CN115795007A - 智能问答方法、智能问答装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例提供了一种智能问答方法、智能问答装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取目标用户的目标问题；基于预设的实体识别模型对目标问题进行实体识别，得到目标问题特征；对目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的问题匹配值作为目标匹配值；基于目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式；基于目标匹配方式对目标问题进行答案生成，得到目标答案。本申请实施例能够提高问答准确性。

Description

智能问答方法、智能问答装置、电子设备及存储介质

技术领域

本申请涉及人工智能技术领域，尤其涉及一种智能问答方法、智能问答装置、电子设备及存储介质。

背景技术

在智能问答领域中，智能问答应用的业务场景繁多且复杂，目前的智能问答方法大多数是通过固定的问答模板来实现用户请求的响应，这一方式往往无法有效地解决用户的实际需求，存在着问答准确性不高的问题，因此，如何提高问答准确性，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种智能问答方法、智能问答装置、电子设备及存储介质，旨在提高问答准确性。

为实现上述目的，本申请实施例的第一方面提出了一种智能问答方法，所述方法包括：

获取目标用户的目标问题；

基于预设的实体识别模型对所述目标问题进行实体识别，得到目标问题特征；

对所述目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的所述问题匹配值作为目标匹配值；

基于所述目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式；

基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案。

在一些实施例，所述基于预设的实体识别模型对所述目标问题进行实体识别，得到目标问题特征，包括：

基于所述实体识别模型的预设分词器对所述目标问题进行分词处理，得到问题词段；

基于所述实体识别模型的实体识别层对所述问题词段进行实体识别，得到所述目标问题特征。

在一些实施例，所述对所述目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的所述问题匹配值作为目标匹配值，包括：

对所述目标问题特征进行向量化，得到目标问题特征向量，并对每一所述参考问题进行向量化，得到多个参考问题特征向量；

基于预设算法对所述目标问题特征向量和每一所述参考问题特征向量进行匹配度计算，得到多个问题匹配值；

将数值最大的所述问题匹配值作为所述目标匹配值。

在一些实施例，所述问题匹配阈值包括第一阈值和第二阈值，所述第一阈值大于所述第二阈值；所述候选匹配方式包括第一方式、第二方式和第三方式，所述基于所述目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式，包括：

若所述目标匹配值大于或者等于所述第一阈值，且所述目标匹配值小于或者等于1，则将所述第一方式作为所述目标匹配方式；

若所述目标匹配值大于所述第二阈值，且所述目标匹配值小于所述第一阈值，则将所述第二方式作为所述目标匹配方式；

若所述目标匹配值大于或者等于0，且所述目标匹配值小于或者等于所述第二阈值，则将所述第三方式作为所述目标匹配方式。

在一些实施例，所述基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案，包括：

若所述目标匹配方式为第一方式，则调用预设的历史问题树，并将所述目标匹配值对应的所述参考问题记为中间问题；

遍历所述历史问题树，基于所述中间问题对所述历史问题树中的问题节点进行筛选，得到筛选结果；

根据所述筛选结果，将筛选出的问题节点对应的历史答案作为所述目标答案，或者从所述问答语料库中提取所述中间问题对应的参考答案作为所述目标答案。

在一些实施例，所述基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案，包括：

若所述目标匹配方式为第二方式，则基于所述目标匹配值对应的参考问题，获取问题确认模板；

将所述问题确认模板发送至所述目标用户，并获取所述目标用户根据所述问答确认模板反馈的回复信息；

若所述回复信息为所述目标匹配值对应的参考问题与所述目标问题一致，则基于所述第一方式对目标问题进行答案生成，得到所述目标答案；

若所述回复信息为所述目标匹配值对应的参考问题与所述目标问题不一致，则提取预设的默认回复数据，并将所述默认回复数据作为所述目标答案。

在一些实施例，所述基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案，包括：

若所述目标匹配方式为第三方式，则获取预设的兜底语料库和闲聊语料库，并将所述目标匹配值对应的所述参考问题记为中间问题；

对所述中间问题和所述兜底语料库中的多个候选兜底问题进行匹配处理，得到第一匹配结果；

若所述第一匹配结果为所述兜底语料库中存在所述候选兜底问题与所述中间问题相匹配，则基于所述兜底语料库，确定所述目标答案；

若所述第一匹配结果为所述兜底语料库中不存在所述候选兜底问题与所述中间问题相匹配，则对所述中间问题和所述闲聊语料库中的多个候选闲聊问题进行匹配处理，得到第二匹配结果；

