CN115168562A - 一种智能问答系统的构建方法、装置、设备及介质 - Google Patents
一种智能问答系统的构建方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115168562A CN115168562A CN202210899040.9A CN202210899040A CN115168562A CN 115168562 A CN115168562 A CN 115168562A CN 202210899040 A CN202210899040 A CN 202210899040A CN 115168562 A CN115168562 A CN 115168562A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- corpus
- processed
- determining
- 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
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
- 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
- G06F16/338—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种智能问答系统的构建方法、装置、设备及介质。该方法包括:获取与至少一个平台相对应的待处理问答库;获取与至少一个平台相对应的至少一个人工问答反馈;基于待处理问答库和人工问答反馈,确定与智能问答系统相对应的待处理语料库;基于待处理语料库,确定与各待应用问答语句相对应的目标相似文本;基于待应用问答语句和相应的目标相似文本,构建智能问答系统。本发明的技术方案通过构建运维自动化平台关联的智能问答系统,基于该系统为管理用户的问题自动匹配答案,解决了现有技术中,对管理用户的问题需要人工解答,造成效率低的问题,实现了对管理用户的问题进行自动解答,提高了解答的准确率和效率。
Description
技术领域
本发明涉及运维自动化技术领域,尤其涉及一种智能问答系统的构建方法、装置、设备及介质。
背景技术
运维自动化平台以提升应用运维自动化水平为目标,推广使用智能监控、持续交付等工具,通过运营质量分析、用户问答服务,运维自动化平台支持行内各类应用系统接入并使用。
当各个应用系统或者模块的管理用户在遇到问题时,可以邮件、电话的形式向运维人员寻求帮助。然而,上述占用了运维人员较多的时间在答疑工作上,如果提问的用户较多,还可能存在答疑不及时的情况,使用户问题不能及时得到解决,会对应用系统的正常使用造成影响,且上述解答的效率低。
发明内容
本发明提供了一种智能问答系统的构建方法、装置、设备及介质,以实现对管理用户的问题进行自动解答,提高了解答的准确率和效率。
根据本发明的一方面,提供了一种智能问答系统的构建方法,该方法包括:
获取与至少一个平台相对应的待处理问答库;其中,所述待处理问答库中包括问答语句、与所述问答语句相对应的文本回答以及资源定位符;
获取与所述至少一个平台相对应的至少一个人工问答反馈;其中,所述人工问答反馈中包括用户提问语句以及与人工问答反馈相对应的反馈文本;
基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库;
基于所述待处理语料库,确定与各待应用问答语句相对应的目标相似文本;其中,所述相似文本中包括所述文本回答、资源定位符和/或反馈文本;
基于所述待应用问答语句和相应的目标相似文本,构建所述智能问答系统。
根据本发明的另一方面,提供了一种智能问答系统的构建装置,该装置包括:
待处理问答库获取模块,用于获取与至少一个平台相对应的待处理问答库;其中,所述待处理问答库中包括问答语句、与所述问答语句相对应的文本回答以及资源定位符;
人工问答获取模块,用于获取与所述至少一个平台相对应的至少一个人工问答反馈;其中,所述人工问答反馈中包括用户提问语句以及与人工问答反馈相对应的反馈文本;
待处理语料库确定模块,用于基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库;
目标相似文本确定模块,用于基于所述待处理语料库,确定与各待应用问答语句相对应的目标相似文本;其中,所述相似文本中包括所述文本回答、资源定位符和/或反馈文本;
