CN113869969A - 问答信息处理、商品信息展示方法、设备及存储介质 - Google Patents

Abstract

本申请实施例提供一种问答信息处理、商品信息展示方法、设备及存储介质。在问答信息处理方法中，在人与人的咨询对话场景下，可根据人与人之间针对目标对象产生的至少一轮咨询对话进行问答识别，从而得到目标对象的对象信息。该对象信息可经由应答用户确认后展示在目标对象的详情信息中。基于这种方式，实现了人与人之间的对话信息的深度挖掘，可从对话信息中挖掘出有效信息并合理利用有效信息，有利于降低重复咨询以及重复进行咨询答复所需的时间成本和人力成本。

Description

问答信息处理、商品信息展示方法、设备及存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种问答信息处理、商品信息展示方法、设备及存储介质。

背景技术

随着电子商务技术的发展，以信息网络技术为手段，消费者的网上购物、商户之间的网上交易越来越广泛。在网上交易的场景中，卖家与卖家之间通常会进行与商品有关的对话聊天，尤其是在二手买卖平台中。买家与卖家的聊天对话中，包含丰富的商品信息，但是，这些商品信息的复用率较低。

发明内容

本申请实施例的多个方面提供一种问答信息处理、商品信息展示方法、设备及存储介质，用以提升对话聊天中产生的有效信息的复用率。

本申请实施例提供一种问答信息处理方法，包括：接收服务器发送的目标对象的对象信息；所述对象信息根据咨询用户与应答用户之间的至少一轮咨询对话获取；在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息；响应所述应答用户对所述对象信息的确认操作，向所述服务器发送添加请求，以使所述服务器将所述对象信息添加至所述目标对象的详情信息中。

本申请实施例还提供一种商品信息展示方法，包括：获取商品对应的咨询对话信息；基于所述咨询对话信息进行问答信息识别，得到所述商品的商品描述信息；将所述商品描述信息作为所述商品的展示信息，以对所述商品进行展示。

本申请实施例还提供一种问答信息处理方法，包括：获取咨询用户与应答用户针对目标对象的至少一轮咨询对话；对所述至少一轮咨询对话进行问答信息识别，得到所述目标对象的对象信息；将识别到的所述对象信息发送至所述应答用户的终端设备，以使所述终端设备向所述应答用户展示所述对象信息；接收所述终端设备根据所述应答用户对所述对象信息的确认操作返回的添加请求，将所述对象信息添加至所述目标对象的详情信息中。

本申请实施例还提供一种终端设备，包括：存储器、处理器以及通信组件；所述存储器，用于存储一条或多条计算机指令；所述处理器，用于执行一条或多条计算机指令，以用于：执行本申请实施例提供的方法中的步骤。

本申请实施例还提供一种服务器，包括：存储器、处理器以及通信组件；

所述存储器，用于存储一条或多条计算机指令；所述处理器，用于执行一条或多条计算机指令，以用于：执行本申请实施例提供的方法中的步骤。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被执行时能够实现本申请实施例提供的方法中的步骤。

在本申请实施例中，在人与人的咨询对话场景下，可根据人与人之间针对目标对象产生的至少一轮咨询对话进行问答识别，从而得到目标对象的对象信息。该对象信息可经由应答用户确认后展示在目标对象的详情信息中。基于这种方式，实现了人与人之间的对话信息的深度挖掘，可从对话信息中挖掘出有效信息并合理利用有效信息，有利于降低重复咨询以及重复进行咨询答复所需的时间成本和人力成本。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一示例性实施例提供的一种问答信息处理系统的结构示意图；

图2为本申请一示例性实施例提供的一种问答信息识别模型的处理流程图；

图3为本申请一示例性实施例提供的目标对象的咨询对话界面的示意图；

图4为本申请一示例性实施例提供的在目标对象的咨询对话界面展示结构化属性信息的示意图；

图5为本申请另一示例性实施例提供的在目标对象的咨询对话界面展示问答对的示意图；

图6为本申请一示例性实施例提供的商品交易场景下的问答识别流程示意图；

图7为本申请一示例性实施例提供的一种问答信息处理方法的方法流程图；

图8为本申请另一例性实施例提供的一种问答信息处理方法的方法流程图；

图9为本申请又一示例性实施例提供的一种终端设备的结构示意图；

图10为本申请又一示例性实施例提供的一种服务器的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在网上交易的场景中，卖家与卖家之间通常会进行与商品有关的对话聊天，尤其是在二手买卖平台中。买家与卖家的聊天对话中，包含丰富的商品信息，但是，这些商品信息的复用率较低。

针对该技术问题，在本申请一些示例性实施例中，针对“人与人对话”交互场景，提供了一种问答信息处理方法，该方法可挖掘对话过程中的有效信息，从而实现对话信息的合理利用。以下将结合附图，对本申请各实施例的可选实施方式进行具体说明。

图1为本申请一示例性实施例提供的一种问答信息处理系统的结构示意图。如图1所示，该问答信息处理系统10包括：第一终端设备11、第二终端设备12以及服务器13。

在本实施例中，终端设备是指能够与用户进行交互的设备。在一些场景中，终端设备可实现为智能手机、平板电脑、计算机设备、智能穿戴设备等。

其中，第一终端设备11以及第二终端设备12为不同的终端设备，可被不同的用户持有。在本实施例中，为便于描述，将持有第一终端设备11的用户描述为咨询用户，将持有第二终端设备12的用户描述为应答用户。咨询用户和应答用户可实现为“人与人对话”场景下的不同对话角色。例如，在线上购物的场景下，咨询用户可实现为买家用户，应答用户可实现为卖家用户(包括卖家客服、卖家本人等)。在线上咨询场景中，咨询用户可实现为咨询来访者，应答用户可实现为咨询师(例如心理咨询师、医师、律师)等等。

在本实施例中，第一终端设备11以及第二终端设备12用于与各自对应的用户进行人机交互，并与服务器13进行通信。服务器13可在第一终端设备11以及第二终端设备12之间进行数据转发，并基于第一终端设备11以及第二终端设备12发送的对话数据，进行问答信息处理。本实施例并不限定服务器13的实现形态，可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。

其中，服务器设备的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似。另外，服务器13与第一终端设备11以及第二终端设备12之间可以是以是无线或有线连接。在本实施例中，若第一终端设备11以及第二终端设备12通过移动网络与服务器13通信连接，该移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、5G、WiMax等中的任意一种，本实施例不做限制。

以下部分将详细介绍服务器13进行问答信息处理的可选实施方式。

在问答信息处理系统10中，咨询用户需要对目标对象进行咨询时，可通过第一终端设备11发起对话，应答用户可基于第二终端设备12对咨询用户的对话进行回应。通常，该咨询对话包括一个对话轮次，或者，该咨询对话可持续多个对话轮次。其中，一个对话轮次，可包含咨询用户的一次发言以及应答用户的一次发言。其中，被咨询的目标对象，可以是实体的对象(例如商品)，也可以是虚拟的对象(例如医事服务)，本实施例包含但不限于此。

服务器13可获取咨询用户与应答用户针对目标对象的至少一轮咨询对话，并对该至少一轮咨询对话进行问答信息识别，得到目标对象的对象信息。

其中，服务器13进行问答信息识别时，可基于MTQAE((Multi-Turn Question andAnswer Extraction，多轮对话问答抽取)算法模型，从该至少一轮对话中，抽取得到用于对目标对象的属性进行提问的语句，以及用于对目标对象的属性进行答复的语句。其中，MTQAE算法模型的具体实施流程，将在后续实施例中进行介绍，此处不赘述。