根据所述第二匹配结果，基于所述闲聊语料库确定所述目标答案，或者提取预设的默认回复数据，并将所述默认回复数据作为所述目标答案。

为实现上述目的，本申请实施例的第二方面提出了一种智能问答装置，所述装置包括：

问题获取模块，用于获取目标用户的目标问题；

实体识别模块，用于基于预设的实体识别模型对所述目标问题进行实体识别，得到目标问题特征；

匹配计算模块，用于对所述目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的所述问题匹配值作为目标匹配值；

筛选模块，用于基于所述问题匹配数据和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式；

答案生成模块，用于基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

为实现上述目的，本申请实施例的第四方面提出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程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

本申请提出的智能问答方法、智能问答装置、电子设备及存储介质，其通过获取目标用户的目标问题；基于预设的实体识别模型对目标问题进行实体识别，得到目标问题特征，能够较为准确地识别目标问题中的目标问题特征，减小其他冗余信息对问答匹配造成的干扰，有利于提高问答匹配的准确性。进一步地，对目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的问题匹配值作为目标匹配值，这一方式能够较为方便地确定预设的问题语料库中的多个参考问题与目标问题的匹配度，确定匹配程度最好的参考问题与目标问题的目标匹配值。进一步地，基于目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式，能够根据目标匹配值的不同选取不同的候选匹配方式作为目标匹配方式。最后，基于目标匹配方式对目标问题进行答案生成，得到目标答案，通过在问答匹配过程中设置多种不同的候选匹配方式，能够对不同的目标问题有针对性地的进行答案生成，能够提高获取到的目标答案的准确性，从而提高问答准确性。

附图说明

图1是本申请实施例提供的智能问答方法的流程图；

图2是图1中的步骤S102的流程图；

图3是图1中的步骤S103的流程图；

图4是图1中的步骤S104的流程图；

图5是图1中的步骤S105的流程图；

图6是图1中的步骤S105的另一流程图；

图7是图1中的步骤S105的另一流程图；

图8是本申请实施例提供的智能问答装置的结构示意图；

图9是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。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。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请中涉及的若干名词进行解析：

人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

自然语言处理(natural language processing，NLP)：NLP用计算机来处理、理解以及运用人类语言(如中文、英文等)，NLP属于人工智能的一个分支，是计算机科学与语言学的交叉学科，又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域，它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。

信息抽取(Information Extraction，NER)：从自然语言文本中抽取指定类型的实体、关系、事件等事实信息，并形成结构化数据输出的文本处理技术。信息抽取是从文本数据中抽取特定信息的一种技术。文本数据是由一些具体的单位构成的，例如句子、段落、篇章，文本信息正是由一些小的具体的单位构成的，例如字、词、词组、句子、段落或是这些具体的单位的组合。抽取文本数据中的名词短语、人名、地名等都是文本信息抽取，当然，文本信息抽取技术所抽取的信息可以是各种类型的信息。

在智能问答领域中，智能问答应用的业务场景繁多且复杂，目前的智能问答方法大多数是通过固定的问答模板来实现用户请求的响应，这一方式往往无法有效地解决用户的实际需求，存在着问答准确性不高的问题，因此，如何提高问答准确性，成为了亟待解决的技术问题。

基于此，本申请实施例提供了一种智能问答方法、智能问答装置、电子设备及存储介质，旨在提高问答准确性。

本申请实施例提供的智能问答方法、智能问答装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的智能问答方法。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例提供的智能问答方法，涉及人工智能技术领域。本申请实施例提供的智能问答方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现智能问答方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

图1是本申请实施例提供的智能问答方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S105。

步骤S101，获取目标用户的目标问题；

步骤S102，基于预设的实体识别模型对目标问题进行实体识别，得到目标问题特征；

步骤S103，对目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的问题匹配值作为目标匹配值；

步骤S104，基于目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式；

步骤S105，基于目标匹配方式对目标问题进行答案生成，得到目标答案。

本申请实施例所示意的步骤S101至步骤S105，通过获取目标用户的目标问题；基于预设的实体识别模型对目标问题进行实体识别，得到目标问题特征，能够较为准确地识别目标问题中的目标问题特征，减小其他冗余信息对问答匹配造成的干扰，有利于提高问答匹配的准确性。进一步地，对目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的问题匹配值作为目标匹配值，这一方式能够较为方便地确定预设的问题语料库中的多个参考问题与目标问题的匹配度，确定匹配程度最好的参考问题与目标问题的目标匹配值。进一步地，基于目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式，能够根据目标匹配值的不同选取不同的候选匹配方式作为目标匹配方式。最后，基于目标匹配方式对目标问题进行答案生成，得到目标答案，通过在问答匹配过程中设置多种不同的候选匹配方式，能够对不同的目标问题有针对性地的进行答案生成，能够提高获取到的目标答案的准确性，从而提高问答准确性。