基于所述待应用问答语句和相应的目标相似文本,构建所述智能问答系统。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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的计算机程序,所述计算机程序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本发明任一实施例所述的智能问答系统的构建方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的智能问答系统的构建方法。
本发明实施例的技术方案,通过获取与至少一个平台相对应的待处理问答库;获取与至少一个平台相对应的至少一个人工问答反馈;基于待处理问答库和人工问答反馈,确定与智能问答系统相对应的待处理语料库;基于待处理语料库,确定与各待应用问答语句相对应的目标相似文本;基于待应用问答语句和相应的目标相似文本,构建智能问答系统。本发明的技术方案通过构建运维自动化平台关联的智能问答系统,基于该系统为管理用户的问题自动匹配答案,解决了现有技术中,对管理用户的问题需要人工解答,造成效率低的问题,实现了对管理用户的问题进行自动解答,提高了解答的准确率和效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供了一种智能问答系统的构建方法的流程图;
图2为本发明实施例二提供的一种智能问答系统的构建装置的结构示意图;
图3为本发明实施例三提供了一种智能问答系统的构建方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在介绍本技术方案之前,先对应用场景进行示例性说明。本发明实施例的技术方案可以应用于运维自动化平台,运维自动化平台在应用监控、应用操作、应用交付和日志查询领域提供了丰富的自动化运维场景,支持行内各类应用系统接入并使用。当各个应用系统或者模块的管理用户在遇到问题时,可以邮件、电话的形式向运维人员寻求帮助。然而,上述占用了运维人员较多的时间在答疑工作上。本公开实施例的技术方案可以构建问答系统,各个应用模块的管理用户可以在智能问答系统中输入相应的问题,问答系统可以针对问题进行自动解决和回答。
实施例一
图1为本发明实施例一提供了一种智能问答系统的构建方法的流程图,本实施例可适用于在对应用系统运维时,需要对应用管理用户提出的问题进行解答的情况,该方法可以由智能问答系统的构建装置来执行,该智能问答系统的构建装置可以采用硬件和/或软件的形式实现,该装置可配置于移动终端或PC端中。如图1所示,该方法包括:
S110、获取与至少一个平台相对应的待处理问答库。
其中,至少一个平台可以理解为运维自动化平台,智能问答系统的建立构建可以基于一个或者多个平台而建立。待处理问答库中包括问答语句、与问答语句相对应的文本回答以及资源定位符,问答语句指的是在应用系统的运维中常见的问题,文本回答可以是运维人员针对这些常见问题给出的标准文本答案,资源定位符可以理解为答案所在的网络页面地址或者存储地址,当文本问答所对应的答案涉及多方面知识或者需要图文解说时,可以将包含图文解说答案的页面地址作为问答语句相对应的资源定位符,通过该资源定位符可以跳转到对应的图文解说页面。
具体的,可以针对运维自动化所涉及的各个领域进行待处理问答库的建立,可以是将应用监控领域相关或者基础功能相关的常见问题作为问答语句,将运维人员针对这些常见问题的解答作为文本回答,或者将答案所对应的地址作为资源定位符。问答语句以及与问答语句相对应的文本回答、资源定位符共同构成运维自动化平台的待处理问答库。
S120、获取与至少一个平台相对应的至少一个人工问答反馈。
其中,人工问答反馈中包括用户提问语句以及与人工问答反馈相对应的反馈文本,用户提问语句指的是在实际应用中,应用系统的管理用户所提出的问题,反馈文本指的是运维人员对该问题所反馈的答案。
具体的,可以对历史的谛听工单纯文本信息进行分析处理,提取出过去某段时间内,管理用户所提出的问题以及运维人员给出的解答,历史谛听工单纯文本信息相当于管理用户与运维人员之间的会话记录。
S130、基于待处理问答库和人工问答反馈,确定与智能问答系统相对应的待处理语料库。
其中,待处理语料库可以理解为对待处理问答库和人工问答反馈中的文本处理后所得到的语料库。
具体的,可以对待处理问答库和人工问答反馈中的文本语句进行过滤或者分词处理,得到与各个文本语句所对应的语料,将所有文本语句所对应的语料作为待处理语料库。
在上述技术方案的基础上,所述基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库,包括:采用预设数据库中提供的正则表达式对所述待处理问答库和所述人工问答反馈进行字符过滤,得到预处理问答库和所述预处理人工问答反馈;基于结巴分词库分别对所述预处理问答库和所述预处理人工问答反馈进行分词,并剔除停用词和小于预设字符串长度的词汇,得到构建智能问答系统的语料;基于各语料,确定所述待处理语料库。