在一些实施例中，服务器13可在咨询用户与应答用户结束对话后，获取咨询用户与应答用户之间的至少一轮咨询对话，并启动问答信息识别。该至少一轮对话，可以是整个咨询回话过程产生的部分对话或者所有对话。

在另一些实施例中，服务器13可按照周期，获取咨询用户与应答用户之间的至少一轮咨询对话，并启动问答信息识别。该至少一轮对话，可以是会话周期内产生所有对话。其中，该周期的长度可以根据需求进行设置，例如可设置为15秒、30秒或者1分钟等，本实施例不做限制。

在又一些实施例中，可在每次获取到应答用户的答复消息时，获取咨询用户与应答用户之间的至少一轮咨询对话，并启动问答信息识别。该至少一轮对话，可以是该答复消息之前的指定轮次的对话(包含该答复消息)。

其中，服务器13识别到的对象信息，可采用对话形式进行表示，也可采用归纳总结信息的形式进行表示，本实施例不做限制。例如，在商品咨询场景，若采用对话形式表示服务器13识别到的对象信息，则该对象信息可以为：“问：这件衣服的材质是什么？答：是纯棉的。”。采用归纳总结信息的形式表示服务器13识别到的对象信息，则该对象信息可以为：“材质：纯棉”。

基于该至少一轮咨询对话识别到目标对象的对象信息后，服务器13可将识别到的对象信息发送至第二终端设备12，以使第二终端设备12向应答用户展示该对象信息。

第二终端设备12接收服务器13发送的目标对象的对象信息后，可在目标对象的咨询对话界面中，向应答用户展示对象信息。其中，目标对象的咨询对话界面，是第二终端设备12提供的用于与咨询用户进行沟通对话的界面。

响应应答用户对该对象信息的确认操作，第二终端设备12向服务器13发送添加请求。其中，应答用户的确认操作，可通过第二终端设备12上的物理按键触发(例如手机的确认键、电脑的回车键)、可通语音指令触发、也可通过对第二终端设备12展示的控件(例如确认控件)的点击操作触发，本实施例包含但不限于此。

服务器13接收到该添加请求后，可将该对象信息添加至目标对象的详情信息中。从而，当咨询用户、应答用户或者其他用户，向服务器13请求查看目标对象的详情信息时，可在该详情信息中查看到基于该至少一轮咨询对话识别到的对象信息。

本实施例中，在人与人的咨询对话场景下，可根据人与人之间针对目标对象产生的至少一轮咨询对话进行问答识别，从而得到目标对象的对象信息。该对象信息可经由应答用户确认后展示在目标对象的详情信息中。基于这种方式，实现了人与人之间的对话信息的深度挖掘，可从对话信息中挖掘出有效信息并合理利用有效信息，有利于降低重复咨询以及重复进行咨询答复所需的时间成本和人力成本。

前述实施例中，记载了服务器13启动问答信息识别的多种实施方式：实施方式1：在咨询用户与应答用户结束对话后启动问答信息识别；实施方式2：周期性启动问答信息识别；实施方式3：在接收到应答用户的答复消息后启动问答信息识别。

其中，在实施方式3中，若应答用户的发言次数较多，则服务器13需要启动多次问答信息识别操作。为减少问答信息识别的计算量以及计算频次，服务器13可进一步对咨询用户的交互意图进行检测，并可在检测到咨询用户的交互意图用于询问目标对象的属性信息时，执行上述实施方式3。以下将进行进一步示例性说明。

可选地，服务器13获取咨询用户与所述应答用户之间的至少一轮咨询对话时，可根据咨询用户的用户问题，识别咨询用户的交互意图。其中，服务器13识别交互意图时，可采用二分类算法判断咨询用户的发言(例如提问消息)是否在询问目标对象的相关信息。其中，该二分类算法可以是逻辑(Logistic)回归算法、Fast-text(快速文本分类)算法等，本实施例包含但不限于此。

若咨询用户的交互意图用于询问目标对象的属性信息，则服务器13可在每次接收到应答用户的答复消息时，获取该答复消息之前的指定轮次的对话，作为用于进行问答识别的至少一轮咨询对话。该至少一轮咨询对话包括该答复消息。

例如，在购物咨询场景下，服务器13获取到咨询用户(即买家)的发言后，可采用二分类算法判断买家的发言是是否在询问商品相关的信息。若在询问商品相关的信息，则服务器13可在获取到应答用户(即卖家)针对该发言的答复消息后，获取该答复消息之前的N轮对话，作为用于进行问答识别的对话。其中，N为正整数，N的值可根据实际需求进行设置，在一些实施例中，可设置N为8、10、12等，本实施例不做限制。

需要说明的是，在本申请的上述以及下述各实施例中，服务器13获取到的该至少一轮咨询对话，可包含咨询用户与应答用户之间的完整的对话信息，该对话信息包括：咨询用户以及应答用户的发言轮次、发言时间、发言角色以及发言内容等等。上述对话信息可涵盖对话的上下文信息，从而有利于挖掘出对话中隐藏的有效信息。

获取到咨询用户与应答用户之间的至少一轮咨询对话后，服务器13可对该至少一轮咨询对话进行问答信息识别，得到目标对象的至少一种对象信息。其中，问答信息识别基于MTQAE算法模型实现。以下将进行示例性说明。

可选地，服务器13可将该至少一轮咨询对话，输入问答抽取模型。在该问答抽取模型中，对该至少一轮咨询对话包含的多个语句分别进行切词处理(tokenization)，得到该多个语句各自的切词结果。其中，切词处理，是指根据NLP(natural language processing，自然语言处理)模型自定义的字/词库、字/词根、字/词缀等，对语句进行切分，得到该语句对应的一串字/词条(token)。

得到多个语句各自的切词结果后，问答抽取模型可对该多个语句各自的切词结果进行语义编码，得到该多个语句各自的编码向量。在一些可选的实施例中，语义编码可基于Bert(一种自然语言处理模型)或Transformer(一种自然语言处理模型框架)家族模型实现，也可基于RNN(Recurrent Neural Network，循环神经网络)或者LSTM(Long Short-TermMemory，长短期记忆神经网络)、Word2Vec等模型实现，本实施例包含但不限于此。

可选地，对每个语句的切词结果进行语义编码时，可进一步结合语句的发言角色以及关键词中的至少一种信息，从而可强化语义信息。

得到该多个语句各自的编码向量后，问答抽取模型可采用该多个语句各自的发言角色、问答位置以及发言时间中的至少一种信息，对该多个语句各自的编码向量进行融合处理，得到该多个语句各自的融合向量。

以下将以多个语句中的任一语句为例，对语句的融合向量的获取方法进行示例性说明。

可选地，针对该多个语句中的任一语句，在该问答抽取模型中，可将该语句的编码向量、该语句对应的发言角色以及该语句的关键词信息进行拼接，得到该语句的第一特征向量。在一些实施例中，该语句的关键词信息，可以包括该语句的关键词命中信息，用于描述该语句是否命中设定的关键词。

需要说明的是，在一些实施例中，将语句的编码向量、该语句对应的发言角色以及该语句的关键词进行拼接之前，可采用Embedding(一种将离散变量转变为连续向量的编码方式)技术，对发言角色以及该语句的关键词命中信息进行编码，得到发言角色对应的Embedding向量以及该语句的关键词命中信息的Embedding向量。在拼接时，可将语句的编码向量、发言角色对应的Embedding向量以及关键词的命中信息的Embedding向量进行拼接，得到第一特征向量。

得到第一特征向量后，将第一特征向量与该语句在该至少一轮问答中的问答位置信息进行位置编码，得到第二特征向量。在一些可选的实施例中，该位置编码的算法可基于相对位置编码的算法实现，也可以基于绝对位置编码、旋转位置编码等编码算法实现，本实施例不做限制。可选地，该位置编码的操作，可基于MTQAE模型中的位置(轮次)信息融合层(Position Fusion Layer)实现。