在一些实施例的步骤S101中，可以通过编写网络爬虫,设置好数据源之后进行有目标性的爬取数据，得到目标用户的目标问题，也可以通过其他方式获取目标用户的目标问题，其中，目标问题包括目标用户提出的各种问题，例如，科普问题、日常生活问题、医疗疾病问题等等，不做限制。

在一些实施例的步骤S102之前，智能问答方法还包括预训练实体识别模型，该实体识别模型可以基于命名实体算法构建而成，实体识别模型包括分词器和实体识别层，该实体识别模型的训练过程具体可以包括：获取样本问题，该样本问题上带有实体特征标签，该实体特征标签用于表明样本问题的问题类型，利用分词器对样本问题进行分割处理，得到多个样本问题词段，利用实体识别层对每一样本问题词段进行实体识别，得到样本问题特征，根据样本问题特征与实体特征标签的相似度大小来更新实体识别模型的损失函数，直至迭代次数满足预设的迭代条件，停止更新实体识别模型的损失函数，得到最终的实体识别模型。

请参阅图2，在一些实施例中，步骤S102可以包括但不限于包括步骤S201至步骤S202：

步骤S201，基于实体识别模型的预设分词器对目标问题进行分词处理，得到问题词段；

步骤S202，基于实体识别模型的实体识别层对问题词段进行实体识别，得到目标问题特征。

在一些实施例的步骤S201中，预设分词器可以是Jieba分词器，可以在实体识别模型中的Jieba分词器内预设符合需求的字段长度、语句类别等等，从而通过Jieba分词器对目标问题进行分割处理，得到多个问题词段。

在一些实施例的步骤S202中，在实体识别层中根据预设的词性类别对问题词段进行特征分类，得到带有不同词性标签的问题词段，从预设词典中提取出问题词段对应的词段特征，得到多个候选问题特征，将符合当前业务需求的候选问题特征作为目标问题特征。其中，词性类别包含名词、动词、形容词等等，预设词典包含多个参考词段以及每一参考词段的词性类别和词段特征。例如，目标问题为“A市今天的温度是多少”，则经过上述过程识别到的目标问题特征为A市(地名特征)、今天(日期特征)、温度(关键特征)。

通过上述步骤S201至步骤S202能够较为准确地识别目标问题中的目标问题特征，减小其他冗余信息对问答匹配造成的干扰，有利于提高问答匹配的准确性。

请参阅图3，在一些实施例中，步骤S103可以包括但不限于包括步骤S301至步骤S303：

步骤S301，对目标问题特征进行向量化，得到目标问题特征向量，并对每一参考问题进行向量化，得到多个参考问题特征向量；

步骤S302，基于预设算法对目标问题特征向量和每一参考问题特征向量进行匹配度计算，得到多个问题匹配值；

步骤S303，将数值最大的问题匹配值作为目标匹配值。

在一些实施例的步骤S301中，可以通过BERT模型等方式对目标问题特征进行向量化，将目标问题特征映射到预设维度的向量空间，得到目标问题特征向量，同样地，通过BERT模型等方式对每一参考问题进行向量化，将每一参考问题映射到预设维度的向量空间，得到多个参考问题特征向量。

在一些实施例的步骤S302中，预设算法可以是余弦相似度算法、协调过滤算法或者欧式距离等，不做限制。以余弦相似度算法为例，在计算目标问题特征向量和某一参考问题特征向量的匹配度时，假定目标问题特征向量为u，参考问题特征向量为v，则根据余弦相似度算法的公式，计算目标问题特征向量和这一参考问题特征向量的匹配度，得到问题匹配值的过程可以表示如下：

在一些实施例的步骤S303中，对所有参考问题的问题匹配值进行比对，选取数值最大的问题匹配值作为目标匹配值，并将问题匹配值最大的参考问题作为中间问题，该中间问题为与目标问题的语义内容最接近的问题，即中间问题为目标问题在预设的问答语料库中的标准问。