其中,预设数据库可以是python的正则表达式库,正则表达式是用于对文本进行过滤,预处理问答库指的是对待处理问答库过滤之后得到的问答库,对人工问答反馈进行文本过滤处理后得到的即为预处理人工问答反馈。结巴分词库是python的一个库,结巴分词库是用于对文本进行分词处理。预设字符长度可以是开发人员预先设置的字符长度数值,例如将字符长度数值设置为2。
具体的,可以通过调用正则表达式库中的正则表达式对待处理问答库和人工问答反馈中的文本进行过滤处理,由于待处理问答库中的问答语句以及人工问答反馈中可能存在较多的换行符、空格、标点符号、数字等无关信息,需要对此种信息进行过滤。可以调用RE库中提供的正则表达式,过滤掉文本中除了中英文以外的所有字符。在对上述待处理问答库和人工问答反馈进行处理后得到预处理问答库和预处理人工问答反馈。在对文本进行了初步过滤之后,根据结巴库,即jieba库,通过该库的精确切割模式,对文本进行分词处理,即对预处理问答库和预处理人工问答反馈进行分词处理,剔除一些停用词和字符串长度小于2的词汇,将保留下的词汇作为构建智能问答系统的语料,并将所有的语料作为待处理语料库。
S140、基于待处理语料库,确定与各待应用问答语句相对应的目标相似文本。
其中,待应用问答语句可以理解为需要确定其对应答案的语句,可以是管理用户当前所提出的问题,待应用问答语句的数量可以有一个或者多个,目标相似文本可以理解为待处理语料库中与待应用问答语句相似的问答语句所对应的文本回答或者资源定位符。
具体的,针对各个待应用问答语句,为了确定其对应的答案,可以从待处理语料库中,确定与待应用问答语句较为相似问答语句,进而将问答语句所对应的文本回答或者资源定位符作为待应用问答语句的目标相似文本。
在上述技术方案的基础上,所述基于所述待处理语料库,确定与各待应用问答语句相对应的目标相似文本,包括:对于各待应用问答语句,基于所述待处理语料库,确定与当前待应用问答语句相对应的目标问答语句;基于所述待处理语料库调取与所述目标问答语句相对应的目标相似文本。
其中,目标问答语句可以理解为待处理问答库中,与待应用问答语句相似程度较高的问答语句。
具体的,可以通过计算待应用问答语句与待处理语料库中各个语料之间的相似度数值,将相似度值较高的语料所对应的问答语句作为目标问答语句。进一步,待处理语料库中包含了各个问答语句所对应的文本回答以及资源定位符,从待处理语料库中查找目标问答语句所对应的文本回答和资源定位符,并将其作为目标相似文本。
在本实施例中,所述基于所述待处理语料库,确定与当前待应用问答语句相对应的目标问答语句的方式包括以下几种,具体方式如下:
第一种可以是基于标准库,确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度。
其中,标准库可以是python的标准库,例如,python的Difflib库,Difflib库是用于比较两个文本之间的差异,问答语料可以理解为与问答语句相对应的语料。
具体的,Difflib库作为python的标准库,无需安装,作用是可直接对比两个文本之间的差异。针对当前待应用问答语句,可以基于Difflib库遍历待处理语料库中的各个问答语料,并计算各个问答语料与待应用问答语句之间的文本相似度,将相似度值较高的问答语料所对应的问答语句作为待应用问答语句的目标问答语句。可以理解,如果问答语句对应的问答语料与待应用问答语句相似度较高,则表明该问答语句与待应用问答语句的相似度也较高,即两者可能是表达的相同的意思,即可以将该问答语句作为目标问答语句。
第二种方式可以是基于词袋模型确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度。
具体的,词袋模型和词频-逆向文档频率(term frequency–inverse documentfrequency,TF-IDF)相结合的方式,计算待应用问答语句与待处理语料库中各问答语料之间的文本相似度,不仅考虑到了各个语句中词语出现的次数,还考虑了该词语与其他词语之间的区分度,此种方式计算出的相似度值较为精确。
在上述技术方案的基础上,所述基于词袋模型确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度,包括:基于所述待处理语料库中的各问答语料建立问答词典,并基于所述问答词典确定与各问答语料相对应的稀疏向量;基于所述问答词典,确定与所述当前待应用问答语句相对应的当前稀疏向量;基于所述当前稀疏向量和所述稀疏向量,确定与所述当前待应用问答语句相对应相似度矩阵;基于所述相似度矩阵,确定各问答语料与所述当前待应用问答语句相对应的文本相似度。
