CN114911814A - 一种基于知识资源库更新的咨询服务方法及系统 - Google Patents

Abstract

本发明提供了一种基于知识资源库更新的咨询服务方法及系统，应用于知识资源库更新咨询服务领域，该方法包括：通过对第一咨询信息进行指称识别，获得识别结果，识别结果包括第一实体信息集。对实体信息集进行向量拼接，生成拼接结果，拼接结果包括第一实体向量集和第一关系向量集。获得第一更新评估通道，将第一实体向量集和第一关系向量集输入第一更新评估通道，生成缺失向量信息集和检索置信度。提取第一检索置信度不满足第一置信度阈值的向量信息，合并第一缺失向量信息集，生成第一待更新向量信息。根据第一待更新向量信息对第一知识资源库进行在线更新。实现了针对性的对咨询内容进行更新，提高知识资源库咨询服务的准确度的技术效果。

Description

一种基于知识资源库更新的咨询服务方法及系统

技术领域

本发明涉及知识资源库更新咨询服务领域，具体涉及一种基于知识资源库更新的咨询服务方法及系统。

背景技术

知识资源库记录了大量的知识资源，是一种面向所有互联网用户的知识数据库，通过用户输入的咨询信息在知识资源库种匹配相应的咨询信息结果。

然而，在现有技术中由于知识资源库一般按照一定周期或根据大数据进行同步更新，当用户输入的咨询信息在知识资源库无法匹配到对应的结果时，系统并不会针对性的对用户的咨询信息进行定向更新，因此现有技术种采用的更新方式存在一定的局限性。

因此，在现有技术中知识资源库缺少定向的数据更新方法，导致无法根据咨询内容进行定向更新，且知识资源库咨询服务的准确度较低的技术问题。

发明内容

本申请提供一种基于知识资源库更新的咨询服务方法及系统，用于针对解决现有技术中知识资源库缺少定向的数据更新方法，导致无法根据咨询内容进行定向更新，且知识资源库咨询服务的准确度较低的技术问题。

鉴于上述问题，本申请提供了一种基于知识资源库更新的咨询服务方法。

本申请的第一个方面，提供了一种基于知识资源库更新的咨询服务方法，所述方法包括：对第一咨询信息进行指称识别，获得第一识别结果，其中，所述第一识别结果包括第一实体信息集；对所述第一实体信息集进行向量拼接，生成第一向量拼接结果，其中，所述第一向量拼接结果包括第一实体向量集和第一关系向量集；根据第一知识资源库，获得第一更新评估通道；将所述第一实体向量集和所述第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度；提取所述第一检索置信度不满足第一置信度阈值的向量信息，合并所述第一缺失向量信息集，生成第一待更新向量信息；遍历所述第一待更新向量信息对所述第一知识资源库进行在线更新，生成第二知识资源库；将所述第一实体向量集和所述第一关系向量集输入所述第二知识资源库，生成第一咨询结果。

本申请的第二个方面，提供了一种基于知识资源库更新的咨询服务系统，所述系统包括：第一获得单元，用于对第一咨询信息进行指称识别，获得第一识别结果，其中，所述第一识别结果包括第一实体信息集；第一生成单元，用于对所述第一实体信息集进行向量拼接，生成第一向量拼接结果，其中，所述第一向量拼接结果包括第一实体向量集和第一关系向量集；第二获得单元，用于根据第一知识资源库，获得第一更新评估通道；第二生成单元，用于将所述第一实体向量集和所述第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度；第三生成单元，用于提取所述第一检索置信度不满足第一置信度阈值的向量信息，合并所述第一缺失向量信息集，生成第一待更新向量信息；第四生成单元，用于遍历所述第一待更新向量信息对所述第一知识资源库进行在线更新，生成第二知识资源库；第五生成单元，用于将所述第一实体向量集和所述第一关系向量集输入所述第二知识资源库，生成第一咨询结果。

本申请的第三个方面，提供了一种电子设备，包括：处理器和存储器，所述处理器与存储器耦合；所述存储器用于存储程序，所述处理器，用于通过调用，执行时实现如第一方面所述方法的步骤。