例如，目标用户输入到客服机器人的目标问题为：“查一下今天的温度”，预设的问答语料库包括的参考问题有“今天的温度是多少”、“今天的日期是多少”、“现在的时间是多少”，则与目标问题的语义内容最接近的问题为“今天的温度是多少”。

通过上述步骤S301至步骤S303能够较为方便地确定预设的问题语料库中的多个参考问题与目标问题的语义相似度，从预设的问题语料库中筛选出与目标问题的语义内容最接近的参考问题，并确定语义内容最接近的参考问题与目标问题的语义接近程度(即目标匹配值)，使得能够基于目标匹配值确定用于获取目标答案的问题匹配方式，提高了问答匹配方式的选择准确性。

请参阅图4，在一些实施例中，问题匹配阈值包括第一阈值和第二阈值，第一阈值大于第二阈值；候选匹配方式包括第一方式、第二方式和第三方式，步骤S104可以包括但不限于包括步骤S401至步骤S403：

步骤S401，若目标匹配值大于或者等于第一阈值，且目标匹配值小于或者等于1，则将第一方式作为目标匹配方式；

步骤S402，若目标匹配值大于第二阈值，且目标匹配值小于第一阈值，则将第二方式作为目标匹配方式；

步骤S403，若目标匹配值大于或者等于0，且目标匹配值小于或者等于第二阈值，则将第三方式作为目标匹配方式。

在一些实施例的步骤S401中，问题匹配阈值的具体数值可以根据实际业务需求设置，不做限制，例如，第一阈值为a，第二阈值为b，且0＜b＜a＜1。若目标匹配值m大于或者等于第一阈值，且目标匹配值小于或者等于1，即a≤m≤1时，表明预设的问答语料库中的中间问题与目标问题的语义接近程度较高，能够采用中间问题替代目标问题，则将第一方式作为目标匹配方式，该第一方式为根据预设的问题语料库的参考问题和参考问题对应的参考答案对目标问题进行答案生成。

在一些实施例的步骤S402中，若目标匹配值m大于第二阈值，且目标匹配值小于第一阈值，即b＜m＜a时，表明预设的问答语料库中的中间问题与目标问题的语义接近程度一般，不确定是否适合采用中间问题替代目标问题，需要进一步判断目标用户的意向情况，则将第二方式作为目标匹配方式，在第二方式中，引入包含中间问题的问题确认模板，该问题确认模板可以理解为澄清话术模板，将包含中间问题的问题确认模板发送给目标用户进行确认，若目标用户确认询问的目标问题和中间问题一致，则根据预设的问题语料库的参考问题和参考问题对应的参考答案对目标问题进行答案生成；若目标用户确认询问的目标问题和中间问题不一致，则将预设的默认回复数据发送给目标用户，该默认回复数据可以理解为是预先设置的一系列兜底答复。

在一些实施例的步骤S403中，若目标匹配值m大于或者等于0，且目标匹配值小于或者等于第二阈值，即0≤m≤b时，将第三方式作为目标匹配方式，表明预设的问答语料库中的中间问题与目标问题的语义接近程度较差，不适合采用中间问题替代目标问题，该第三方式为根据预设的兜底语料库和闲聊语料库中的问答数据对目标问题进行答案生成。

通过上述步骤S401至步骤S403能够较为方便地根据目标匹配值与预设的问题匹配阈值之间的大小关系，确定中间问题与目标问题之间的语义接近程度，从而根据语义接近程度的不同选取不同的候选匹配方式作为目标匹配方式，在问答匹配过程中设置了多种不同的候选匹配方式，能够对不同的目标问题有针对性地的进行答案生成，能够提高获取到的目标答案的准确性。

请参阅图5，在一些实施例中，步骤S105可以包括但不限于包括步骤S501至步骤S503：

步骤S501，若目标匹配方式为第一方式，则调用预设的历史问题树，并将目标匹配值对应的参考问题记为中间问题；

步骤S502，遍历历史问题树，基于中间问题对历史问题树中的问题节点进行筛选，得到筛选结果；

步骤S503，根据筛选结果，将筛选出的问题节点对应的历史答案作为目标答案，或者从问答语料库中提取中间问题对应的参考答案作为目标答案。

在一些实施例的步骤S501中，若目标匹配方式为第一方式，目标匹配值m大于或者等于第一阈值，且目标匹配值小于或者等于1，即a≤m≤1时，表明预设的问答语料库中的中间问题与目标问题的语义接近程度较高，则调用预设的历史问题树，并将目标匹配值对应的参考问题记为中间问题，其中，历史问题树包括多个历史问题节点，每一历史问题节点包括至少一个历史问题和该历史问题对应的历史答案。