其中,问答词典中可以包含待处理语料库中不同的词语,所有不同的词语构成问答词典。当前稀疏向量可以理解为用于表示当前待应用问答语句的向量。
具体的,可以基于分词后得到的待处理语料库中的各问答语料建立词典,并获得词典特征数量,即各个词语出现的次数。基于词典,将当前待应用问答语句转换为稀疏向量集,作为当前稀疏向量,以及将待处理语料库中的各个问答语句转换为稀疏向量。基于此,当前稀疏向量与所述稀疏向量之间的相似度,生成一个相似度矩阵,在该矩阵中可以体现出当前稀疏向量与各个问答语料对应的稀疏向量之间的相似度值。基于相似度矩阵,将矩阵中的相似度值作为待应用问答语句与待处理语料库中问答语料之间的相似度值,进而可以将相似度较高的问答语料对应的问答语句的文本回答或者资源定位符作为目标相似文本。
第三种方式可以是确定所述当前待应用问答语句的当前词向量,以及确定所述待处理语料库中各问答语料的语料词向量,以基于所述当前词向量和所述语料词向量,确定所述当前待应用问答语句与各问答语料之间的文本相似度。
其中,当前词向量可以理解为是与待应用问答语句相对应的向量,语料词向量指的是与各问答语句相对应的向量。
具体的,可以将当前待应用问答语句转换为稀疏向量集,作为当前待应用问答语句的当前词向量,进一步将待处理语料库中的各问答语句转换为与各问答语料对应的稀疏向量集,作为与各个问答语料相对应的语料词向量,基于当前词向量和语料词向量计算两者之间的相似度,可以通过余弦相似度的方式计算两个词向量之间的夹角余弦值,作为当前待应用问答语句与各问答语料之间的文本相似度。
第四种方式可以是基于预先训练得到的相似度确定模型对所述当前待应用问答语句和所述问答语料进行处理,得到各问答语料与所述当前待应用问答语句之间的文本相似度;基于各文本相似度,确定所述目标相似文本。
其中,相似度确定模型可以是用于确定待应用问答语句与问答语料之间相似度值的训练模型。
其中,可以通过BERT模型将待应用问答语句和问答语料转换为词向量,并基于转化后的词向量训练出相似度确定模型,该模型可以将当前待应用问答语句和问答语料作为输入,进而输出各问答语料与当前待应用问答语句之间的文本相似度值。基于输出的相似度值,将相似度值较高的问答语料所对应的文本回答或资源定位符作为目标相似文本。
在上述技术方案的基础上,所述基于各文本相似度,确定所述目标相似文本,包括:获取相似度值高于预设相似度阈值的问答语料,作为目标问答语料;将与所述目标问答语料相对应的反馈文本、文本回答以及资源定位符,作为所述目标相似文本。
其中,预设相似度阈值可以是预先设置的阈值,用于确定出目标问答语料,目标问答语料指的是待处理语料库中与待应用问答语句相似度较高的问答语料。
具体的,在完成文本相似度匹配计算后,即得到了待应用问答语句与待处理语料库中问答语料的相似度列表,设置预设相似度阈值为80,可以将相似度阈值大于80的问答语料作为目标问答语料,还可以是采用堆排序算法,返回前k个最相似的问答语料,其中K是根据实际情况设定的数值。例如,返回3个相似度最高的问答语料,作为目标问答语料。进而,将与目标问答语料相对应的反馈文本、文本回答以及资源定位符,作为目标相似文本。
在上述技术方案的基础上,在基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库之前,还包括:确定所述至少一个平台中相应词汇的权重值,以基于所述权重值确定所述待处理语料库。
具体的,在TF-IDF词频-逆向文档频率算法中,TF是词频,IDF是逆向文档频率,在文本的预处理阶段,为了突出一些领域内专业词(如“全链路监控”、“指标”)的重要性,在建立待处理语料库时,为这些词语设置较高的权重值,确保这些词在分词时不会被进一步切割。在构建词向量时,当出现一些领域内具有较好区分能力的词时,根据TF-IDF的主要思想,调整其词语权重,通常比其他词设置的偏低一些。
S150、基于待应用问答语句和相应的目标相似文本,构建智能问答系统。
具体的,在基于待处理问答语句以及相应的目标相似文本后,可以依据其确定出的目标相似文本是否准确,对上述过程进行调优,对文本进行优化,在用户提问中,会带有一些与问题无关的信息,如停用词、用户名、英文账号、纯数字、英文报错信息、系统编号等,这类信息往往与用户实际想问的问题无关。因此,在文本信息的分词处理阶段,可以通过过滤这些无关信息使用户提问更有针对性。通过以下文本过滤手段优化文本质量:过滤分词长度小于2的词;过滤纯数字过滤纯英文;不分大小写,但保留一些具有特定含义的英文短语;过滤纯英文+数字;过滤停用词。基于优化后的待应用问答语句和待处理问答库更新相应的智能问答系统,最终得到精确度较高的智能问答系统。