本申请的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法通过对咨询信息进行识别，获取咨询信息中的实体信息。通过对实体信息进行拼接获取实体和实体关系向量集，通过将获取到数据输入更新评估通道，输出检索置信度信息，通过检索置信度获取待更新向量，根据待更新向量信息针对性的对知识资源库进行更新。解决了现有技术中知识资源库缺少定向的数据更新方法，导致无法根据咨询内容进行定向更新，且知识资源库咨询服务的准确度较低的技术问题。实现了针对性的对咨询内容进行更新，提高知识资源库咨询服务的准确度的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请提供的一种基于知识资源库更新的咨询服务方法流程示意图；

图2为本申请提供的一种基于知识资源库更新的咨询服务方法中获得第一向量拼接结果的流程示意图；

图3为本申请提供的一种基于知识资源库更新的咨询服务方法中获得第一检索置信度的流程示意图；

图4为本申请提供了一种基于知识资源库更新的咨询服务系统结构示意图；

图5为本申请示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第一生成单元12，第二获得单元13，第二生成单元14，第三生成单元15，第四生成单元16，第五生成单元17，电子设备总线300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请提供一种基于知识资源库更新的咨询服务方法及系统，用于针对解决现有技术中知识资源库缺少定向的数据更新方法，导致无法根据咨询内容进行定向更新，且知识资源库咨询服务的准确度较低的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供的方法通过对咨询信息进行识别，获取咨询信息中的实体信息。通过对实体信息进行拼接获取实体和实体关系向量集，通过将获取到数据输入更新评估通道，输出检索置信度信息，通过检索置信度获取待更新向量，根据待更新向量信息针对性的对知识资源库进行更新。解决了现有技术中知识资源库缺少定向的数据更新方法，导致无法根据咨询内容进行定向更新，且知识资源库咨询服务的准确度较低的技术问题。实现了针对性的对咨询内容进行更新，提高知识资源库咨询服务的准确度的技术效果。

在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，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。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

实施例一

如图1所示，本申请提供了一种基于知识资源库更新的咨询服务方法，所述方法包括：

S100：对第一咨询信息进行指称识别，获得第一识别结果，其中，所述第一识别结果包括第一实体信息集；

具体的，在现有的知识资源库的更新方式往往采用大数据的方式进行更新，该更新方式更新效率较低更新周期长，导致知识资源库中实体缺失且错误率较高，无法及时进行补充和修改处理。本申请实施例通过对用户的咨询信息即第一咨询信息进行指称识别，获取识别后的结果，其中用户咨询信息的指称识别可以通过现有技术获取，在此不做赘述。指称识别是指将一段咨询信息中的内容进行提取，提取其中重要的信息。将第一咨询信息通过指称识别后，获取第一识别结果，第一识别结果中包含实体信息集，第一实体信息集为用户咨询信息中蕴含的重要信息集合。举不设限制的一例：若咨询信息为：李清照的丈夫的著作是什么，通过指称识别后，需要检索的实体信息集包括：第一组：实体元素：李清照；关系元素：丈夫；待检索内容：李清照-丈夫-1，第二组：实体元素：李清照的丈夫具体内容：1；关系元素：著作；待检索内容：1-著作-2。

S200：对所述第一实体信息集进行向量拼接，生成第一向量拼接结果，其中，所述第一向量拼接结果包括第一实体向量集和第一关系向量集；

具体的，对第一实体信息集进行关系获取，获取第一实体信息集中所有实体信息以及实体信息关系。通过对实体信息进行同义匹配获取第一实体向量集，第一实体向量集为实体信息同义的信息集合。通过对实体信息关系进行同义匹配获取第一关系向量集，第一关系向量集为实体信息关系的相近关系集合。将第一实体向量集和第一关系向量集进行拼接，获取第一向量拼接结果。通过获取第一实体向量集和第一关系向量，实现了咨询信息的近义、同义检索，保证其可以在知识资源库中进行充分检索。避免因了知识资源库存储的实体要素和实际检索的要素不同，但是实际意思相同，造成无法检索出相应的结果，导致知识资源库的重复更新。

S300：根据第一知识资源库，获得第一更新评估通道；

具体的，第一更新评估通道用于根据第一知识资源库对第一咨询信息进行评估，评估其是否需要根据第一咨询信息对第一知识资源库进行数据更新。其中第一评估通道通过向量匹配模块和置信度评估模块构成，向量匹配模块用于对咨询信息获取的向量集合在第一知识资源库进行匹配，置信度评估模块用于对咨询答案进行置信度评估，评估咨询答案的错误概率，获取最终的置信度评估结果，当咨询答案的错误概率越高，此时该咨询答案置信度越低，当咨询答案的错误概率越低，此时该咨询答案置信度越高，置信度越高说明该咨询答案越可靠。