在一些实施例的步骤S502中，遍历历史问题树，查找历史问题树中包含中间问题的历史问题节点，例如，执行一轮或者多轮回溯查找历史问题数中的节点编号。为了提高问答效率，可以仅查找上一轮会话的历史问题节点的节点编号。若执行多轮回溯，在过去的多轮会话中仅存在一个历史问题节点包含该中间问题，则提取该历史问题节点作为目标节点；若过去的多轮会话中存在多个历史问题节点包含该中间问题，则判断这一系列包含中间问题的历史问题节点中是否有上一轮会话的历史问题节点，若有，则将上一轮会话中的包含该中间问题的历史问题节点作为目标节点；若无，则将首次匹配到的包含中间问题的历史问题节点作为目标节点。若过去的多轮会话中不存在历史问题节点包含该中间问题，则筛选结果为空。

在一些实施例的步骤S503中，当筛选结果为存在目标节点时，则将目标节点对应的历史答案作为目标答案，若筛选结果为不存在目标节点时，从问答语料库中提取中间问题对应的参考答案作为目标答案。

通过上述步骤S501至步骤S503能够在目标匹配值较高时，直接采用中间问题和历史问答记录来进行答案生成，能够有效地提高目标答案生成的效率。

请参阅图6，在一些实施例，步骤S105还包括但不限于包括步骤S601至步骤S604：

步骤S601，若目标匹配方式为第二方式，则基于目标匹配值对应的参考问题，获取问题确认模板；

步骤S602，将问题确认模板发送至目标用户，并获取目标用户根据问答确认模板反馈的回复信息；

步骤S603，若回复信息为目标匹配值对应的参考问题与目标问题一致，则基于第一方式对目标问题进行答案生成，得到目标答案；

步骤S604，若回复信息为目标匹配值对应的参考问题与目标问题不一致，则提取预设的默认回复数据，并将默认回复数据作为目标答案。

在一些实施例的步骤S601中，若目标匹配方式为第二方式，则表明目标匹配值m大于第二阈值，且目标匹配值小于第一阈值，即b＜m＜a时，预设的问答语料库中的中间问题与目标问题的语义接近程度一般，不确定是否适合采用中间问题替代目标问题，需要进一步判断目标用户的意向情况，因此，基于目标匹配值对应的参考问题，获取问题确认模板，具体地，提取目标匹配值对应的中间问题，将中间问题添加至预设的澄清话术模板中，得到问题确认模板。

例如，中间问题为“今天的温度是多少”，则生成的问题确认模板为“您想咨询的问题是否为：今天的温度是多少”。

在一些实施例的步骤S602中，将问题确认模板发送至目标用户，获取目标用户根据问答确认模板反馈的回复信息，该回复信息包含目标用户对中间问题的确认情况，例如，基于上述的问题确认模板“您想咨询的问题是否为：今天的温度是多少”，目标用户的回复为确认回复(例如，是、没错等字词)，则认为回复信息为目标匹配值对应的参考问题与目标问题一致；目标用户的回复为否定回复(例如：不是、否等等)，则认为回复信息为目标匹配值对应的参考问题与目标问题不一致。

在一些实施例的步骤S603中，若回复信息为目标匹配值对应的参考问题与目标问题一致，则表明采用中间问题替代目标问题，将第一方式作为目标匹配方式，该第一方式为根据预设的问题语料库的参考问题和参考问题对应的参考答案对目标问题进行答案生成。其中，采用第一方式进行答案生成的具体过程与上述的步骤S501至步骤S503基本一致，此处不再赘述。

在一些实施例的步骤S604中，若回复信息为目标匹配值对应的参考问题与目标问题不一致，则表明在预设的问题语料库中不存在能够替代目标用户的目标问题的参考问题，即当前暂时没有较为合适的参考问题和参考答案来进行回复，因此，提取预设的默认回复数据，并将默认回复数据作为目标答案。

需要理解的是，上述的默认回复数据可以理解为是预先设置的一系列兜底答复。例如，客户机器人的默认回复数据可以包括“这个问题我不会”、“换个其他问题吧”等等，不做具体限制。