本发明实施例的技术方案,通过获取与至少一个平台相对应的待处理问答库;获取与至少一个平台相对应的至少一个人工问答反馈;基于待处理问答库和人工问答反馈,确定与智能问答系统相对应的待处理语料库;基于待处理语料库,确定与各待应用问答语句相对应的目标相似文本;基于待应用问答语句和相应的目标相似文本,构建智能问答系统。本发明的技术方案通过构建运维自动化平台关联的智能问答系统,基于该系统为管理用户的问题自动匹配答案,解决了现有技术中,对管理用户的问题需要人工解答,造成效率低的问题,实现了对管理用户的问题进行自动解答,提高了解答的准确率和效率。
实施例二
图2为本发明实施例二提供的一种智能问答系统的构建装置的结构示意图。如图2所示,该装置包括:
待处理问答库获取模块210,用于获取与至少一个平台相对应的待处理问答库;其中,所述待处理问答库中包括问答语句、与所述问答语句相对应的文本回答以及资源定位符;
人工问答获取模块220,用于获取与所述至少一个平台相对应的至少一个人工问答反馈;其中,所述人工问答反馈中包括用户提问语句以及与人工问答反馈相对应的反馈文本;
待处理语料库确定模块230,用于基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库;
目标相似文本确定模块240,用于基于所述待处理语料库,确定与各待应用问答语句相对应的目标相似文本;其中,所述相似文本中包括所述文本回答、资源定位符和/或反馈文本;
智能问答系统构建模块250,用于基于所述待应用问答语句和相应的目标相似文本,构建所述智能问答系统。
在上述装置的基础上,所述待处理语料库确定模块230,包括:
过滤模块,用于采用预设数据库中提供的正则表达式对所述待处理问答库和所述人工问答反馈进行字符过滤,得到预处理问答库和所述预处理人工问答反馈;
分词模块,用于基于结巴分词库分别对所述预处理问答库和所述预处理人工问答反馈进行分词,并剔除停用词和小于预设字符串长度的词汇,得到构建智能问答系统的语料;
建立模块,用于基于各语料,确定所述待处理语料库。
在上述装置的基础上,所述目标相似文本确定模块240,包括:
目标问答语句确定模块,用于对于各待应用问答语句,基于所述待处理语料库,确定与当前待应用问答语句相对应的目标问答语句;
目标相似文本调取模块,用于基于所述待处理语料库调取与所述目标问答语句相对应的目标相似文本。
在上述装置的基础上,所述目标问答语句确定模块,包括:
标准库相似度确定模块,用于基于标准库,确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度;
词袋模型相似度确定模块,用于基于词袋模型确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度;
词向量相似度确定模块,用于确定所述当前待应用问答语句的当前词向量,以及确定所述待处理语料库中各问答语料的语料词向量,以基于所述当前词向量和所述语料词向量,确定所述当前待应用问答语句与各问答语料之间的文本相似度;
模型确定模块,用于基于预先训练得到的相似度确定模型对所述当前待应用问答语句和所述问答语料进行处理,得到各问答语料与所述当前待应用问答语句之间的文本相似度;
相似文本确定模块,用于基于各文本相似度,确定所述目标相似文本。
在上述装置的基础上,所述词袋模型相似度确定模块,包括:
稀疏向量确定模块,用于基于所述待处理语料库中的各问答语料建立问答词典,并基于所述问答词典确定与各问答语料相对应的稀疏向量;
当前稀疏向量确定模块,用于基于所述问答词典,确定与所述当前待应用问答语句相对应的当前稀疏向量;
相似度矩阵确定模块,用于基于所述当前稀疏向量和所述稀疏向量,确定与所述当前待应用问答语句相对应相似度矩阵;
文本相似度确定模块,用于基于所述相似度矩阵,确定各问答语料与所述当前待应用问答语句相对应的文本相似度。
在上述装置的基础上,所述文本相似度确定模块,包括:
目标问答语料确定单元,用于获取相似度值高于预设相似度阈值的问答语料,作为目标问答语料;
目标相似文本确定单元,用于将与所述目标问答语料相对应的反馈文本、文本回答以及资源定位符,作为所述目标相似文本。
在述技术方案的基础上,在基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库之前,还包括:
确定所述至少一个平台中相应词汇的权重值,以基于所述权重值确定所述待处理语料库。