S400：将所述第一实体向量集和所述第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度；

具体的，将第一实体向量集和第一关系向量集作为输入数据输入第一更新评估通道，第一更新评估通道用于根据上述信息判断是否存在缺失向量，缺失向量信息表示第一实体向量集和第一关系向量在第一知识资源库中无对应的匹配结果，此时说明用户的第一咨询信息在第一知识资源库中不存在相应的咨询答案。由于，第一缺失向量信息为知识资源库中未匹配到检索信息，第一检索置信度为知识资源库中匹配到检索信息，当检索咨询信息在知识咨询库中未检索到时，将其添加进第一缺失向量信息集；当检索咨询信息在知识咨询库中检索到时，评估检索置信度。通过获取第一缺失向量信息即可获取用户咨询信息种未匹配到检索答案的咨询信息，此时可以根据用户的咨询信息对知识资源库进行更新。当不存在缺失向量时，此时用户的第一咨询信息在第一知识资源库中存在相应的咨询答案，获取该咨询答案的检索置信度，通过对咨询答案进行置信度评估避免用户获取与咨询信息不相符的咨询答案。

S500：提取所述第一检索置信度不满足第一置信度阈值的向量信息，合并所述第一缺失向量信息集，生成第一待更新向量信息；

具体的，获取第一检索置信度不满足第一置信度阈值的向量信息，当第一检索置信度不满足第一置信度阈值时，此时说明第一咨询信息的答案并不能完全满足用户需求，应该对该咨询信息的答案进行更新。其中第一置信度阈值可以根据实际需求进行设定，当第一置信度阈值设置较高时此时对获取到的检索的咨询信息答案的要求较高，当第一置信度阈值设置较低时此时对获取到的检索的咨询信息答案的要求较低。合并第一缺失向量信息集，即合并第一咨询信息的答案并不能完全满足用户需求的非缺失向量信息，和第一咨询信息在第一知识资源库中不存在相应的咨询答案时的缺失向量信息，生成第一待更新向量信息，第一待更新向量信息为知识资源库中待更新的向量信息。

S600：遍历所述第一待更新向量信息对所述第一知识资源库进行在线更新，生成第二知识资源库；

S700：将所述第一实体向量集和所述第一关系向量集输入所述第二知识资源库，生成第一咨询结果。

具体的，遍历第一待更新向量信息获取各待更新的节点数据，通过待更新节点数据获取对应的节点数据库，每个节点数据库都囊括大量的和第一待更新向量信息相关的知识，进行读取用于更新扩充第一知识资源库。通过节点数据库中的数据获取更新数据对第一知识资源库进行更新，每个节点数据库都囊括大量的和第一待更新向量信息相关的知识，进行读取用于更新扩充第一知识资源库，打破数据孤岛，生成第二知识资源库。随后将第一实体向量集和第一关系向量集输入更新后的第二知识资源库中，获取最终的咨询结果，保证了咨询结果的准确度，避免用户第一咨询信息无法查找到对应的咨询结果。实现了对咨询内容进行定向更新，提高知识资源库咨询服务的准确度的技术效果。

如图2所示，本申请实施例提供的方法步骤S200包括：

S210：对所述第一实体信息集进行向量链接，生成第一链接结果，其中，所述第一链接结果包括第一实体节点向量集和第一关系向量集；

S220：遍历所述第一实体节点向量集进行同义匹配，获得第一替换实体向量集；

S230：遍历所述第一关系向量集进行同义匹配，获得第一替换关系向量集；

S240：根据所述第一替换实体向量集对所述第一链接结果进行一级扩展，生成第二链接结果；

S250：根据所述第一替换关系向量集对所述第二链接结果进行二级扩展，生成第三链接结果；

S260：将所述第三链接结果设为所述第一向量拼接结果。

具体的，对实体信息集中的元素进行向量链接，获取第一链接结果，第一链接结果体现实体信息集合中向量和向量之间的关系，即体现实体信息集中各元素的关系。其中向量为第一实体节点向量集，第一实体节点向量集表示咨询信息中的实体内容信息。对第一实体节点向量集即遍历咨询信息中的实体内容信息进行同义匹配。在进行同义匹配时根据第一实体节点向量集和第一关系向量集，生成第一同义匹配指令，同义匹配指令用于在云端数据库中匹配与实体节点和关系向量相同含义的数据。根据所述第一同义匹配指令，激活第一云端数据库，将第一实体节点向量集输入第一云端数据库，第一云端数据库为储存近义实体节点的数据库，生成第一替换实体向量集。通过对第一实体节点向量集进行同义匹配，获取与第一实体节点向量集相近的向量集即第一替换实体向量集，保证用户的咨询信息可以在知识资源库中进行充分检索。