通过上述步骤S601至步骤S604能够在目标匹配值不高时，对中间问题进行再次确认，根据目标用户反馈的回复信息采用中间问题进行答案生成或者采用默认回复数据进行兜底答复，能够进一步地提高问答准确性和适用性，能够有效地避免在无法采用中间问题进行答案生成时，没有合理的方式进行答复，能够较好地改善用户体验感。

请参阅图7，在一些实施例中，步骤S105还可以包括但不限于包括步骤S701至步骤S705：

步骤S701，若目标匹配方式为第三方式，则获取预设的兜底语料库和闲聊语料库，并将目标匹配值对应的参考问题记为中间问题；

步骤S702，对中间问题和兜底语料库中的多个候选兜底问题进行匹配处理，得到第一匹配结果；

步骤S703，若第一匹配结果为兜底语料库中存在候选兜底问题与中间问题相匹配，则基于兜底语料库，确定目标答案；

步骤S704，若第一匹配结果为兜底语料库中不存在候选兜底问题与中间问题相匹配，则对中间问题和闲聊语料库中的多个候选闲聊问题进行匹配处理，得到第二匹配结果；

步骤S705，根据第二匹配结果，基于闲聊语料库确定目标答案，或者提取预设的默认回复数据，并将默认回复数据作为目标答案。

在一些实施例的步骤S701中，若目标匹配方式为第三方式，则目标匹配值m大于或者等于0，且目标匹配值小于或者等于第二阈值，即0≤m≤b时，表明预设的问答语料库中的中间问题与目标问题的语义接近程度较差，不适合采用中间问题替代目标问题，则获取预设的兜底语料库和闲聊语料库，并将目标匹配值对应的参考问题即为中间问题，其中，兜底语料库包括预设的多个候选兜底问题和候选兜底问题对应的候选兜底答案，闲聊语料库包括预设的多个候选闲聊问题和候选兜底问题对应的候选闲聊答案，兜底语料库用于在中间问题与目标问题的语义接近程度较差时，引导目标用户选取其他候选兜底问题进行答案成，闲聊语料库用于在中间问题与目标问题的语义接近程度较差时，反馈一些用于闲聊的问题和答案发送给目标用户。

在一些实施例的步骤S702中，在对中间问题和兜底语料库中的多个候选兜底问题进行匹配处理时，可以计算中间问题与每一候选兜底问题的相似度，得到兜底问题相似值，其中，该相似度计算过程可以参考步骤S302的匹配度计算过程，此处不再赘述。在得到每一候选兜底问题的兜底问题相似值之后，比对兜底问题相似值与预设的第三阈值，根据兜底问题相似值和第三阈值的大小关系，得到第一匹配结果，其中，当兜底问题相似值大于或者等于第三阈值时，第一匹配结果为兜底语料库中存在候选兜底问题与中间问题相匹配；当兜底问题相似值小于第三阈值时，第一匹配结果为兜底语料库中不存在候选兜底问题与中间问题相匹配。

在一些实施例的步骤S703中，若第一匹配结果为兜底语料库中存在候选兜底问题与中间问题相匹配，则根据每一候选兜底问题的兜底问题相似值，选取兜底问题相似值最大的候选兜底问题对应的候选兜底答案作为目标答案。

在一些实施例的步骤S704中，若第一匹配结果为兜底语料库中不存在候选兜底问题与中间问题相匹配，则对中间问题和闲聊语料库中的多个候选闲聊问题进行匹配处理，可以计算中间问题与每一候选闲聊问题的相似度，得到闲聊问题相似值，其中，该相似度计算过程可以参考步骤S302的匹配度计算过程，此处不再赘述。在得到每一候选闲聊问题的闲聊问题相似值之后，比对闲聊问题相似值与预设的第四阈值，根据闲聊问题相似值和第四阈值的大小关系，得到第二匹配结果，其中，当闲聊问题相似值大于或者等于第四阈值时，第二匹配结果为闲聊语料库中存在闲聊兜底问题与中间问题相匹配；当闲聊问题相似值小于第四阈值时，第二匹配结果为闲聊语料库中不存在候选闲聊问题与中间问题相匹配。

在一些实施例的步骤S705中，当第二匹配结果为闲聊语料库中存在闲聊兜底问题与中间问题相匹配时，则根据每一候选闲聊问题的闲聊问题相似值，选取闲聊问题相似值最大的闲聊兜底问题对应的候选闲聊答案作为目标答案。当第二匹配结果为闲聊语料库中不存在候选闲聊问题与中间问题相匹配时，则表明在预设的闲聊语料库中不存在能够替代目标用户的目标问题的候选闲聊问题，即当前暂时没有较为合适的候选闲聊问题和候选闲聊答案来进行回复，因此，提取预设的默认回复数据，并将默认回复数据作为目标答案。

通过上述步骤S701至步骤S705能够在目标匹配值不高时，对中间问题进行再次确认，根据目标用户反馈的回复信息采用兜底语料库的候选兜底答案进行答案生成，或者采用闲聊语料库的候选闲聊答案进行答案生成，或者采用默认回复数据进行答复，这一方式进一步地提高了问答准确性和适用性，能够有效地避免在无法采用中间问题进行答案生成时，没有合理的方式进行答复，能够较好地改善用户体验感。

本申请实施例的智能问答方法，其通过获取目标用户的目标问题；基于预设的实体识别模型对目标问题进行实体识别，得到目标问题特征，能够较为准确地识别目标问题中的目标问题特征，减小其他冗余信息对问答匹配造成的干扰，有利于提高问答匹配的准确性。进一步地，对目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的问题匹配值作为目标匹配值，这一方式能够较为方便地确定预设的问题语料库中的多个参考问题与目标问题的匹配度，确定匹配程度最好的参考问题与目标问题的目标匹配值。进一步地，基于目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式，能够根据目标匹配值的不同选取不同的候选匹配方式作为目标匹配方式。最后，基于目标匹配方式对目标问题进行答案生成，得到目标答案，通过在问答匹配过程中设置多种不同的候选匹配方式，能够对不同的目标问题有针对性地的进行答案生成，能够提高获取到的目标答案的准确性，从而提高问答准确性。这一方式能够实现客服机器人的智能问答服务，使得能够快速地识别目标用户的用户需求，基于用户需求来进行智能化的提供相应地答复，能够实现智能咨询、智能聊天等功能，能够有效地提高服务效率和用户满意度。

请参阅图8，本申请实施例还提供一种智能问答装置，可以实现上述智能问答方法，该装置包括：

问题获取模块801，用于获取目标用户的目标问题；

实体识别模块802，用于基于预设的实体识别模型对目标问题进行实体识别，得到目标问题特征；

匹配计算模块803，用于对目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的问题匹配值作为目标匹配值；

筛选模块804，用于基于问题匹配数据和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式；

答案生成模块805，用于基于目标匹配方式对目标问题进行答案生成，得到目标答案。

该智能问答装置的具体实施方式与上述智能问答方法的具体实施例基本相同，在此不再赘述。

本申请实施例还提供了一种电子设备，电子设备包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述智能问答方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器902，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的智能问答方法；

输入/输出接口903，用于实现信息输入及输出；

通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；

其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述智能问答方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。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。

本申请实施例提供的智能问答方法、智能问答装置、电子设备及计算机可读存储介质，其通过获取目标用户的目标问题；基于预设的实体识别模型对目标问题进行实体识别，得到目标问题特征，能够较为准确地识别目标问题中的目标问题特征，减小其他冗余信息对问答匹配造成的干扰，有利于提高问答匹配的准确性。进一步地，对目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的问题匹配值作为目标匹配值，这一方式能够较为方便地确定预设的问题语料库中的多个参考问题与目标问题的匹配度，确定匹配程度最好的参考问题与目标问题的目标匹配值。进一步地，基于目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式，能够根据目标匹配值的不同选取不同的候选匹配方式作为目标匹配方式。最后，基于目标匹配方式对目标问题进行答案生成，得到目标答案，通过在问答匹配过程中设置多种不同的候选匹配方式，能够对不同的目标问题有针对性地的进行答案生成，能够提高获取到的目标答案的准确性，从而提高问答准确性。这一方式能够实现客服机器人的智能问答服务，使得能够快速地识别目标用户的用户需求，基于用户需求来进行智能化的提供相应地答复，能够实现智能咨询、智能聊天等功能，能够有效地提高服务效率和用户满意度。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图1-7中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的本申请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。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于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：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指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)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种智能问答方法，其特征在于，所述方法包括：

获取目标用户的目标问题；

基于预设的实体识别模型对所述目标问题进行实体识别，得到目标问题特征；

对所述目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的所述问题匹配值作为目标匹配值；

基于所述目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式；

基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案。

2.根据权利要求1所述的智能问答方法，其特征在于，所述基于预设的实体识别模型对所述目标问题进行实体识别，得到目标问题特征，包括：

基于所述实体识别模型的预设分词器对所述目标问题进行分词处理，得到问题词段；

基于所述实体识别模型的实体识别层对所述问题词段进行实体识别，得到所述目标问题特征。

3.根据权利要求1所述的智能问答方法，其特征在于，所述对所述目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的所述问题匹配值作为目标匹配值，包括：

对所述目标问题特征进行向量化，得到目标问题特征向量，并对每一所述参考问题进行向量化，得到多个参考问题特征向量；

基于预设算法对所述目标问题特征向量和每一所述参考问题特征向量进行匹配度计算，得到多个问题匹配值；

将数值最大的所述问题匹配值作为所述目标匹配值。

4.根据权利要求1所述的智能问答方法，其特征在于，所述问题匹配阈值包括第一阈值和第二阈值，所述第一阈值大于所述第二阈值；所述候选匹配方式包括第一方式、第二方式和第三方式，所述基于所述目标匹配值和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式，包括：

若所述目标匹配值大于或者等于所述第一阈值，且所述目标匹配值小于或者等于1，则将所述第一方式作为所述目标匹配方式；

若所述目标匹配值大于所述第二阈值，且所述目标匹配值小于所述第一阈值，则将所述第二方式作为所述目标匹配方式；

若所述目标匹配值大于或者等于0，且所述目标匹配值小于或者等于所述第二阈值，则将所述第三方式作为所述目标匹配方式。

5.根据权利要求4所述的智能问答方法，其特征在于，所述基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案，包括：

若所述目标匹配方式为第一方式，则调用预设的历史问题树，并将所述目标匹配值对应的所述参考问题记为中间问题；

遍历所述历史问题树，基于所述中间问题对所述历史问题树中的问题节点进行筛选，得到筛选结果；

根据所述筛选结果，将筛选出的问题节点对应的历史答案作为所述目标答案，或者从所述问答语料库中提取所述中间问题对应的参考答案作为所述目标答案。

6.根据权利要求5所述的智能问答方法，其特征在于，所述基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案，包括：

若所述目标匹配方式为第二方式，则基于所述目标匹配值对应的参考问题，获取问题确认模板；

将所述问题确认模板发送至所述目标用户，并获取所述目标用户根据所述问答确认模板反馈的回复信息；

若所述回复信息为所述目标匹配值对应的参考问题与所述目标问题一致，则基于所述第一方式对目标问题进行答案生成，得到所述目标答案；

若所述回复信息为所述目标匹配值对应的参考问题与所述目标问题不一致，则提取预设的默认回复数据，并将所述默认回复数据作为所述目标答案。

7.根据权利要求4至6任一项所述的智能问答方法，其特征在于，所述基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案，包括：

若所述目标匹配方式为第三方式，则获取预设的兜底语料库和闲聊语料库，并将所述目标匹配值对应的所述参考问题记为中间问题；

对所述中间问题和所述兜底语料库中的多个候选兜底问题进行匹配处理，得到第一匹配结果；

若所述第一匹配结果为所述兜底语料库中存在所述候选兜底问题与所述中间问题相匹配，则基于所述兜底语料库，确定所述目标答案；

若所述第一匹配结果为所述兜底语料库中不存在所述候选兜底问题与所述中间问题相匹配，则对所述中间问题和所述闲聊语料库中的多个候选闲聊问题进行匹配处理，得到第二匹配结果；

根据所述第二匹配结果，基于所述闲聊语料库确定所述目标答案，或者提取预设的默认回复数据，并将所述默认回复数据作为所述目标答案。

8.一种智能问答装置，其特征在于，所述装置包括：

问题获取模块，用于获取目标用户的目标问题；

实体识别模块，用于基于预设的实体识别模型对所述目标问题进行实体识别，得到目标问题特征；

匹配计算模块，用于对所述目标问题特征和预设的问答语料库的多个参考问题进行匹配度计算，得到多个问题匹配值，并将数值最大的所述问题匹配值作为目标匹配值；

筛选模块，用于基于所述问题匹配数据和预设的问题匹配阈值对预设的多个候选匹配方式进行筛选，得到目标匹配方式；

答案生成模块，用于基于所述目标匹配方式对所述目标问题进行答案生成，得到目标答案。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的智能问答方法。

10.一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程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的智能问答方法。

Images