本发明实施例的技术方案,通过获取与至少一个平台相对应的待处理问答库;获取与至少一个平台相对应的至少一个人工问答反馈;基于待处理问答库和人工问答反馈,确定与智能问答系统相对应的待处理语料库;基于待处理语料库,确定与各待应用问答语句相对应的目标相似文本;基于待应用问答语句和相应的目标相似文本,构建智能问答系统。本发明的技术方案通过构建运维自动化平台关联的智能问答系统,基于该系统为管理用户的问题自动匹配答案,解决了现有技术中,对管理用户的问题需要人工解答,造成效率低的问题,实现了对管理用户的问题进行自动解答,提高了解答的准确率和效率。
本发明实施例所提供的智能问答系统的构建装置可执行本发明任意实施例所提供的智能问答系统的构建方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3为本发明实施例三提供了一种智能问答系统的构建方法的电子设备30的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图3所示,电子设备30包括至少一个处理器31,以及与至少一个处理器31通信连接的存储器,如只读存储器(ROM)32、随机访问存储器(RAM)33等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器31可以根据存储在只读存储器(ROM)32中的计算机程序或者从存储单元38加载到随机访问存储器(RAM)33中的计算机程序,来执行各种适当的动作和处理。在RAM 33中,还可存储电子设备30操作所需的各种程序和数据。处理器31、ROM 32以及RAM 33通过总线34彼此相连。输入/输出(I/O)接口35也连接至总线34。
电子设备30中的多个部件连接至I/O接口35,包括:输入单元36,例如键盘、鼠标等;输出单元37,例如各种类型的显示器、扬声器等;存储单元38,例如磁盘、光盘等;以及通信单元39,例如网卡、调制解调器、无线通信收发机等。通信单元39允许电子设备30通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器31可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器31的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器31执行上文所描述的各个方法和处理,例如智能问答系统的构建方法。
在一些实施例中,智能问答系统的构建方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元38。在一些实施例中,计算机程序的部分或者全部可以经由ROM 32和/或通信单元39而被载入和/或安装到电子设备30上。当计算机程序加载到RAM 33并由处理器31执行时,可以执行上文描述的方法的一个或多个步骤。备选地,在其他实施例中,处理器31可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行智能问答系统的构建方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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 (10)
1.一种智能问答系统的构建方法,其特征在于,包括:
获取与至少一个平台相对应的待处理问答库;其中,所述待处理问答库中包括问答语句、与所述问答语句相对应的文本回答以及资源定位符;
获取与所述至少一个平台相对应的至少一个人工问答反馈;其中,所述人工问答反馈中包括用户提问语句以及与人工问答反馈相对应的反馈文本;
基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库;
基于所述待处理语料库,确定与各待应用问答语句相对应的目标相似文本;其中,所述相似文本中包括所述文本回答、资源定位符和/或反馈文本;
基于所述待应用问答语句和相应的目标相似文本,构建所述智能问答系统。
2.根据权利要求1所述的方法,其特征在于,所述基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库,包括:
采用预设数据库中提供的正则表达式对所述待处理问答库和所述人工问答反馈进行字符过滤,得到预处理问答库和所述预处理人工问答反馈;
基于结巴分词库分别对所述预处理问答库和所述预处理人工问答反馈进行分词,并剔除停用词和小于预设字符串长度的词汇,得到构建智能问答系统的语料;
基于各语料,确定所述待处理语料库。
