的摘要文本所对应的资料与问题语句进行关联组成问答对。
其中，匹配度阈值可根据经验、具体的应用场景和实际需求设定。
该实现方式基于文本摘要算法将知识库中的资料与问题语句进行关联得到问答对数据库中的问答对，极大的丰富了问答对数据库，且保证了问答对知识库的准确度。
步骤202，计算各个当前语句对的语义相似度评分。
在本实施例中，执行主体将问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成当前语句对，并计算各个当前语句对的语义相似度评分。
在一些可选的方式中，计算各个当前语句对的语义相似度评分，包括：将各个当前语句对分别输入至预设的语义相似度分析模型，得到各个当前语句对的语义相似度评分。
在本实现方式中，预设的语义相似度分析模型基于标注有语义相似度评分的样本语句对训练得到。
其中，预设的语义相似度分析模型可以基于现有技术或未来发展技术中的语义分析模型构建，例如，DSSM(Deep Structured Semantic Models，深度结构化语义模型)、BERT(Bidirectional Encoder Representations from Transformers，源于Transformers的双向编码器)等，本申请对此不作限定。
在一个具体地实现方式中，预设的语义相似度分析模型为基于BERT的语义相似度分析模型。其中，基于BERT的语言模型是一个多层Transformer Encoder模型，该模型通过在大量自然文本上优化两个自监督任务:1)字符级去噪自编码任务(将输入端随机掩码的字符，还原为原始输入字符)，2)句子连贯性预测任务(预测两句是否是连贯)学习自然文本的语言表征。基于BERT的语义相似度分析模型能够捕获更长距离的语义依赖关系，使得计算得到的语义相似度的准确度更高，进而有助于进一步提高获得的各个当前语句对的相似度评分的准确度。
该实现方式通过将各个当前语句对分别输入至预设的语义相似度分析模型，得到各个当前语句对的语义相似度评分，消除了主观偏差，使得获得的语义相似度评分更符合实际，准确性更高。
步骤203，在各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
在本实施例中，执行主体在获得各个当前语句对的相似度评分之后，可直接确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，也可以首先根据各个当前语句对的相似度评分，对查找到的至少一个问题语句样本进行从高到低排序，然后再确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，本申请对此不作限定。执行主体在确定出至少一个问题语句样本之后，将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案通过有线或无线的方式推送给用户。
其中，无线方式包括现有技术或未来发展技术中的无线连接方式，例如，3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(Ultra-wideband，超宽带)连接等等，本申请对此不作限定。
这里，预设阈值可根据经验、实际需求和具体的应用场景进行设定，本申请对此不作限定。
继续参见图3，图3是根据本实施例的实现智能问答的方法的应用场景的一个示意图。
在图3的应用场景中，执行主体301接收到终端设备302提交的问题查询语句，例如，“光合作用的过程是什么？”，并提取问题查询语句的关键词“光合作用”、“过程”。然后，在预设的问答对数据库中，基于与问题查询语句的关键词匹配度，查找出至少一个问题语句样本。执行主体将由问题查询语句分别和各个问题语句样本组成的各个当前语句对，例如，由问题查询语句分别和各个问题语句样本组成的各个当前语句对分别为：当前语句对303、当前语句对304、当前语句对305，计算当前语句对303、当前语句对304、当前语句对305的语义相似度评分306，例如，当前语句对303的语义相似度评分307，当前语句对304的语义相似度评分308，当前语句对305的语义相似度评分309。最后，执行主体根据各个当前语句对的语义相似度评分，在各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本310，例如，语义相似度评分大于等于9的当前语句对中的问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
本公开的实施例提供的实现智能问答的方法，通过响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本；计算各个当前语句对的语义相似度评分，各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成；在所述各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本；并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户，有效提高了智能问答任务的效率和准确率。
进一步参考图4，其示出了实现智能问答的方法的又一个实施例的流程400。本实施例的实现智能问答的方法的流程400，可包括以下步骤：
步骤401，响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本。
在本实施例中，步骤401的实现细节和技术效果，可以参考对步骤201的描述，在此不再赘述。
步骤402，计算各个当前语句对的语义相似度评分。
在本实施例中，步骤402的实现细节和技术效果，可以参考对步骤202的描述，在此不再赘述。
步骤403，在各个当前语句对中，基于与问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
在本实施例中，执行主体在获得各个当前语句对的相似度评分之后，可以依据各个问题语句对的相似度评分以及与问题查询语句相关联的场景的进程信息确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案通过有线或无线的方式推送给用户。
具体地，执行主体可以首先根据各个当前语句对的评分对查找到的各个问题语句样本进行初步排序，得到初步排序后的问题语句样本。
进一步地，执行主体可根据与问题查询语句相关联的场景的进程信息，对初步排序后的问题样本语句中语义相似度评分大于等于预设阈值的各问题语句样本进行进一步筛选，进而确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
这里，执行主体可根据与问题查询语句相关联的场景的进程信息与查找到的各问题语句样本的语义相似度，对初步排序后的问题样本语句中语义相似度评分大于等于预设阈值的各问题语句样本进行进一步筛选，也可以根据与问题查询语句相关联的场景的进程信息的关键词与查找到的各问题语句样本的匹配度对初步排序后的问题样本语句中语义相似度评分大于等于预设阈值的各问题语句样本进行进一步筛选，本申请对此不作限定。
其中，与问题查询语句相关联的场景的进程信息，主要用于指示接收到问题查询语句时场景的内容信息。例如，远程教学场景中，与问题查询语句相关联的场景的进程信息可以为执行主体接收到问题查询语句时，当前远程教学场景下，老师正在讲解的内容信息，如数学-不等式，语文第二组第二节丝绸之路等。
再例如，直播场景中，问题查询语句相关联的场景的进程信息可以为执行主体接收到问题查询语句时，当前直播场景下，主播正在介绍的信息，如产品名称，歌曲名称等。
在一些可选的方式中，基于与问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，包括：提取与问题查询语句相关联的场景的进程信息的关键词，得到第一关键词；基于查找到的各问题语句样本与第一关键词的匹配度，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
在本实现方式中，执行主体在获取到各个当前语句对的相似度评分之后，可首先获取与问题查询语句相关联的场景的进程信息，并提取与问题查询语句相关联的场景的进程信息的关键词，得到第一关键词。将提取的第一关键词依次与查找到的各问题语句样本进行匹配，根据查找到的各问题语句样本与第一关键词的匹配度，对初步排序后的问题样本语句中语义相似度评分大于等于预设阈值的各问题语句样本进行进一步筛选。例如，筛选出与第一关键词匹配度大于等于预设第一匹配度阈值的问题语句样本。
在一个具体的示例中，远程教学场景下，用户提交的问题查询语句为“这篇文章的中心思想是什么？”。执行主体根据预设的语义相似度分析模型得到的第一预设数量，例如，3个，当前语句对，3个当前语句对分别为(“这篇文章的中心思想是什么？”，“《背影》的中心思想是C1”)、(“这篇文章的中心思想是什么？”，“《骆驼》的中心思想是C2”)及(“这篇文章的中心思想是什么？”，“《背影》的中心思想是C3”)。3个语句对所对应的语义相似度评分依次为8分、9分、7分。执行主体根据3个语句对的评分对查找到的3个问题语句样本进行排序，得到初步排序后的问题语句样本：“《骆驼》的中心思想是C2”、“《背影》的中心思想是C1”、“《背影》的中心思想是C3”。
进一步地，执行主体获取与问题查询语句相关联的场景的进程信息“语文-背影”，并提取进程信息的关键词“语文”、“背影”，然后将关键词依次与初步排序后的问题语句样本进行匹配，并计算匹配度。其中，问题语句样本“《骆驼》的中心思想是C2”与关键词“语文”、“背影”的匹配度小于预设的第二匹配度阈值，可将问题语句样本“《骆驼》的中心思想是C2”筛除。基于筛选后的各问题语句样本，确定出语义相似度评分大于等于预设阈值的两个问题语句样本“《背影》的中心思想是C1”、“《背影》的中心思想是C3”、“《骆驼》的中心思想是C2”。
在本实现方式中，通过提取与问题查询语句相关联的场景的进程信息的关键词，得到第一关键词；基于查找到的各问题语句样本与第一关键词的匹配度，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，在提高确定出的至少一个问题语句样本的准确性的同时，进一步提高了匹配效率。
本申请的上述实施例，通过在获得各个当前语句对的相似度评分之后，基于各个当前语句对的语义相似度评分以及与问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，即在语义相似度评分的基础上进一步结合了与问题查询语句相关联的场景的进程信息，提高了确定出的至少一个问题语句样本的准确度，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户，进一步提高了智能问答任务的效率和准确率。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种实现智能问答的装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的实现智能问答的装置500包括：查找模块501、计算模块502、确定模块503。
其中，查找模块501，可被配置成响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本。
计算模块502，可被配置成计算各个当前语句对的语义相似度评分，所述各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成。
确定模块503，可被配置成在所述各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
在本实施例的一些可选的方式中，计算模块进一步被配置成：将各个当前语句对分别输入至预设的语义相似度分析模型，得到各个当前语句对的语义相似度评分，所述预设的语义相似度分析模型基于标注有语义相似度评分的样本语句对训练得到。
在本实施例的一些可选的方式中，问答对数据库中的问答对基于文本摘要算法将知识库中的资料与问题语句进行关联得到。
在本实施例的一些可选的方式中，各问题语句样本与问题查询语句的关键词匹配度，通过以下方式计算得到：计算各问题语句样本与问题查询语句的每一个关键词的匹配度，将问题语句与每个关键词的匹配度相加，将相加的结果作为该问题语句样本与问题查询语句的关键词匹配度。
在本实施例的一些可选的方式中，该装置还包括：更新模块，被配置成响应于查找至少一个问题语句样本失败，从网络资源中获取对应问题查询语句的文本信息，将从文本信息中解析出的问题语句样本和与之对应的答案组成问答对，将组成的问答对更新至所述预设的问答对数据库。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的实现智能问答的方法的电子设备的框图。
600是根据本申请实施例的实现智能问答的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的实现智能问答的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的实现智能问答的方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的实现智能问答的方法对应的程序指令/模块(例如，附图5所示的查找模块501、计算模块502和确定模块503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的实现智能问答的方法。
存储器602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；存储数据区可存储实现智能问答的的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至实现智能问答的的电子设备。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。
实现智能问答的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生实现智能问答的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，有效提高了智能问答任务的效率和准确率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (16)

1.一种实现智能问答的方法，所述方法包括：
响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本；
计算各个当前语句对的语义相似度评分，所述各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成；
在所述各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
2.根据权利要求1所述的方法，其中，所述确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，包括：
基于与所述问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
3.根据权利要求2所述的方法，其中，所述基于与所述问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，包括：
提取所述与问题查询语句相关联的场景的进程信息的关键词，得到第一关键词；
基于所述查找到的各问题语句样本与所述第一关键词的匹配度，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
4.根据权利要求1所述的方法，其中，所述计算各个当前语句对的语义相似度评分，包括：
将所述各个当前语句对分别输入至预设的语义相似度分析模型，得到各个当前语句对的语义相似度评分，所述预设的语义相似度分析模型基于标注有语义相似度评分的样本语句对训练得到。
5.根据权利要求1所述的方法，其中，所述问答对数据库中的问答对基于文本摘要算法将知识库中的资料与问题语句进行关联得到。
6.根据权利要求1所述的方法，其中，所述各问题语句样本与问题查询语句的关键词匹配度，通过以下方式计算得到：
计算各问题语句样本与所述问题查询语句的每一个关键词的匹配度，将问题语句与每个关键词的匹配度相加，将相加的结果作为该问题语句样本与所述问题查询语句的关键词匹配度。
7.根据权利要求1所述的方法，所述方法还包括：
响应于查找至少一个问题语句样本失败，从网络资源中获取对应所述问题查询语句的文本信息，将从所述文本信息中解析出的问题语句样本和与之对应的答案组成问答对，将组成的问答对更新至所述问答对数据库。
8.一种实现智能问答的装置，包括：
查找模块，被配置成响应于接收到用户提交的问题查询语句，基于问答对数据库中的各问题语句样本与问题查询语句的关键词匹配度，查找到至少一个问题语句样本；
计算模块，被配置成计算各个当前语句对的语义相似度评分，所述各个当前语句对由所述问题查询语句分别和查找到的至少一个问题语句样本中各个问题语句样本组成；
确定模块，被配置成在所述各个当前语句对中，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，并将确定出的至少一个问题语句样本中的各个问题语句样本所对应的答案推送给用户。
9.根据权利要求8所述的装置，其中，所述确定模块进一步被配置成：
基于与所述问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
10.根据权利要求9所述的装置，其中，所述基于与所述问题查询语句相关联的场景的进程信息，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本，包括：
提取所述与问题查询语句相关联的场景的进程信息的关键词，得到第一关键词；
基于所述查找到的各问题语句样本与所述第一关键词的匹配度，确定出语义相似度评分大于等于预设阈值的至少一个问题语句样本。
11.根据权利要求8所述的装置，其中，所述计算模块进一步被配置成：
将所述各个当前语句对分别输入至预设的语义相似度分析模型，得到各个当前语句对的语义相似度评分，所述预设的语义相似度分析模型基于标注有语义相似度评分的样本语句对训练得到。
12.根据权利要求8所述的装置，其中，所述问答对数据库中的问答对基于文本摘要算法将知识库中的资料与问题语句进行关联得到。
13.根据权利要求8所述的装置，其中，所述各问题语句样本与问题查询语句的关键词匹配度，通过以下方式计算得到：
计算各问题语句样本与所述问题查询语句的每一个关键词的匹配度，将问题语句与每个关键词的匹配度相加，将相加的结果作为该问题语句样本与所述问题查询语句的关键词匹配度。
14.根据权利要求8所述的装置，所述装置还包括：
更新模块，被配置成响应于查找至少一个问题语句样本失败，从网络资源中获取对应所述问题查询语句的文本信息，将从所述文本信息中解析出的问题语句样本和与之对应的答案组成问答对，将组成的问答对更新至所述所述问答对数据库。
15.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
CN202010588233.3A 2020-06-24 2020-06-24 实现智能问答的方法和装置 Pending CN113836276A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010588233.3A CN113836276A (zh) 2020-06-24 2020-06-24 实现智能问答的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010588233.3A CN113836276A (zh) 2020-06-24 2020-06-24 实现智能问答的方法和装置

Publications (1)

Publication Number Publication Date
CN113836276A true CN113836276A (zh) 2021-12-24

Family

ID=78963382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010588233.3A Pending CN113836276A (zh) 2020-06-24 2020-06-24 实现智能问答的方法和装置

Country Status (1)

Country Link
CN (1) CN113836276A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893524A (zh) * 2016-03-31 2016-08-24 上海智臻智能网络科技股份有限公司 一种智能问答方法及装置
CN108021556A (zh) * 2017-12-20 2018-05-11 北京百度网讯科技有限公司 用于获取信息的方法及装置
CN108595619A (zh) * 2018-04-23 2018-09-28 海信集团有限公司 一种问答方法及设备
US20180373782A1 (en) * 2017-06-27 2018-12-27 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for recommending answer to question based on artificial intelligence
CN110399385A (zh) * 2019-06-24 2019-11-01 厦门市美亚柏科信息股份有限公司 一种用于小数据集的语义分析方法和系统
CN110516055A (zh) * 2019-08-16 2019-11-29 西北工业大学 一种结合bert的用于教学任务的跨平台智能问答实现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893524A (zh) * 2016-03-31 2016-08-24 上海智臻智能网络科技股份有限公司 一种智能问答方法及装置
US20180373782A1 (en) * 2017-06-27 2018-12-27 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for recommending answer to question based on artificial intelligence
CN108021556A (zh) * 2017-12-20 2018-05-11 北京百度网讯科技有限公司 用于获取信息的方法及装置
CN108595619A (zh) * 2018-04-23 2018-09-28 海信集团有限公司 一种问答方法及设备
CN110399385A (zh) * 2019-06-24 2019-11-01 厦门市美亚柏科信息股份有限公司 一种用于小数据集的语义分析方法和系统
CN110516055A (zh) * 2019-08-16 2019-11-29 西北工业大学 一种结合bert的用于教学任务的跨平台智能问答实现方法

Similar Documents

Publication Publication Date Title
CN111125335B (zh) 问答处理方法、装置、电子设备和存储介质
CN107491534B (zh) 信息处理方法和装置
CN107210035B (zh) 语言理解系统和方法的生成
CN111325020B (zh) 一种事件论元抽取方法、装置以及电子设备
CN111625635A (zh) 问答处理、语言模型的训练方法、装置、设备及存储介质
CN111966890B (zh) 基于文本的事件推送方法、装置、电子设备和存储介质
CN111831813B (zh) 对话生成方法、装置、电子设备及介质
JP7106802B2 (ja) リソースソート方法、ソートモデルをトレーニングする方法及び対応する装置
CN110543558B (zh) 问题匹配方法、装置、设备和介质
CN111859982A (zh) 语言模型的训练方法、装置、电子设备及可读存储介质
US20220358292A1 (en) Method and apparatus for recognizing entity, electronic device and storage medium
CN111950291A (zh) 语义表示模型的生成方法、装置、电子设备及存储介质
CN111667056A (zh) 用于搜索模型结构的方法和装置
CN112541362B (zh) 一种泛化处理的方法、装置、设备和计算机存储介质
CN111522944A (zh) 用于输出信息的方法、装置、设备以及存储介质
CN111400473A (zh) 意图识别模型的训练方法及装置、存储介质及电子设备
CN112507090A (zh) 用于输出信息的方法、装置、设备和存储介质
CN111324715A (zh) 问答机器人的生成方法和装置
CN113869060A (zh) 语义数据的处理方法及搜索方法、装置
CN111177462B (zh) 视频分发时效的确定方法和装置
CN111767334A (zh) 信息抽取方法、装置、电子设备及存储介质
CN111950293A (zh) 语义表示模型的生成方法、装置、电子设备及存储介质
CN110991183B (zh) 问题的谓词确定方法、装置、设备及存储介质
CN111782785A (zh) 自动问答方法、装置、设备以及存储介质
CN114860913A (zh) 智能问答系统构建方法、问答处理方法及装置

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