遍历第一关系向量集进行同义匹配，获取与第一关系向量集相近的关系向量集即第一替换关系向量集。在对第一关系向量集进行同义匹配时采用将第一关系向量集输入第一云端数据库中，获取第一替换关系向量集，通过对第一关系向量集进行匹配获取与第一关系向量集关系相同的第一替换关系向量集，避免因实体之间的同一关系描述存在多种描述方式，导致咨询信息无法在知识资源库中进行充分检索。随后根据所述第一替换实体向量集对第一链接结果进行一级扩展，获得第二链接结果，即对用户原有的咨询信息中实体信息进行同义扩充，保证其可以在知识资源库中的充分检索。根据第一替换关系向量集对第二链接结果进行二级扩展，获得第三链接结果，将第三链接结果设为所述第一向量拼接结果。通过获取与第一实体节点向量集和第一关系向量集同义的向量，对第一实体信息集进行扩充，保证其可以在知识资源库中的充分检索。避免因了知识资源库存储的实体要素和实际检索的要素不同，但是实际意思相同，造成无法检索出相应的结果，导致知识资源库的重复更新。

如图3所示，本申请实施例提供的方法步骤S400包括：

S410：根据所述第一更新评估通道，获得第一向量匹配模块和第一置信度评估模块；

S420：遍历所述第一实体向量集和所述第一关系向量集输入所述第一向量匹配模块，生成第一向量匹配结果，其中，所述第一向量匹配结果为缺失向量信息或非缺失向量信息；

S430：当所述第一向量匹配结果为所述缺失向量信息时，添加进所述第一缺失向量信息集；

S440：当所述第一向量匹配结果为所述非缺失向量信息时，激活所述第一置信度评估模块，生成所述第一检索置信度。

具体的，第一更新评估通道包含第一向量匹配模块和第一置信度评估模块，其中第一向量匹配模块用于对咨询信息获取的向量集合在第一知识资源库进行匹配。将第一实体向量集和第一关系向量集输入第一向量匹配模块，获取第一向量匹配结果，第一向量匹配结果为第一实体向量集和第一关系向量在第一知识资源库中的匹配结果。其中，第一向量匹配结果可以为缺失向量信息或非缺失向量信息，缺失向量信息则表示第一实体向量集和第一关系向量在第一知识资源库中无对应的匹配结果，此时说明用户的第一咨询信息在第一知识资源库中不存在相应的咨询答案。非缺失向量信息则表示第一实体向量集和第一关系向量在第一知识资源库中存在的对应匹配结果，此时说明用户的第一咨询信息在第一知识资源库中存在相应的咨询答案。

进一步的，当第一向量匹配结果为所述缺失向量信息时，即用户的第一咨询信息在第一知识资源库中不存在相应的咨询答案时，将第一实体向量集和第一关系向量添加至第一缺失向量信息集，第一缺失向量信息集表示第一知识资源库中不存在该集合中元素的咨询答案。当第一向量匹配结果为所述非缺失向量信息时，即用户的第一咨询信息在第一知识资源库中存在相应的咨询答案，激活第一置信度评估模块，第一置信度评估模块用于对咨询答案进行置信度评估，获取最终的置信度评估结果即为第一检索置信度。通过对咨询答案进行置信度评估保证咨询答案为用户所需要的正确咨询答案，避免用户获取与咨询信息不相符的咨询答案。通过第一更新评估通道的处理，获取了用户第一咨询信息在第一知识资源库中是否存在对应的咨询答案，以及确定该咨询答案是否为用户需要的正确咨询答案。

本申请实施例提供的方法步骤S420包括：

S421：根据所述第一实体向量集和所述第一关系向量集，生成所述第一向量序列集；

S422：构建第一横向遍历规则和第一纵向遍历规则；

S423：根据所述第一横向遍历规则和所述第一纵向遍历规则遍历所述第一向量序列集，生成第二向量序列集；

S424：将所述第二向量序列集输入所述第一向量匹配层，生成所述第一向量匹配结果。

具体的，第一向量序列集根据第一实体向量集和第一关系向量集生成，其中第一向量序列集中每个序列节点均具有多个同义实体信息，多个节点之间具有多个同义关系信息，将上述信息进行组合生成第一向量序列集。通过第一横向遍历规则和第一纵向遍历规则对第一向量序列集进行遍历，其中第一横向遍历规则为对实体节点处的同义实体信息进行替换，第一纵向遍历规则为按照实体和实体关系的顺序依次进行同义替换处理，获取第二向量序列集，第二向量序列集中各元素均为同义替换后的元素。将第二向量序列集输入第一向量匹配层，对第二向量序列集中的各元素进行匹配，获取最终的匹配结果即第一向量匹配结果。通过获取第二向量序列集进行元素匹配，进一步保证了第一咨询信息可以在知识资源库中的充分检索。

本申请实施例提供的方法步骤S440包括：

S441：根据所述第一置信度评估模块，生成第一特征提取网络层和第一错误率预测网络层；

S442：根据所述第一特征提取网络层，遍历所述非缺失向量信息进行特征提取，生成第一内容特征信息和第一文本结构特征信息；

S443：将所述第一内容特征信息和所述第一文本结构特征信息输入所述第一错误率预测网络层，生成第一错误率预测结果；

S444：根据所述第一错误率预测结果，生成所述第一检索置信度。

具体的，通过第一置信度评估模块生成第一特征提取网络层和第一错误率预测网络层，第一特征提取网络层用于提取非缺失向量信息中的特征，获取第一内容特征信息和第一文本结构特征信息。其中，非缺失向量为第一咨询信息匹配的最终咨询答案，第一内容特征信息为咨询答案的内容特征，第一文本结构特征信息为咨询答案的文本结构特征。第一错误率预测网络层用于生成对内容特征信息和文本结构特征信息的错误率预测结果，其中第一错误率预测网络层通过多组内容特征信息和文本特征信息、部分错误率标识信息进行半监督训练。最终根据获取的错误率预测结果生成第一检索置信度，当第一错误率预测结果越高，此时该咨询答案置信度越低，当第一错误率预测结果越低，此时该咨询答案置信度越高。通过第一置信度评估模块生成第一特征提取网络层和第一错误率预测网络层获取最终的第一检索置信度，实现了对第一咨询信息的检索结果进行准确评价。

本申请实施例提供的方法步骤S441包括：

S441-1：构建第一输入层；

S441-2：基于循环神经网络，构建所述第一特征提取网络层；

S441-3：基于人工神经网络，构建所述第一错误率预测网络层；

S441-4：构建第一输出层；

S441-5：将所述第一输入层、所述第一特征提取网络层、所述第一错误率预测网络层和所述第一输出层全连接，生成所述第一置信度评估模块。

具体的，第一输入层用于获取输入数据，在本申请实施例中第一输入层用于将第一实体向量集和第一关系向量集作为输入数据，输入第一特征提取网络层中。第一特征提取网络层基于循环神经网络获取，将历史第一实体向量集和历史第一关系向量集以及历史缺失向量信息作为训练神经对循环神经网络模型进行训练，生成第一特征提取网络层。其中循环神经网络模型是常用的自然语言处理模型，其可以刻画一个序列当前的输出与之前信息的关系在本实施例中通过循环神经网络模型，用于获取各特征元素之间的关系，将第一特征提取网络层的输出数据输入数据输入第一错误率预测网络层。第一错误率预测网络层通过内容特征信息和文本特征信息、部分错误率标识信息进行半监督训练获取，由于知识资源库基于知识图谱构建，因此内涵多个三元组，而复杂咨询信息是由多个三元组嵌套结合的结果，而不同三元组在知识资源库具有不同的错误率，嵌套结合而得的最终错误率也并非简单的错误率叠加，具有很强非线性关系，因此需要采用人工神经网络构建第一错误率预测网络层进行复杂数据的拟合处理，可以较快速和高效的确定复杂咨询信息的检索错误率。第一输出层用于获取第一错误率预测网络层的输出数据，将第一输入层、第一特征提取网络层、第一错误率预测网络层和第一输出层全连接，生成第一置信度评估模块。通过第一置信度评估模块实现了对第一咨询信息的检索结果进行准确评价，为后续判断是否需要对知识资源库进行更新提供了支持。

本申请实施例提供的方法步骤S600包括：

S610：将所述第一待更新向量信息输入第一区块链，匹配第一更新节点、第二更新节点直到第N更新节点；

S620：遍历所述第一更新节点、所述第二更新节点直到所述第N更新节点，获得第一节点数据库、第二更新节点数据库直到第N节点数据库；

S630：根据所述第一节点数据库、所述第二更新节点数据库直到所述第N节点数据库，获得第一更新数据；

S640：基于所述第一更新数据对所述第一知识资源库进行在线更新，生成所述第二知识资源库。

具体的，将第一待更新向量信息输入第一区块链中进行计算，匹配多个更新节点，区块链中包括多个节点数据库，每个节点数据库都囊括大量的和第一待更新向量信息相关的知识，进行读取用于更新扩充第一知识资源库，打破数据孤岛。遍历所有匹配的节点，获取各节点对应的数据库。根据各节点数据库中的数据获取第一更新数据，第一更新数据用于对知识资源库进行更新。由于第一待更新向量通过第一咨询信息进行获取，因此获取的更新节点均为第一咨询信息中的需求信息，更新后生成的第二知识资源库，实际是根据第一咨询信息中的需求进行针对性更新获取的，实现了针对性的对咨询内容进行更新，提高知识资源库咨询服务的准确度的技术效果。

综上所述，本申请实施例提供的方法通过对第一咨询信息进行指称识别，获得识别结果，识别结果包括第一实体信息集。对实体信息集进行向量拼接，生成拼接结果，拼接结果包括第一实体向量集和第一关系向量集。获得第一更新评估通道，将第一实体向量集和第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度。提取所述第一检索置信度不满足第一置信度阈值的向量信息，合并所述第一缺失向量信息集，生成第一待更新向量信息。根据第一待更新向量信息对第一知识资源库进行在线更新。解决了现有技术中知识资源库缺少定向的数据更新方法，导致无法根据咨询内容进行定向更新，且知识资源库咨询服务的准确度较低的技术问题。实现了针对性的对咨询内容进行更新，提高知识资源库咨询服务的准确度的技术效果。

实施例二

基于与前述实施例中一种基于知识资源库更新的咨询服务方法相同的发明构思，如图4所示，本申请提供了一种基于知识资源库更新的咨询服务系统，所述系统包括：

第一获得单元11，用于对第一咨询信息进行指称识别，获得第一识别结果，其中，所述第一识别结果包括第一实体信息集；

第一生成单元12，用于对所述第一实体信息集进行向量拼接，生成第一向量拼接结果，其中，所述第一向量拼接结果包括第一实体向量集和第一关系向量集；

第二获得单元13，用于根据第一知识资源库，获得第一更新评估通道；

第二生成单元14，用于将所述第一实体向量集和所述第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度；

第三生成单元15，用于提取所述第一检索置信度不满足第一置信度阈值的向量信息，合并所述第一缺失向量信息集，生成第一待更新向量信息；

第四生成单元16，用于遍历所述第一待更新向量信息对所述第一知识资源库进行在线更新，生成第二知识资源库；

第五生成单元17，用于将所述第一实体向量集和所述第一关系向量集输入所述第二知识资源库，生成第一咨询结果。

进一步地，所述系统还包括：

第六生成单元，用于对所述第一实体信息集进行向量链接，生成第一链接结果，其中，所述第一链接结果包括第一实体节点向量集和第一关系向量集；

第三获得单元，用于遍历所述第一实体节点向量集进行同义匹配，获得第一替换实体向量集；

第四获得单元，用于遍历所述第一关系向量集进行同义匹配，获得第一替换关系向量集；

第七生成单元，用于根据所述第一替换实体向量集对所述第一链接结果进行一级扩展，生成第二链接结果；

第八生成单元，用于根据所述第一替换关系向量集对所述第二链接结果进行二级扩展，生成第三链接结果；

第一处理单元，用于将所述第三链接结果设为所述第一向量拼接结果。

进一步地，所述系统还包括：

第五获得单元，用于根据所述第一更新评估通道，获得第一向量匹配模块和第一置信度评估模块；

第九生成单元，用于遍历所述第一实体向量集和所述第一关系向量集输入所述第一向量匹配模块，生成第一向量匹配结果，其中，所述第一向量匹配结果为缺失向量信息或非缺失向量信息；

第二处理单元，用于当所述第一向量匹配结果为所述缺失向量信息时，添加进所述第一缺失向量信息集；

第十生成单元，用于当所述第一向量匹配结果为所述非缺失向量信息时，激活所述第一置信度评估模块，生成所述第一检索置信度。

进一步地，所述系统还包括：

第十一生成单元，用于根据所述第一实体向量集和所述第一关系向量集，生成所述第一向量序列集；

第一构建单元，用于构建第一横向遍历规则和第一纵向遍历规则；

第十二生成单元，用于根据所述第一横向遍历规则和所述第一纵向遍历规则遍历所述第一向量序列集，生成第二向量序列集；

第十三生成单元，用于将所述第二向量序列集输入所述第一向量匹配层，生成所述第一向量匹配结果。

进一步地，所述系统还包括：

第十四生成单元，用于根据所述第一置信度评估模块，生成第一特征提取网络层和第一错误率预测网络层；

第十五生成单元，用于根据所述第一特征提取网络层，遍历所述非缺失向量信息进行特征提取，生成第一内容特征信息和第一文本结构特征信息；

第十六生成单元，用于将所述第一内容特征信息和所述第一文本结构特征信息输入所述第一错误率预测网络层，生成第一错误率预测结果；

第十七生成单元，用于根据所述第一错误率预测结果，生成所述第一检索置信度。

进一步地，所述系统还包括：

第三构建单元，用于构建第一输入层；

第四构建单元，用于基于循环神经网络，构建所述第一特征提取网络层；

第五构建单元，用于基于人工神经网络，构建所述第一错误率预测网络层；

第六构建单元，用于构建第一输出层；

第十八生成单元，用于将所述第一输入层、所述第一特征提取网络层、所述第一错误率预测网络层和所述第一输出层全连接，生成所述第一置信度评估模块。

进一步地，所述系统还包括：

第一匹配单元，用于将所述第一待更新向量信息输入第一区块链，匹配第一更新节点、第二更新节点直到第N更新节点；

第六获得单元，用于遍历所述第一更新节点、所述第二更新节点直到所述第N更新节点，获得第一节点数据库、第二更新节点数据库直到第N节点数据库；

第七获得单元，用于根据所述第一节点数据库、所述第二更新节点数据库直到所述第N节点数据库，获得第一更新数据；

第十九生成单元，用于基于所述第一更新数据对所述第一知识资源库进行在线更新，生成所述第二知识资源库。

实施例三

基于与前述实施例中一种基于知识资源库更新的咨询服务方法相同的发明构思，本申请还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。

示例性电子设备

下面参考图5来描述本申请的电子设备。

基于与前述实施例中一种基于知识资源库更新的咨询服务方法相同的发明构思，本申请还提供了一种电子设备，包括：处理器和存储器，所述处理器与存储器耦合；所述存储器用于存储程序，所述处理器，用于通过调用，以执行实施例一所述方法的步骤。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry Standard ar chitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于知识资源库更新的咨询服务方法。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(SolidState Disk，SSD))等。

本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。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。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (10)

1.一种基于知识资源库更新的咨询服务方法，其特征在于，所述方法包括：

对第一咨询信息进行指称识别，获得第一识别结果，其中，所述第一识别结果包括第一实体信息集；

对所述第一实体信息集进行向量拼接，生成第一向量拼接结果，其中，所述第一向量拼接结果包括第一实体向量集和第一关系向量集；

根据第一知识资源库，获得第一更新评估通道；

将所述第一实体向量集和所述第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度；

提取所述第一检索置信度不满足第一置信度阈值的向量信息，合并所述第一缺失向量信息集，生成第一待更新向量信息；

遍历所述第一待更新向量信息对所述第一知识资源库进行在线更新，生成第二知识资源库；

将所述第一实体向量集和所述第一关系向量集输入所述第二知识资源库，生成第一咨询结果。

2.如权利要求1所述的方法，其特征在于，所述对所述第一实体信息集进行向量拼接，生成第一向量拼接结果，包括：

对所述第一实体信息集进行向量链接，生成第一链接结果，其中，所述第一链接结果包括第一实体节点向量集和第一关系向量集；

遍历所述第一实体节点向量集进行同义匹配，获得第一替换实体向量集；

遍历所述第一关系向量集进行同义匹配，获得第一替换关系向量集；

根据所述第一替换实体向量集对所述第一链接结果进行一级扩展，生成第二链接结果；

根据所述第一替换关系向量集对所述第二链接结果进行二级扩展，生成第三链接结果；

将所述第三链接结果设为所述第一向量拼接结果。

3.如权利要求1所述的方法，其特征在于，所述将所述第一实体向量集和所述第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度，包括：

根据所述第一更新评估通道，获得第一向量匹配模块和第一置信度评估模块；

遍历所述第一实体向量集和所述第一关系向量集输入所述第一向量匹配模块，生成第一向量匹配结果，其中，所述第一向量匹配结果为缺失向量信息或非缺失向量信息；

当所述第一向量匹配结果为所述缺失向量信息时，添加进所述第一缺失向量信息集；

当所述第一向量匹配结果为所述非缺失向量信息时，激活所述第一置信度评估模块，生成所述第一检索置信度。

4.如权利要求3所述的方法，其特征在于，所述遍历所述第一实体向量集和所述第一关系向量集输入所述第一向量匹配模块，生成第一向量匹配结果，包括：

根据所述第一实体向量集和所述第一关系向量集，生成所述第一向量序列集；

构建第一横向遍历规则和第一纵向遍历规则；

根据所述第一横向遍历规则和所述第一纵向遍历规则遍历所述第一向量序列集，生成第二向量序列集；

将所述第二向量序列集输入所述第一向量匹配层，生成所述第一向量匹配结果。

5.如权利要求3所述的方法，其特征在于，所述方法包括：

根据所述第一置信度评估模块，生成第一特征提取网络层和第一错误率预测网络层；

根据所述第一特征提取网络层，遍历所述非缺失向量信息进行特征提取，生成第一内容特征信息和第一文本结构特征信息；

将所述第一内容特征信息和所述第一文本结构特征信息输入所述第一错误率预测网络层，生成第一错误率预测结果；

根据所述第一错误率预测结果，生成所述第一检索置信度。

6.如权利要求5所述的方法，其特征在于，所述方法包括：

构建第一输入层；

基于循环神经网络，构建所述第一特征提取网络层；

基于人工神经网络，构建所述第一错误率预测网络层；

构建第一输出层；

将所述第一输入层、所述第一特征提取网络层、所述第一错误率预测网络层和所述第一输出层全连接，生成所述第一置信度评估模块。

7.如权利要求1所述的方法，其特征在于，所述遍历所述第一待更新向量信息对所述第一知识资源库进行在线更新，生成第二知识资源库，包括：

将所述第一待更新向量信息输入第一区块链，匹配第一更新节点、第二更新节点直到第N更新节点；

遍历所述第一更新节点、所述第二更新节点直到所述第N更新节点，获得第一节点数据库、第二更新节点数据库直到第N节点数据库；

根据所述第一节点数据库、所述第二更新节点数据库直到所述第N节点数据库，获得第一更新数据；

基于所述第一更新数据对所述第一知识资源库进行在线更新，生成所述第二知识资源库。

8.一种基于知识资源库更新的咨询服务系统，其特征在于，所述系统包括：

第一获得单元，用于对第一咨询信息进行指称识别，获得第一识别结果，其中，所述第一识别结果包括第一实体信息集；

第一生成单元，用于对所述第一实体信息集进行向量拼接，生成第一向量拼接结果，其中，所述第一向量拼接结果包括第一实体向量集和第一关系向量集；

第二获得单元，用于根据第一知识资源库，获得第一更新评估通道；

第二生成单元，用于将所述第一实体向量集和所述第一关系向量集输入所述第一更新评估通道，生成第一缺失向量信息集和第一检索置信度；

第三生成单元，用于提取所述第一检索置信度不满足第一置信度阈值的向量信息，合并所述第一缺失向量信息集，生成第一待更新向量信息；

第四生成单元，用于遍历所述第一待更新向量信息对所述第一知识资源库进行在线更新，生成第二知识资源库；

第五生成单元，用于将所述第一实体向量集和所述第一关系向量集输入所述第二知识资源库，生成第一咨询结果。

9.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器与存储器耦合；所述存储器用于存储程序，所述处理器，用于通过调用，执行如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

Images