3.根据权利要求1所述的方法,其特征在于,所述基于所述待处理语料库,确定与各待应用问答语句相对应的目标相似文本,包括:
对于各待应用问答语句,基于所述待处理语料库,确定与当前待应用问答语句相对应的目标问答语句;
基于所述待处理语料库调取与所述目标问答语句相对应的目标相似文本。
4.根据权利要求3所述的方法,其特征在于,所述基于所述待处理语料库,确定与当前待应用问答语句相对应的目标问答语句,包括:
基于标准库,确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度;
基于词袋模型确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度;
确定所述当前待应用问答语句的当前词向量,以及确定所述待处理语料库中各问答语料的语料词向量,以基于所述当前词向量和所述语料词向量,确定所述当前待应用问答语句与各问答语料之间的文本相似度;
基于预先训练得到的相似度确定模型对所述当前待应用问答语句和所述问答语料进行处理,得到各问答语料与所述当前待应用问答语句之间的文本相似度;
基于各文本相似度,确定所述目标相似文本。
5.根据权利要求4所述的方法,其特征在于,所述基于词袋模型确定所述当前待应用问答语句与所述待处理语料库中各问答语料之间的文本相似度,包括:
基于所述待处理语料库中的各问答语料建立问答词典,并基于所述问答词典确定与各问答语料相对应的稀疏向量;
基于所述问答词典,确定与所述当前待应用问答语句相对应的当前稀疏向量;
基于所述当前稀疏向量和所述稀疏向量,确定与所述当前待应用问答语句相对应相似度矩阵;
基于所述相似度矩阵,确定各问答语料与所述当前待应用问答语句相对应的文本相似度。
6.根据权利要求4所述的方法,其特征在于,所述基于各文本相似度,确定所述目标相似文本,包括:
获取相似度值高于预设相似度阈值的问答语料,作为目标问答语料;
将与所述目标问答语料相对应的反馈文本、文本回答以及资源定位符,作为所述目标相似文本。
7.根据权利要求1所述的方法,其特征在于,在基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库之前,还包括:
确定所述至少一个平台中相应词汇的权重值,以基于所述权重值确定所述待处理语料库。
8.一种智能问答系统的构建装置,其特征在于,包括:
待处理问答库获取模块,用于获取与至少一个平台相对应的待处理问答库;其中,所述待处理问答库中包括问答语句、与所述问答语句相对应的文本回答以及资源定位符;
人工问答获取模块,用于获取与所述至少一个平台相对应的至少一个人工问答反馈;其中,所述人工问答反馈中包括用户提问语句以及与人工问答反馈相对应的反馈文本;
待处理语料库确定模块,用于基于所述待处理问答库和所述人工问答反馈,确定与智能问答系统相对应的待处理语料库;
目标相似文本确定模块,用于基于所述待处理语料库,确定与各待应用问答语句相对应的目标相似文本;其中,所述相似文本中包括所述文本回答、资源定位符和/或反馈文本;
智能问答系统构建模块,用于基于所述待应用问答语句和相应的目标相似文本,构建所述智能问答系统。
9.一种电子设备,其特征在于,所述电子设备包括:
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的计算机程序,所述计算机程序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中任一项所述的智能问答系统的构建方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-4中任一项所述的智能问答系统的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210899040.9A CN115168562A (zh) | 2022-07-28 | 2022-07-28 | 一种智能问答系统的构建方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210899040.9A CN115168562A (zh) | 2022-07-28 | 2022-07-28 | 一种智能问答系统的构建方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115168562A true CN115168562A (zh) | 2022-10-11 |
Family