获取到第二特征向量后，问答抽取模型可将该第二特征向量输入多头注意力网络(Multi-Head Attention)，得到该语句的第三特征向量。在多头注意力网络中，可进行深层的信息交互，编码，以挖掘更深的文本信息。获取第三特征向量后，问答抽取模型将该第三特征向量与该语句的发言时间信息进行拼接，得到第四特征向量，作为该语句的融合向量。可选地，语句的发言时间信息，可包括以下至少一种：该语句与对侧的最近一条语句之间的轮次差、该语句与对侧的最近一条语句之间的时间差、该语句与本侧的最近一条语句之间的时间差、该语句与本侧的最近一条语句之间的轮次差。在本实施例中，将发言时间融合进特征，可根据人与人之间的对话特征，捕捉对话时机对交流内容的影响，提升识别准确性。

可选地，将第三特征向量与该语句的发言时间信息进行拼接之前，可采用Embedding技术，对发言时间信息离散化后进行进行编码，得到发言时间信息对应的Embedding向量。将第三特征向量与该语句的发言时间信息进行拼接时，可将第三特征向量与发言时间信息对应的Embedding向量进行拼接。

问答抽取模型可针对多个语句分别执行上述实施方式，得到多个语句各自的融合向量。获取到多个语句各自的融合向量后，问答抽取模型可基于该多个语句各自的融合向量，从该多个语句中识别出与该目标对象的属性相关的提问语句以及答复语句，并从与该目标对象的属性相关的提问语句以及答复语句中，获取该目标对象的至少一种对象信息。

其中，问答抽取模型基于多个语句各自的融合向量识别与目标对象的属性相关的提问语句以及答复语句的操作，可基于多标签的分类器(Multi-Label Classification)实现。融合向量输入多标签分类器之前，可输入中介层(Intermediate Layer)进行降维。

以下将结合图2，以商品交易场景中的买家与卖家之间的一轮对话为例，对上述计算过程进行进一步示例性说明。买家与卖家之间的一轮对话包含一问一答两句话，这两句话的轮次、时间、角色以及内容分别如图2所示。两句对话经过切词以及语义编码后，分别得到编码向量V1、V2。接下来，可将V1与第一句话对应的发言角色R1的Embedding向量以及关键词命中信息的Embedding向量K1进行拼接，得到特征向量V1`；将V2与第二句话对应的发言角色R2以及关键词命中信息的Embedding向量K2进行拼接，得到特征向量V2`。接下来，基于位置编码模块，结合发言轮次0、1，分别对特征向量V1`、V2`进行位置编码，得到特征向量V1``、V2``。接下来，采用多头注意力网络对特征向量V1``、V2``进行编码，得到特征向量V1```、V2```。其中，特征向量V1```、V2```可分别与对应的发言时间t1的Embedding向量以及t2的Embedding向量进行拼接，得到融合向量。融合向量可经过中介层进行降维后，可输入多标签的分类器，得到两句对话的分类识别结果。其中，任一句话的分类识别结果用于描述这句话用于询问商品的概率，以及用于答复商品信息的概率。基于此算法，可从咨询对话中，识别出关于商品信息问答的对话。在这种实施方式中，基于MTQAE算法模型，可充分考虑对话信息中的角色信息、发言轮次、发言时间等信息对识别结果的影响，有利于更准确地的挖掘出对话包含的有效信息。

在一些可选的实施例中，从与目标对象的属性相关的提问语句以及答复语句中，获取目标对象的至少一种对象信息时，服务器13可执行问答对的匹配操作，并确定对象信息的输出方式。

可选地，服务器13可对与目标对象属性相关的提问语句以及答复语句进行问答对的匹配，得到至少一组问答对。进行问答对的匹配之前，可根提问语句以及答复语句的发言时间、轮次以及设定的先验规则，生成有限状态机(finite-state machine，FSM)。其中，设定的先验规则可包括：提问语句在答复语句之前出现、相同提问的多条答复之间无其他提问出现等。基于FSM，可从提问语句以及答复语句中，筛选出匹配的问句以及答句，从而避免“答非所问”的识别错误。

例如，服务器13从10轮对话中识别到提问语句Q1、Q2以及答复语句A1、A2、A3。其中，发言次序为：Q1、A1、Q2、A2、A3。针对答复语句A1，可将发言次序与该答复语句最近的提问语句Q1，作为该答复语句匹配的问句。针对提问语句Q2，该提问语句Q2之后存在答复语句A2、A3，若答复语句A2、A3的发言时间接近(例如，小于5秒或10秒等)，且答复语句A2、A3之后并无其他提问语句，则可将答复语句A2、A3作为该提问语句Q2匹配的答句。

基于上述方式，服务器13可从识别到的与目标对象属性相关的提问语句以及答复语句中，识别出匹配的提问语句以及答复语句的组合，每一组可称为一组问答对。一组问答对可包含一个提问语句、一个答复语句，即“一问一答”；可包含一个提问语句、多个答复语句，即“一问多答”；可包含多个提问语句、一个答复语句，即“多问一答”；或者，可包含多个提问语句、多个答复语句，即“多问多答”。

进一步可选地，服务器13基于前述实施例获取至少一组问答对之后，针对任一组问答对，若该问答对包含多个问句，则服务器13可对该问答对进行组装或者拼接。以任意一组问答对为例，若该问答对包含多个问句，则服务器13可对该问答对中的多个问句进行拼接。若该问答对包含多个答句，则服务器13可对该问答对中的多个答句进行拼接。

例如，假设，一问答对包含的问句为：Q1、Q2，答句为A1，则可对Q1、Q2进行拼接，得到的问答对为：(Q1+Q2，A1)；假设，一问答对包含的问句为：Q1，答句为A1、A2、A3,则可对A1、A2、A3进行拼接，得到的问答对为：(Q1，A1+A2+A3)。

服务器13匹配到至少一组问答对后，可根据该至少一组问答对各自的语义信息，确定该至少一组问答对各自的输出方式。其中，该输出方式包括：结构化输出或者非结构化输出。其中，结构化输出，是指将问答对输出为可采用“属性-属性值”这一结构进行归纳表达的信息。

可选地，在一些实施例中，可预先为目标对象设置多种结构化属性，以对目标对象进行描述或者介绍。例如，在商品交易场景下，可为商品设置品牌、颜色、尺寸、材质、成色、保质期等等结构化属性。

可选地，针对该至少一组问答对中的任意一组问答对，确定该问答对的输出方式时，可对该问答对进行语义识别，得到该问答对的语义。若目标对象的预设结构化属性中，存在与该问答对的语义匹配的属性，则确定采用该结构化输出的方式对该问答对进行输出。

例如，在商品交易场景下，为某件衣服预设的结构化属性包括：品牌、颜色、款式、材质。假设，某一问答对的语义为“问：衣服是什么材质的？答：纯棉的”。衣服的预设结构化属性中，存在与该问答对的语义匹配的“材质”属性，则可采用结构化输出的方式对该问答对进行输出。

反之，若该目标对象的预设结构化属性中，不存在与该问答对的语义匹配的属性，则确定采用该非结构化输出的方式对该问答对进行输出。

例如，在二手购物场景下，某一问答对的语义为“问：这件衣服买了多久？答：去年夏天买的”。这一问答对无法映射到该衣服已有的结构化属性中，可采用非结构化输出方式对该问答对进行输出。

确定该至少一组问答对各自的输出方式后，服务器13可将该至少一组问答对输出为该目标对象的至少一种对象信息。

可选地，若采用结构化输出的方式对该问答对进行输出，则服务器13可对该问答对进行属性抽取，得到该问答对的目标属性以及对应的目标属性值；将该目标属性以及该目标属性值形成的结构化信息，作为该问答对对应的对象信息。

其中，在不同的应用场景下，对问答对进行属性抽取时，可采用不同的属性抽取算法。例如，在新品购物场景下，可采用新品属性抽取算法对问答对进行属性抽取。在二手购物场景下，可采用二手属性抽取算法对问答对进行属性抽取。

可选地，针对目标对象的任一属性，可为该属性设置关键词，并设置该属性对应的多种不同属性值的关键词。在进行属性抽取时，服务器13可判断问答对是否命中为目标对象的属性预设的关键词。若某一问答对命中某一属性的关键词，则可确定该命中的属性作为该问答对的目标属性。

接下来，服务器13可判断问答对是否命中为该目标属性的不同属性值预设的关键词。若该问答对命中了目标属性的某一属性值的关键词，则可确定该命中的属性值作为该问答对的目标属性值。

例如，假设问答对为“问：衣服是什么料子的？答：纯棉的”。衣服的预设属性包括：品牌、产地、材质、尺码、几成新。其中，材质属性的关键词可包括：材料、料子、面料等。采用上述问答对进行属性匹配时，可匹配到“材质”这一目标属性。其中，材质属性的属性值可包括：棉、麻、丝、羊毛、桑蚕丝等等。采用上述问答对进行属性值匹配时，可匹配到“棉”这一目标属性值。从而，可确定问答对的结构化输出信息为：材质-棉。

可选地，若采用非结构化输出的方式对问答对进行输出，则服务器13可进一步对该问答对进行信息安全处理，并将信息安全处理得到的问答对作为得到问答对对应的对象信息。其中，信息安全处理操作，可包括：基于NER(Named Entity Recognition，命名实体识别或专有名词识别)算法，识别问答对中的隐私信息，并对隐私信息进行屏蔽或者模糊处理。其中，隐私信息可包括：问答对中的手机号、地址、身份证信息等个人信息，本实施例不做限制。

还值得说明的是，在一些示例性的实施例中，服务器13基于咨询对话识别到对象信息后，可进一步结合已有对象信息进行信息整合，避免输出重复的信息或者冲突的信息。

可选地，服务器13将该目标属性以及该目标属性值形成的结构化信息，作为该问答对对应的对象信息之后，可从该目标对象的详情页中已展示的属性中，查询该目标属性的已有属性值；若该目标属性的已有属性值与该目标属性值不同，则服务器13可向该第二终端设备12返回提示对该目标属性的属性值进行修改的信息。

可选地，服务器13将信息安全处理得到的问答对作为得到问答对对应的对象信息之后，可从该目标对象的详情页中已展示的历史问句中，确定与该问答对中的问句相同的目标历史问句；判断该目标历史问句的答句的语义是否与该问答对的答句的语义相同；若为是，则服务器13可将该问答对的答句作为该目标历史问句的答句发送给该第二终端设备12。

基于上述实施方式获取目标对象的对象信息后，服务器13可将对象信息发送至第二终端设备12进行展示。

第二终端设备12接收服务器13发送的目标对象的对象信息后，可在目标对象的咨询对话界面中，向该应答用户展示该对象信息。

可选地，第二终端设备12在该目标对象的咨询对话界面中，展示该对象信息时，可在目标对象的咨询对话界面中，展示补充信息的提示消息。响应对该提示消息的触发操作，展示悬浮窗口。该悬浮窗口可位于咨询对话界面的下方，以避免遮挡对话内容。

如图3所示，在商品交易的场景下，买家用户向卖家用户咨询商品时，买家以及卖家的终端设备可展示商品的咨询对话界面，该咨询对话界面展示有买家用户以及卖家用户的对话内容。其中，卖家的终端设备接收到服务器13发送的对象信息时，可在目标对象的咨询对话界面中展示补充信息的提示消息，如图3的右侧图中示意的“让商品描述更完善，请将此问答补充到详情”的提示消息。卖家用户可根据实际需求，决定是否补充商品信息。若存在补充商品信息的需求，则卖家用户可触发该提示信息。若卖家的终端设备检测到卖家用户对该提示信息的触发操作(例如点击操作)，则可展示如图4以及图5所示的悬浮窗口。

若对象信息采用结构化的方式进行输出，则第二终端设备12可在该悬浮窗口中，展示该对象信息对应的目标属性以及目标属性值。如图4所示，在商品交易场景中，卖家终端可采用两种目标属性来描述对象信息，第一种目标属性为“款式”，其目标属性值为款式A；第二种属性为“成色”，其目标属性值为“全新没穿过”。

若对象信息采用非结构化的方式进行输出时，第二终端设备12可在该悬浮窗口中，展示该对象信息对应的问答对。如图5所示，在商品交易场景中，卖家终端可采用问答对来描述对象信息，该问答对为：“问：是纪念版吗？答：是的，是去年发售的纪念版”。

进一步可选地，第二终端设备12在悬浮窗口中，向应答用户展示对象信息时，还可进一步展示对象信息的修改控件，如图4所示的属性值的修改控件401以及如图5示意的修改控件501。

响应对该修改控件的触发操作，第二终端设备12可获取应答用户对该对象信息的修改结果，作为更新后的对象信息。例如，如图4所示，卖家用户可触发“款式B”对应的控件，将商品的款式修改为“款式B”。又例如，如图5所示，卖家用户可触发修改控件501，对答复语句进行自定义修改，不再赘述。

获取更新后的对象信息后，应答用户可触发悬浮窗口中展示的用于执行确认补充操作的控件(例如图4以及图5中的“确认补充”控件)，从而第二终端设备12可响应该触发操作，向服务器13发送将问答对添加至目标对象的详情信息中的请求，不再赘述。

本申请实施例提供的问答信息处理系统，可应用于多种人与人对话的场景，例如可包括但不限于商品售前咨询场景、商品售后咨询场景、商品售后评价场景、直播购物场景、医事服务咨询场景、法律服务咨询场景、心理咨询场景等等。其中，商品售前、售后咨询场景，可包括新品的售前、售后场景，也可以是二手商品的售前、售后场景。当然，除上述列举的场景之外，还可适用于针对商品的其他可能的场景，不再一一进行列举。以下将结合图6，以典型的二手商品售前咨询场景为例，对本申请实施例进行进一步示例性说明。

在二手商品交易场景中，由于商品具有较为特殊的二手性质，买家静默下单的情形较少，大多数买家在购买商品之前会与卖家用户进行沟通。当买家具有购买意向时，通常会通过交易平台提供的咨询入口与卖家用户发起互动聊天，并向卖家咨询商品的详细信息。

如图6所示，买家发言后，服务器可通过二分类算法进行买家意图初步筛选，快速判断买家的发言“是否在问商品相关信息”。基于该判断步骤，服务器可过滤大部分非提问性质的发言(例如打招呼问好的发言)，并召回尽可能多的问句。从而，可大幅降低后续问答抽取模块的计算量。

若买家的发言意图旨在询问商品相关信息，则服务器可在每次卖家发言后，向问答抽取模型输入多轮对话，并基于问答抽取模型进行商品问答信息识别操作。其中，该多轮对话，指的是本次卖家发言以及本次卖家发言之前“完整”的买卖家对话信息。该“完整”的买卖家对话信息包含发言轮次、发言时间、发言角色以及发言内容，涵盖了整个对话的上下文。

其中，问答抽取模块基于人对人场景下的多轮对话问答抽取的NLU算法MTQAE实现，MTQAE能够实时地、精准地对问答信息进行识别。如图6所示，问答抽取模型可识别包括但不限于关于商品本身的问答、关于地址的问答、关于实拍图的问答等。

在识别出多轮对话中的问句和答句之后，服务器可根据发言时间、轮次、先验规则(比如必须满足有问才有答、相同问题的回答之间不能有别的问题)等条件，梳理一整套逻辑形成有限状态机FSM，并基于FSM进行问答句子对的匹配，避免“答非所问”的识别错误。

其中，问答句子对的匹配结果可能包含“一问多答”、“多问一答”、“多问多答”的情况。针对上述情况，可对多条问题或多条答案依据一定算法进行组装、拼接，得到一组或者多组问答对。

如图6所示，获取问答对后，服务器可进一步基于信息透出模块，判断问答是否可结构化。该步骤主要用于判断识别出的问答信息是否属于结构化信息范畴。在判断时，可对每组问答对进行初步的语义识别，并判断语义识别结果是否与商品的结构化属性匹配。例如，例如“问：几成新？；答：95新”的问答对，可映射到商品的“成色”这个结构化属性上。

若可进行结构化，则可执行句式转换操作，即：将问答对转换为以卖家为第一人称对商品进行描述性的陈述句。对于可结构化的问答信息，在输出时，可使用结构化属性抽取算法，对商品信息包含的结构化属性进行识别和提取。在二手交易场景下，该属性抽取算法可以为二手属性抽取算法，该二手属性抽取算法可抽取出商品的品牌、成色、磨损、保质期等二手属性。在新品交易场景下，该属性抽取算法可以为新品属性抽取算法。

针对不可结构化的问答对，服务器可采用NER算法，对问答文本中的隐私信息进行屏蔽和模糊，该隐私信息包括但不限于身份证、手机号、地址中的单元楼栋楼层号等。

基于上述处理，可得到用于描述商品信息的属性和属性值，或者，用于描述商品信息的问答对。

若该对话是卖家首次参与互动交流输出的信息，则可在抽取得到结构化的属性信息后，直接将属性以及属性值输出至卖家的终端设备。卖家的终端设备可根据接收到的信息对卖家透出提示，并经由卖家的确认后，将该属性和属性值添加到商品详情中进行展示。同理，隐私处理后的问答对可发送至卖家的终端设备，由卖家的终端设备对卖家进行提示，并经由卖家的确认后，将该问答对添加到商品详情中进行展示。

若该对话是卖家非首次参与互动交流输出的信息，则服务器可进一步执行信息后处理操作，以进行信息的整合聚类。

如图6所示，在信息后处理阶段中，服务器可判断本次沟通过程中识别出的结构化属性或问答对，是否与历史沟通过程中识别出的结构化属性或问答对相似。若判断结果为是，则需要进行进一步的信息聚类，避免产生冲突或重复。若判断结果为否，则可直接进行信息透出提示，如前述记载。

其中，针对识别出的结构化属性及属性值，在该结构化属性与已在商品的详情页中展示的属性相同的情况下，若该结构化属性的属性值和已在详情页展示的属性值也重复，则不对卖家用户进行补充信息的提示。若该结构化属性的属性值和已在详情页展示的属性值不重复，则提示卖家是否需要对已展示的属性值进行修改。

针对识别出的问答对，若问句的语义与已在商品的详情页中展示的问句的语义相同或相似，则将识别到的答句补充到详情页中已展示的问句下，并给卖家发送提示。

在结构化属性或者问答对输出前，卖家的终端设备可对卖家进行提示，并由卖家执行确认操作，进而，一方面可确保用户有知情权和选择权，另一方面防止展示无用信息或者违背卖家主观意愿的商品信息。

通过这种实施方式，在二手交易场景下，可充分挖掘买卖家在聊天时关于商品信息问答的文本内容，并以结构化属性或者“一问一答”的形式补充到商品详情页，一方面能增加商品信息的内容丰富度，让其他买家更了解商品本身，另一方面能减少不同买家重复问询同一件商品相同/相似问题而给卖家造成的麻烦。

上述各实施例描述了本申请提供的问答信息处理系统的系统架构以及系统功能，以下部分将结合附图对本申请实施例提供的问答信息处理方法进行具体说明。

图7是本申请一示例性实施例提供的一种问答信息处理方法的方法流程图，该实施例可基于图1所示的问答信息处理系统实现，主要是从终端设备的角度进行的描述。如图7所示，该方法包括：

步骤701、接收服务器发送的目标对象的对象信息；所述对象信息根据咨询用户与应答用户之间的至少一轮咨询对话获取。

步骤702、在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息。

步骤703、响应所述应答用户对所述对象信息的确认操作，向所述服务器发送添加请求，以使所述服务器将所述对象信息添加至所述目标对象的详情信息中。

在一些示例性的实施例中，在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息的一种方式，包括：在所述目标对象的咨询对话界面中，展示补充信息的提示消息；响应对所述提示消息的触发操作，展示悬浮窗口；在所述悬浮窗口中，展示所述对象信息对应的目标属性以及目标属性值；或者，在所述悬浮窗口中，展示所述对象信息对应的问答对。

在一些示例性的实施例中，在所述悬浮窗口中，展示所述对象信息对应的问答对，还包括：展示所述问答对的修改控件；响应对所述修改控件的触发操作，获取所述应答用户对所述问答对的修改结果，作为更新后的问答对。

本实施例中，在人与人的咨询对话场景下，终端设备可接收服务器根据人与人之间的至少一轮咨询对话识别到的对象信息，并展示该对象信息。该对象信息可经由应答用户确认后展示在目标对象的详情信息中。基于这种方式，实现了人与人之间的对话信息的深度挖掘，可从对话信息中挖掘出有效信息并合理利用有效信息，有利于降低重复咨询以及重复进行咨询答复所需的时间成本和人力成本。

图8是本申请另一示例性实施例提供的一种问答信息处理方法的首轮交互方法流程图，该实施例可基于图1所示的问答信息处理系统实现，主要是从终端设备的角度进行的描述。如图8所示，该方法包括：

步骤801、获取咨询用户与应答用户针对目标对象的至少一轮咨询对话。

步骤802、对所述至少一轮咨询对话进行问答信息识别，得到所述目标对象的对象信息。

步骤803、将识别到的所述对象信息发送至所述应答用户的终端设备，以使所述终端设备向所述应答用户展示所述对象信息。

步骤804、接收所述终端设备根据所述应答用户对所述对象信息的确认操作返回的添加请求，将所述对象信息添加至所述目标对象的详情信息中。

在一些示例性的实施例中，获取所述咨询用户与所述应答用户之间的至少一轮咨询对话的一种方式，可包括：根据咨询用户的用户问题，识别所述咨询用户的交互意图；若所述交互意图用于询问所述目标对象的属性信息，则在每次接收到所述应答用户的答复消息时，获取所述答复消息之前的指定轮次的对话，作为所述至少一轮咨询对话。

在一些示例性的实施例中，对所述至少一轮咨询对话进行问答信息识别，得到所述目标对象的至少一种对象信息的一种方式，可包括：将所述至少一轮咨询对话，输入问答抽取模型；在所述问答抽取模型中，对所述至少一轮咨询对话包含的多个语句分别进行切词处理，得到所述多个语句各自的切词结果；对所述多个语句各自的切词结果进行语义编码，得到所述多个语句各自的编码向量；采用所述多个语句各自的发言角色、问答位置以及发言时间中的至少一种信息，对所述多个语句各自的编码向量进行融合处理，得到所述多个语句各自的融合向量；根据所述多个语句各自的融合向量，从所述多个语句中识别出与所述目标对象的属性相关的提问语句以及答复语句；从与所述目标对象的属性相关的提问语句以及答复语句中，获取所述目标对象的至少一种对象信息。

在一些示例性的实施例中，采用所述多个语句各自的发言角色、问答位置以及发言时间中的至少一种信息，对所述多个语句各自的编码向量进行融合处理，得到所述多个语句各自的融合向量的一种方式，可包括：针对所述多个语句中的任一语句，在所述问答抽取模型中，将所述语句的编码向量、所述语句对应的发言角色以及所述语句的关键词进行拼接，得到所述语句的第一特征向量；将所述第一特征向量与所述语句在所述至少一轮问答中的问答位置信息进行位置编码，得到第二特征向量；将所述第二特征向量输入多头注意力网络，得到所述语句的第三特征向量；将所述第三特征向量与所述语句的发言时间信息进行拼接，得到第四特征向量，作为所述语句的融合向量。

在一些示例性的实施例中，从与所述目标对象的属性相关的提问语句以及答复语句中，获取所述目标对象的至少一种对象信息的一种方式，可包括：对与所述目标对象属性相关的提问语句以及答复语句进行问答对的匹配，得到至少一组问答对；根据所述至少一组问答对各自的语义信息，确定所述至少一组问答对各自的输出方式；所述输出方式包括：结构化输出或者非结构化输出；根据所述至少一组问答对各自的输出方式，将所述至少一组问答对输出为所述目标对象的至少一种对象信息。

在一些示例性的实施例中，对针对所述目标对象的提问语句以及答复语句进行问答对的匹配，得到至少一组问答对之后，该方法还包括：针对任意一组问答对，若所述问答对包含多个问句，则对所述问答对中的多个问句进行拼接；若所述问答对包含多个答句，则对所述问答对中的多个答句进行拼接。

在一些示例性的实施例中，根据所述至少一组问答对各自的语义信息，确定所述至少一组问答对各自的输出方式的一种方式，可包括：针对所述至少一组问答对中的任意一组问答对，对所述问答对进行语义识别，得到所述问答对的语义；若所述目标对象的预设结构化属性中，存在与所述问答对的语义匹配的属性，则确定采用所述结构化输出的方式对所述问答对进行输出；若所述目标对象的预设结构化属性中，不存在与所述问答对的语义匹配的属性，则确定采用所述非结构化输出的方式对所述问答对进行输出。

在一些示例性的实施例中，根据所述至少一组问答对各自的输出方式，将所述至少一组问答对输出为所述目标对象的至少一种对象信息的一种方式，可包括：若采用所述结构化输出的方式对所述问答对进行输出，则对所述问答对进行属性抽取，得到所述问答对的目标属性以及对应的目标属性值；将所述目标属性以及所述目标属性值形成的结构化信息，作为所述问答对对应的对象信息；若采用所述非结构化输出的方式对所述问答对进行输出，则对所述问答对进行信息安全处理，并将信息安全处理得到的问答对作为得到问答对对应的对象信息。

在一些示例性的实施例中，将所述目标属性以及所述目标属性值形成的结构化信息，作为所述问答对对应的对象信息之后，该方法还包括：从所述目标对象的详情页中已展示的属性中，查询所述目标属性的已有属性值；若所述目标属性的已有属性值与所述目标属性值不同，则向所述终端设备返回提示对所述目标属性的属性值进行修改的信息。

在一些示例性的实施例中，将信息安全处理得到的问答对作为得到问答对对应的对象信息之后，该方法还包括：从所述目标对象的详情页中已展示的历史问句中，确定与所述问答对中的问句相同的目标历史问句；判断所述目标历史问句的答句的语义是否与所述问答对的答句的语义相同；若为是，则将所述问答对的答句作为所述目标历史问句的答句发送给所述终端设备。

本实施例中，在人与人的咨询对话场景下，可根据人与人之间针对目标对象产生的至少一轮咨询对话进行问答识别，从而得到目标对象的对象信息。该对象信息可经由应答用户确认后展示在目标对象的详情信息中。基于这种方式，实现了人与人之间的对话信息的深度挖掘，可从对话信息中挖掘出有效信息并合理利用有效信息，有利于降低重复咨询以及重复进行咨询答复所需的时间成本和人力成本。

本申请实施例还提供一种商品信息展示方法，该方法可由卖家的终端设备执行。该方法主要包括以下步骤：

S1、获取商品对应的咨询对话信息。

S2、基于所述咨询对话信息进行问答信息识别，得到所述商品的商品描述信息。

S3、将所述商品描述信息作为所述商品的展示信息，以对所述商品进行展示。

其中，商品的咨询对话信息是在商品的咨询过程中产生的。其中，商品的咨询可发生在针对商品的多种咨询场景中，例如商品售前咨询场景、商品售后咨询场景、商品售后评价场景、直播购物场景等等。其中，商品售前、售后咨询场景，可包括新品的售前、售后场景，也可以是二手商品的售前、售后场景。当然，除上述列举的场景之外，还可适用于针对商品的其他可能的场景，不再一一进行列举。当商品的买家具有购买意向或者存在咨询需求时，可通过交易平台提供的咨询入口与卖家用户发起互动聊天，并向卖家咨询商品的详细信息。买卖双方发言后，终端设备可获取商品对应的咨询对话信息。

获取到咨询对话信息后，终端设备可基于咨询对话信息进行问答信息识别，得到商品的商品描述信息。在一些实施例中，终端设备上可运行有问答识别模型，该问答识别模型可参考前述实施例的记载，此处不再赘述。终端设备可基于该问答模型对咨询对话信息进行问答信息识别，得到商品的描述信息。在另一些实施例中，终端设备可将获取到的咨询对话信息发送至服务器，由服务器基于前述各实施例提供的问答识别模型进行问答信息识别，得到商品的描述信息，并将该描述信息返回给终端设备。

终端设备获取到商品的描述信息后，可将该商品描述信息作为商品的展示信息，以对该商品进行展示。其中，商品的展示信息，指的是在商品所在的介绍页面中展示的信息。在这种实施方式中，终端设备将从商品咨询对话信息中识别到商品描述信息，作为商品的展示信息，一方面可基于商品咨询对话包含的内容进一步丰富用于描述商品的信息，另一方面，可充分利用已有的商品信息资源，降低商品信息的重复咨询率。基于上述实施例提供的商品信息展示方式，在一些情形下，交易平台可自主地根据买家与卖家之间的对话信息进行问答信息识别，得到对话信息包含的商品描述信息。得到商品描述信息后，交易平台可自主地将该商品描述信息通过卖家的终端设备进行展示，并向卖家推荐将该商品描述信息添加至商品的展示信息中。

在另一些情形下，卖家可通过终端设备向交易平台请求开启对商品的咨询对话信息进行问答信息识别的功能。例如，交易平台可通过终端设备展示一操作控件，该操作控件可展示在卖家与买家的咨询对话界面中，也可展示在其他界面中，本实施例不做限制。卖家可通过触发该操作控件，向交易平台请求开启问答信息识别的功能。交易平台可响应该请求，根据买家与卖家之间的对话信息进行问答信息识别，得到对话信息包含的商品描述信息。得到商品描述信息后，交易平台可将该商品描述信息通过卖家的终端设备进行展示，不再赘述。

需要说明的是，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如801、802等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。

需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

以上描述了问答信息处理方法适用于终端设备侧的可选实施例，如图9所示，实际中，终端设备可包括：存储器900、处理器901、通信组件902以及显示组件903。

存储器900可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

在本实施例中，存储器900用于存储一条或多条计算机指令。

处理器901，耦合至存储器900，用于执行存储器900中的一条或多条计算机指令，以用于：通过通信组件902接收服务器发送的目标对象的对象信息；所述对象信息根据咨询用户与应答用户之间的至少一轮咨询对话获取；通过显示组件903在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息；响应所述应答用户对所述对象信息的确认操作，向所述服务器发送添加请求，以使所述服务器将所述对象信息添加至所述目标对象的详情信息中。

在一些示例性的实施例中，处理器901在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息时，具体用于：通过显示组件904在所述目标对象的咨询对话界面中，展示补充信息的提示消息；响应对所述提示消息的触发操作，展示悬浮窗口；在所述悬浮窗口中，展示所述对象信息对应的目标属性以及目标属性值；或者，在所述悬浮窗口中，展示所述对象信息对应的问答对。

在一些示例性的实施例中，处理器901通过显示组件903在所述悬浮窗口中，展示所述对象信息对应的问答对时，还用于：通过显示组件903展示所述问答对的修改控件；响应对所述修改控件的触发操作，获取所述应答用户对所述问答对的修改结果，作为更新后的问答对。

进一步可选地，图9示意的终端设备还包括：音频组件904以及电源组件905。

在一可选实施方式中，显示组件903，用于显示待填写信息页以及交互结果。其中，显示组件903包括液晶显示器(LCD)和触摸面板(TP)。如果显示组件903包括触摸面板，显示组件903可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。

在一可选实施方式中，音频组件904被存储为输出和/或输入音频信号。例如，音频组件904包括一个麦克风(MIC)，当音频组件904所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器900或经由通信组件902发送。在一些实施例中，音频组件904还包括一个扬声器，用于输出音频信号。

在一可选实施方式中，电源组件905用于为终端设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。

本实施例中，在人与人的咨询对话场景下，终端设备可接收服务器根据人与人之间的至少一轮咨询对话识别到的对象信息，并展示该对象信息。该对象信息可经由应答用户确认后展示在目标对象的详情信息中。基于这种方式，实现了人与人之间的对话信息的深度挖掘，可从对话信息中挖掘出有效信息并合理利用有效信息，有利于降低重复咨询以及重复进行咨询答复所需的时间成本和人力成本。

除前述实施例记载的问答信息处理逻辑之外，图9所示的终端设备还可执行商品信息展示逻辑。其中，处理器901具体用于：获取商品对应的咨询对话信息；基于所述咨询对话信息进行问答信息识别，得到所述商品的商品描述信息；将所述商品描述信息作为所述商品的展示信息，以对所述商品进行展示。在这种实施方式中，终端设备可从商品咨询对话信息中识别到商品描述信息，并将该商品描述信息作为商品的展示信息。从而，一方面可基于商品咨询对话包含的内容进一步丰富用于描述商品的信息，另一方面，可充分利用已有的商品信息资源，降低商品信息的重复咨询率。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由终端设备执行的方法实施例中各步骤。

以上描述了问答信息处理方法适用于服务器侧的可选实施例，如图10所示，实际中，服务器可包括：存储器1000、处理器1001以及通信组件1002。

存储器1000可被配置为存储其它各种数据以支持在服务器上的操作。这些数据的示例包括用于在服务器上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

在本实施例中，存储器110用于存储一条或多条计算机指令。

处理器1001，耦合至存储器1000，用于执行存储器1000中的一条或多条计算机指令，以用于：通过通信组件1002获取咨询用户与应答用户针对目标对象的至少一轮咨询对话；对所述至少一轮咨询对话进行问答信息识别，得到所述目标对象的对象信息；将识别到的所述对象信息发送至所述应答用户的终端设备，以使所述终端设备向所述应答用户展示所述对象信息；接收所述终端设备根据所述应答用户对所述对象信息的确认操作返回的添加请求，将所述对象信息添加至所述目标对象的详情信息中。

在一些示例性的实施例中，处理器1001在获取所述咨询用户与所述应答用户之间的至少一轮咨询对话时，具体用于：根据咨询用户的用户问题，识别所述咨询用户的交互意图；若所述交互意图用于询问所述目标对象的属性信息，则在每次接收到所述应答用户的答复消息时，获取所述答复消息之前的指定轮次的对话，作为所述至少一轮咨询对话。

在一些示例性的实施例中，处理器1001在对所述至少一轮咨询对话进行问答信息识别，得到所述目标对象的至少一种对象信息时，具体用于：将所述至少一轮咨询对话，输入问答抽取模型；在所述问答抽取模型中，对所述至少一轮咨询对话包含的多个语句分别进行切词处理，得到所述多个语句各自的切词结果；对所述多个语句各自的切词结果进行语义编码，得到所述多个语句各自的编码向量；采用所述多个语句各自的发言角色、问答位置以及发言时间中的至少一种信息，对所述多个语句各自的编码向量进行融合处理，得到所述多个语句各自的融合向量；根据所述多个语句各自的融合向量，从所述多个语句中识别出与所述目标对象的属性相关的提问语句以及答复语句；从与所述目标对象的属性相关的提问语句以及答复语句中，获取所述目标对象的至少一种对象信息。

在一些示例性的实施例中，处理器1001在采用所述多个语句各自的发言角色、问答位置以及发言时间中的至少一种信息，对所述多个语句各自的编码向量进行融合处理，得到所述多个语句各自的融合向量时，具体用于：针对所述多个语句中的任一语句，在所述问答抽取模型中，将所述语句的编码向量、所述语句对应的发言角色以及所述语句的关键词进行拼接，得到所述语句的第一特征向量；将所述第一特征向量与所述语句在所述至少一轮问答中的问答位置信息进行位置编码，得到第二特征向量；将所述第二特征向量输入多头注意力网络，得到所述语句的第三特征向量；将所述第三特征向量与所述语句的发言时间信息进行拼接，得到第四特征向量，作为所述语句的融合向量。

在一些示例性的实施例中，处理器1001在从与所述目标对象的属性相关的提问语句以及答复语句中，获取所述目标对象的至少一种对象信息时，具体用于：对与所述目标对象属性相关的提问语句以及答复语句进行问答对的匹配，得到至少一组问答对；根据所述至少一组问答对各自的语义信息，确定所述至少一组问答对各自的输出方式；所述输出方式包括：结构化输出或者非结构化输出；根据所述至少一组问答对各自的输出方式，将所述至少一组问答对输出为所述目标对象的至少一种对象信息。

在一些示例性的实施例中，处理器1001在对针对所述目标对象的提问语句以及答复语句进行问答对的匹配，得到至少一组问答对之后，处理器1001还用于：针对任意一组问答对，若所述问答对包含多个问句，则对所述问答对中的多个问句进行拼接；若所述问答对包含多个答句，则对所述问答对中的多个答句进行拼接。

在一些示例性的实施例中，处理器1001在根据所述至少一组问答对各自的语义信息，确定所述至少一组问答对各自的输出方式时，具体用于：针对所述至少一组问答对中的任意一组问答对，对所述问答对进行语义识别，得到所述问答对的语义；若所述目标对象的预设结构化属性中，存在与所述问答对的语义匹配的属性，则确定采用所述结构化输出的方式对所述问答对进行输出；若所述目标对象的预设结构化属性中，不存在与所述问答对的语义匹配的属性，则确定采用所述非结构化输出的方式对所述问答对进行输出。

在一些示例性的实施例中，处理器1001在根据所述至少一组问答对各自的输出方式，将所述至少一组问答对输出为所述目标对象的至少一种对象信息时，具体用于：若采用所述结构化输出的方式对所述问答对进行输出，则对所述问答对进行属性抽取，得到所述问答对的目标属性以及对应的目标属性值；将所述目标属性以及所述目标属性值形成的结构化信息，作为所述问答对对应的对象信息；若采用所述非结构化输出的方式对所述问答对进行输出，则对所述问答对进行信息安全处理，并将信息安全处理得到的问答对作为得到问答对对应的对象信息。

在一些示例性的实施例中，处理器1001在将所述目标属性以及所述目标属性值形成的结构化信息，作为所述问答对对应的对象信息之后，处理器1001还用于：从所述目标对象的详情页中已展示的属性中，查询所述目标属性的已有属性值；若所述目标属性的已有属性值与所述目标属性值不同，则向所述终端设备返回提示对所述目标属性的属性值进行修改的信息。

在一些示例性的实施例中，处理器1001在将信息安全处理得到的问答对作为得到问答对对应的对象信息之后，还用于：从所述目标对象的详情页中已展示的历史问句中，确定与所述问答对中的问句相同的目标历史问句；判断所述目标历史问句的答句的语义是否与所述问答对的答句的语义相同；若为是，则将所述问答对的答句作为所述目标历史问句的答句发送给所述终端设备。

进一步可选地，图10示意的服务器还包括：电源组件1003。电源组件1003用于为服务器的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为服务器生成、管理和分配电力相关联的组件。

在本实施例中，本实施例中，在人与人的咨询对话场景下，可根据人与人之间针对目标对象产生的至少一轮咨询对话进行问答识别，从而得到目标对象的对象信息。该对象信息可经由应答用户确认后展示在目标对象的详情信息中。基于这种方式，实现了人与人之间的对话信息的深度挖掘，可从对话信息中挖掘出有效信息并合理利用有效信息，有利于降低重复咨询以及重复进行咨询答复所需的时间成本和人力成本。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由人服务器执行的方法实施例中各步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (14)

1.一种问答信息处理方法，其特征在于，包括：

接收服务器发送的目标对象的对象信息；所述对象信息根据咨询用户与应答用户之间的至少一轮咨询对话获取；

在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息；

响应所述应答用户对所述对象信息的确认操作，向所述服务器发送添加请求，以使所述服务器将所述对象信息添加至所述目标对象的详情信息中。

2.根据权利要求1所述的方法，其特征在于，在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息，包括：

在所述目标对象的咨询对话界面中，展示补充信息的提示消息；

响应对所述提示消息的触发操作，展示悬浮窗口；

在所述悬浮窗口中，展示所述对象信息对应的目标属性以及目标属性值；或者，在所述悬浮窗口中，展示所述对象信息对应的问答对。

3.根据权利要求2所述的方法，其特征在于，在所述目标对象的咨询对话界面中，向所述应答用户展示所述对象信息，还包括：

展示所述对象信息对应的修改控件；

响应对所述修改控件的触发操作，获取所述应答用户对所述对象信息的修改结果，作为更新后的对象信息。

4.一种商品信息展示方法，其特征在于，包括：

获取商品对应的咨询对话信息；

基于所述咨询对话信息进行问答信息识别，得到所述商品的商品描述信息；

将所述商品描述信息作为所述商品的展示信息，以对所述商品进行展示。

5.一种问答信息处理方法，其特征在于，包括：

获取咨询用户与应答用户针对目标对象的至少一轮咨询对话；

对所述至少一轮咨询对话进行问答信息识别，得到所述目标对象的对象信息；

将识别到的所述对象信息发送至所述应答用户的终端设备，以使所述终端设备向所述应答用户展示所述对象信息；

接收所述终端设备根据所述应答用户对所述对象信息的确认操作返回的添加请求，将所述对象信息添加至所述目标对象的详情信息中。

6.根据权利要求5所述的方法，其特征在于，获取所述咨询用户与所述应答用户之间的至少一轮咨询对话，包括：

根据咨询用户的用户问题，识别所述咨询用户的交互意图；

若所述交互意图用于询问所述目标对象的属性信息，则在每次接收到所述应答用户的答复消息时，获取所述答复消息之前的指定轮次的对话，作为所述至少一轮咨询对话。

7.根据权利要求5所述的方法，其特征在于，对所述至少一轮咨询对话进行问答信息识别，得到所述目标对象的至少一种对象信息，包括：

将所述至少一轮咨询对话，输入问答抽取模型；

在所述问答抽取模型中，对所述至少一轮咨询对话包含的多个语句分别进行切词处理，得到所述多个语句各自的切词结果；

对所述多个语句各自的切词结果进行语义编码，得到所述多个语句各自的编码向量；

采用所述多个语句各自的发言角色、问答位置以及发言时间中的至少一种信息，对所述多个语句各自的编码向量进行融合处理，得到所述多个语句各自的融合向量；

根据所述多个语句各自的融合向量，从所述多个语句中识别出与所述目标对象的属性相关的提问语句以及答复语句；

从与所述目标对象的属性相关的提问语句以及答复语句中，获取所述目标对象的至少一种对象信息。

8.根据权利要求7所述的方法，其特征在于，采用所述多个语句各自的发言角色、问答位置以及发言时间中的至少一种信息，对所述多个语句各自的编码向量进行融合处理，得到所述多个语句各自的融合向量，包括：

针对所述多个语句中的任一语句，在所述问答抽取模型中，将所述语句的编码向量、所述语句对应的发言角色以及所述语句的关键词进行拼接，得到所述语句的第一特征向量；

将所述第一特征向量与所述语句在所述至少一轮问答中的问答位置信息进行位置编码，得到第二特征向量；

将所述第二特征向量输入多头注意力网络，得到所述语句的第三特征向量；

将所述第三特征向量与所述语句的发言时间信息进行拼接，得到第四特征向量，作为所述语句的融合向量。

9.根据权利要求7所述的方法，其特征在于，从与所述目标对象的属性相关的提问语句以及答复语句中，获取所述目标对象的至少一种对象信息，包括：

对与所述目标对象属性相关的提问语句以及答复语句进行问答对的匹配，得到至少一组问答对；

根据所述至少一组问答对各自的语义信息，确定所述至少一组问答对各自的输出方式；所述输出方式包括：结构化输出或者非结构化输出；

根据所述至少一组问答对各自的输出方式，将所述至少一组问答对输出为所述目标对象的至少一种对象信息。

10.根据权利要求9所述的方法，其特征在于，根据所述至少一组问答对各自的语义信息，确定所述至少一组问答对各自的输出方式，包括：

针对所述至少一组问答对中的任意一组问答对，对所述问答对进行语义识别，得到所述问答对的语义；

若所述目标对象的预设结构化属性中，存在与所述问答对的语义匹配的属性，则确定采用所述结构化输出的方式对所述问答对进行输出；

若所述目标对象的预设结构化属性中，不存在与所述问答对的语义匹配的属性，则确定采用所述非结构化输出的方式对所述问答对进行输出。

11.根据权利要求10所述的方法，其特征在于，根据所述至少一组问答对各自的输出方式，将所述至少一组问答对输出为所述目标对象的至少一种对象信息，包括：

若采用所述结构化输出的方式对所述问答对进行输出，则对所述问答对进行属性抽取，得到所述问答对的目标属性以及对应的目标属性值；将所述目标属性以及所述目标属性值形成的结构化信息，作为所述问答对对应的对象信息；

若采用所述非结构化输出的方式对所述问答对进行输出，则对所述问答对进行信息安全处理，并将信息安全处理得到的问答对作为得到问答对对应的对象信息。

12.一种终端设备，其特征在于，包括：存储器、处理器、通信组件以及显示组件；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行一条或多条计算机指令，以用于：执行权利要求1-4任一项所述的方法中的步骤。

13.一种服务器，其特征在于，包括：存储器、处理器以及通信组件；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行一条或多条计算机指令，以用于：执行权利要求5-11任一项所述的方法中的步骤。

14.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被执行时能够实现权利要求1-4任一项所述的方法中的步骤或者权利要求5-11任一项所述方法中的步骤。

Images