ID=83478214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210899040.9A Pending CN115168562A (zh) | 2022-07-28 | 2022-07-28 | 一种智能问答系统的构建方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115168562A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860950A (zh) * | 2023-09-04 | 2023-10-10 | 北京市电通电话技术开发有限公司 | 一种术语对话机器人语料更新方法及系统 |
CN117633170A (zh) * | 2023-11-07 | 2024-03-01 | 中译语通科技股份有限公司 | 一种思维链数据构造方法、装置,电子设备及存储介质 |
-
2022
- 2022-07-28 CN CN202210899040.9A patent/CN115168562A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860950A (zh) * | 2023-09-04 | 2023-10-10 | 北京市电通电话技术开发有限公司 | 一种术语对话机器人语料更新方法及系统 |
CN116860950B (zh) * | 2023-09-04 | 2023-11-14 | 北京市电通电话技术开发有限公司 | 一种术语对话机器人语料更新方法及系统 |
CN117633170A (zh) * | 2023-11-07 | 2024-03-01 | 中译语通科技股份有限公司 | 一种思维链数据构造方法、装置,电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115168562A (zh) | 一种智能问答系统的构建方法、装置、设备及介质 | |
CN115510212A (zh) | 一种文本事件抽取方法、装置、设备及存储介质 | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
CN117807204A (zh) | 工程机械故障问题的问答诊断方法、装置、设备和介质 | |
CN115422924A (zh) | 一种信息匹配方法、装置、电子设备及存储介质 | |
CN113408280A (zh) | 负例构造方法、装置、设备和存储介质 | |
CN117076610A (zh) | 一种数据敏感表的识别方法、装置、电子设备及存储介质 | |
CN116340831A (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
CN116361339A (zh) | 检索模型的构建方法、装置、电子设备及存储介质 | |
CN113743112B (zh) | 关键词的提取方法、装置、电子设备及可读存储介质 | |
CN115600592A (zh) | 文本内容的关键信息提取方法、装置、设备及介质 | |
CN114841172A (zh) | 文本匹配双塔模型的知识蒸馏方法、装置及程序产品 | |
CN112836529B (zh) | 生成目标语料样本的方法和装置 | |
CN116644724B (zh) | 一种投标书生成方法、装置、设备及存储介质 | |
CN114925185B (zh) | 交互方法、模型的训练方法、装置、设备及介质 | |
CN113360636B (zh) | 一种内容显示方法、装置、设备以及存储介质 | |
CN115129816B (zh) | 问答匹配模型的训练方法、装置及电子设备 | |
CN113743124B (zh) | 一种智能问答异常的处理方法、装置及电子设备 | |
CN118228713A (zh) | 一种需求文档生成方法、装置、电子设备及存储介质 | |
CN118227580A (zh) | 一种基于日志分析方法、装置、电子设备及存储介质 | |
CN117807972A (zh) | 一种长文档中的表格信息抽取方法、装置、设备及介质 | |
CN116361556A (zh) | 一种调查问卷推送方法、装置、电子设备及存储介质 | |
CN117708655A (zh) | 一种基于大语言模型的文化知识计算方法 | |
CN116069914A (zh) | 训练数据的生成方法、模型训练方法以及装置 | |
CN114461771A (zh) | 问答方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |