CN116775826A - 智能问答方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明涉及数字医疗及人工智能技术领域，应用了智能系统技术，涉及一种智能问答方法、装置、设备及存储介质。该方法包括：获取待检测的文本信息，提取关键文本信息；通过预设的语义模型将所述关键文本信息转换为文本特征向量；对所述文本特征向量进行相似度计算，从预设的向量集群汇总查询相似度高的文本向量并取出对应的唯一性字符串；根据所述唯一性字符串从预设的数据库中取出对应的问答数据并进行展示。数字医疗领域中，对所需数据检索的准确性是智能问答系统重要之处。本发明可以提高向量检索的准确性以及高效性。

Description

智能问答方法、装置、电子设备及存储介质

技术领域

本发明涉及人工智能技术领域，应用了智能系统技术，涉及一种智能问答方法、装置、设备及存储介质。

背景技术

随着资讯和短视频流量的迅猛发展，使得大数据、人工智能等技术得到了更为广泛的应用。其中主流的推荐搜索技术在医疗、金融、资讯等领域有着极其重要的应用价值，例如，在医疗科研领域，运用大数据技术对各种数据进行筛选、分析，可以为科研工作提供强有力的数据分析支持。在医疗检索时，好用、高效、准确性高的检索方法能够大大的减少工作量。因此，面对海量数据如何进行高效精确的处理和分析，并检索出有效内容成为了搜索领域的一大挑战。在应对多场景的智能问答时，如何根据向量搜索引擎的近邻搜索返回合理有效的问答内容显得尤为重要。

目前在医疗问答系统领域上，面对多场景复杂多变的问答内容尚未有成熟的解决方案，传统技术无法实现大规模实时查询的性能要求，可能耗费大量人力和机器资源才能满足问答系统的基本要求。目前市场上较为多见的是针对不同场景下的同一问题多业务应答内容需求，开发单独的向量搜索模块来满足问答系统，需要大量重复工作来满足不同场景下的应用，同时随着问答内容涉及领域的复杂化，实时性能很难满足，严重影响用户体验。在问答内容更新时，也很难满足稳定的自动化更新和实时查询需求。传统的基于关键词及规则搜索的技术，很难获取相似问的有效应答，使得用户多次搜索不能获取有效答案，很容易产生不佳体验感，极易造成客户流失。

发明内容

鉴于以上内容，本发明提供一种基于向量搜索的多场景通用智能问答方法，装置、电子设备及存储介质，其主要目的在于提高医疗检索等领域中智能问答系统在向量搜索上的高效性以及精确性。

为实现上述目的，本发明提供一种智能问答方法，该方法包括如下步骤：

接收客户端的问题文本，根据所述问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

通过预设的语义模型将所述关键文本信息转换为文本特征向量；

从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果。

可选地，从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，包括：

将预设的向量集群中各个文本向量与所述文本特征向量的相似度按照从高到低进行排序，然后取相似度最高的前M个文本向量作为所述预设的向量集群中与所述文本特征向量相似度高的文本向量，其中，M为正整数。

可选地，从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，包括：

计算预设的向量集群中各个文本向量与所述文本特征向量的相似度，将各个文本向量的相似度与预设阈值进行比较，将高于所述预设阈值的相似度对应的文本向量作为所述符合预设相似度条件的文本向量。

可选地，在所述从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串之前,包括：

将预设的数据库的待存储问答数据通过哈希编码转换为唯一性字符串；

通过预设的语义模型提取所述待存储问答数据的文本特征向量作为待存储特征向量；

将所述唯一性字符串和所述待存储特征向量存储到预设的向量集群待存储问答数据对应的数据表。

可选地，在所述根据所述唯一性字符串从预设的数据库中取出对应的问答数据的步骤之前，包括：

将预设的数据库的待存储问答数据通过哈希编码转换为唯一性字符串；

通过预设的语义模型提取所述待存储问答数据的文本特征向量；

将所述唯一性字符串和预设的向量集群的数据表进行拼接生成数据库的key值；

将所述待存储问答数据的关键文本信息及各类关联信息通过转换生成字符串作为数据库的value值；

将所述key值和所述value值联合存储到预设的数据库中。

可选地，所述预设的数据库和预设的向量集群定时针对新增的文本内容进行存储更新，包括：

在新增的文本内容通过哈希编码生成对应的唯一性字符串并拼接数据表生成新增key值后，在数据库中进行批量搜索确定所述新增key值是否已存在；

若存在，则仅更新所述预设的数据库中新增key值对应的value值，并将所述key值和所述value值联合存储到预设的数据库中。

可选地，所述预设的数据库和预设的向量集群定时针对过期的文本内容进行删除，包括：

针对过期的文本内容，通过唯一性字符串和数据表获取所述预设的向量集群和所述预设的数据库中过期的文本内容对应的存储数据，并分别进行删除。

此外，为实现上述目的，本发明还提供一种智能问答装置，其特征在于，所述装置包括：

提取关键文本模块，用于接收客户端发送的问题文本，根据所述问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

文本特征提取模块，用于通过预设的语义模型将所述关键文本信息转换为文本特征向量；

相似度计算模块，用于从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

提取问答数据模块，用于根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果。

此外，为实现上述目的，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个计算机程序；及

处理器，执行所述存储器中存储的程序以实现上述所述的智能问答方法。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的智能问答方法。

本发明实施例通过将检索文本信息与索引唯一性的唯一性字符串结合起来，通过哈希编码生成唯一性字符串用于构建索引，同时结合预设向量集群的表名应用于预设数据库的创建，使得预设向量集群和预设数据库可以紧密相连，可以基于向量搜索结果定位到预设数据库的关联内容，从而实现对任意场景下相关搜索的内容问答；高医疗检索等领域中智能问答系统在向量搜索上的高效性以及精确性，大大节省了人力开发的成本和机器资源的损耗；此外，在预设数据库数据存储时，提出的数据内容字符串化处理，能够应对关联搜索关键文本信息的任意内容添加和删除，针对关联问答、多业务类型、日期等多变内容应答提供了通用性解决方案。能够使用户获取文本信息关联的任意内容、语义歧义时的多类型问答，提升了服务的智能化特性，大大降低了运营成本，从而完成多推荐位内容的自动化更新和用户点击搜索的高效推荐。

附图说明

图1为本发明一实施例提供的智能问答方法的流程示意图；

图2为本发明一实施例提供的智能问答装置的流程示意图；

图3为本发明一实施例提供的实现智能问答方法的电子设备

的内部结构示意图；

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。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，都属于本发明保护的范围。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

参照图1所示的本发明一实施例提供的智能问答方法的流程示意图，在本发明实施例中，所述智能问答方法包括以下步骤S1-S5：

S1、接收客户端发送的问题文本，根据所述问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

本发明实施例中，智能问答系统获取用户输入的提问问题，提取用户提问问题中的文本信息作为待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息，例如，在医疗科研检索时，用户通过客户端向智能问答系统发送问题“小孩容易得蚕豆病吗？”，通过关键词提取模型提取到的关键文本信息“蚕豆病”、“小孩”。

在一实施例中，本申请接收客户端发送的问题文本还可以为接收客户端发送的语音。例如，用户通过客户端向服务器发送了内容为“我现在感冒了，我早餐可以吃牛奶吗？”的语音，则本申请利用语音识别模型从所述语音中得到问题文本为“感冒可以喝牛奶吗？”；

在一实施例中，本申请还可以通过接收客户端发送的图片，利用预设的图像识别模型得到所述图片的图像特征向量并进行S3-S4的步骤。例如用户通过客户端向服务器发送一张骨科拍片的片子，则本申请利用图像识别模型从所述图片中得到所述片子的图像特征向量。

S2、通过预设的语义模型将所述关键文本信息转换为文本特征向量；

本发明实施例中，所述预设的语义模型是预训练完成的bert语义模型，并针对所述关键文本信息进行转换，生成所述文本特征向量，所述关键文本信息为S1步骤中通过关键词提取模型从待检测文本信息中得到，如上述例子中的“蚕豆病”、“小孩”；

S3、从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

本发明实施例中，所述预设的向量集群为具备可以自定义搜索向量的ID，能够区分不同的业务位置的模式或者表名的向量搜索引擎，例如milvus集群；

在预设的向量集群中查询相似度高的文本向量并取出对应的唯一性字符串的步骤之前，将待存储的问答数据通过哈希编码将关键文本信息转换为唯一性字符串；通过语义模型将关键文本信息转换为特征向量；将唯一性字符串和特征向量存储到预设的向量集群中待存储问答数据对应的数据表；

所述查询相似度高的文本向量是将向量集群中所有的文本向量的相似度进行从高到低的排序，然后取相似度最高的前M个文本向量，例如，在milvus集群的数据表sim_query_table表中搜索与其最近的5个短文本向量，取出对应的5个唯一性字符串；

所述查询相似度高的文本向量还可以是计算预设的向量集群中各个文本向量与所述文本特征向量的相似度，将各个文本向量的相似度与预设阈值进行比较，将高于所述预设阈值的相似度对应的文本向量作为所述预设的向量集群中与所述文本特征向量相似度高的文本向量，例如，预设阈值为【0.5】，将milvus集群中数据表sim_query_table表中相似度高于【0.5】的文本向量作为与所述文本特征向量相似度高的文本向量，去除对应的唯一性字符串。

S4、根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果；

本发明实施例中，根据取出的唯一性字符串，从预设的数据库中提取对应的问答数据，例如，根据所述5个唯一性字符串，在预设的数据库中取出对应问题为“小孩会得蚕豆病吗”、“小孩是否容易得蚕豆病”、“小孩怎么样不会得蚕豆病”、“小孩为什么容易得蚕豆病”、“小孩得蚕豆病后需要注意什么”的问答数据；

本发明实施例中，所述预设的数据库是redis集群，将待存储的问答数据通过哈希编码生成唯一性字符串，提取所述带存储问答数据的文本特征向量，将所述唯一性字符串和milvus集群的数据表进行拼接生成redis的key值，将文本关键信息及各类关联信息通过转换生成字符串作为redis的value值，联合存储到redis集群中；

本发明实施例中，针对新增或过期的文本内容进行存储更新，针对新增内容通过哈希编码生成对应的唯一性字符串并拼接数据表后，批量在redis集群中进行搜索确定是否已存在，若存在，则仅更新所述预设的数据库中新增key值对应的value值，并将所述新增key值和对应的value值联合存储到redis集群中；针对需要删除的数据，通过唯一性字符串和数据表对milvus集群和redis集群分别进行删除。

本发明通过获取待检测的文本信息，提取关键文本，通过语义模型将关键文本转换为文本特征向量，利用相似度算法计算文本特征向量，从Milvus集群中查询相似度高的文本向量并取出对应的唯一性字符串，在根据唯一性字符串从redis中取出对应的问答数据并展示。通过在存储阶段时，将检索文本信息与索引唯一性的hash_id即唯一性字符串结合起来，通过哈希编码生成hash_id用于构建索引，同时结合表名应用于redis键的创建，使得milvus和redis数据可以紧密相连，可以基于向量搜索结果定位到redis数据库的关联内容，从而实现对任意场景下相关搜索的内容问答，自动化查询和数据更新，能够实现多业务多场景共用向量搜索服务，提高了智能问答系统向量检索的高效性以及精确性，。

如图2所示，是本发明智能问答装置的功能模块图。

本发明所述智能问答系统是在智能问答装置中，智能问答装置100可以安装于电子设备中。根据实现的功能，所述智能问答装置可以包括关键词提取模块101、文本特征提取模块102、相似度计算模块103、提取问答数据模块104和展示模块105，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述关键词提取模块101用于接收客户端发送的问题文本，根据所述问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

所述文本特征提取模块102用于通过预设的语义模型将所述关键文本信息转换为文本特征向量；

所述相似度计算模块103用于从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

所述提取问答数据模块104用于根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果。

详细地，本发明实施例中所述智能问答装置100中所述的各模块在使用时采用与上述图1中所述的智能问答方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图3所示，是本发明实现智能问答方法的电子设备的结构示意图。

所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如智能问答程序。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(SmartMediaCard，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(FlashCard)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如智能问答程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(CentralProcessingUnit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如智能问答程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述通信总线12可以是外设部件互连标准(PerIPheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图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。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

可选地，所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。

可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(OrganicLight-EmittingDiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备中的所述存储器11存储的智能问答程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：

接收客户端发送的问题文本，根据所述问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

通过预设的语义模型将所述关键文本信息转换为文本特征向量；

从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果。

具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备集成的模块/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。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)。

本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

接收客户端发送的问题文本，根据所述问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

通过预设的语义模型将所述关键文本信息转换为文本特征向量；

从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果。

进一步地，所述计算机可用存储介质可主要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、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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，所述模块的划分，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。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。

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(ArtificialIntelligence，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。

另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种智能问答方法，应用于智能问答系统，该方法包括如下步骤：

接收客户端的医疗问题文本，根据所述医疗问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

通过预设的语义模型将所述关键文本信息转换为文本特征向量；

从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果。

2.如权利要求1所述的智能问答方法，其特征在于，从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，包括：

将预设的向量集群中各个文本向量与所述文本特征向量的相似度按照从高到低进行排序，然后取相似度最高的前M个文本向量作为所述预设的向量集群中与所述文本特征向量相似度高的文本向量，其中，M为正整数。

3.如权利要求1所述的智能问答方法，其特征在于，从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，包括：

计算预设的向量集群中各个文本向量与所述文本特征向量的相似度，将各个文本向量的相似度与预设阈值进行比较，将高于所述预设阈值的相似度对应的文本向量作为所述符合预设相似度条件的文本向量。

4.如权利要求1所述的智能问答方法，其特征在于，在所述从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串之前,包括：

将预设的数据库的待存储问答数据通过哈希编码转换为唯一性字符串；

通过预设的语义模型提取所述待存储问答数据的文本特征向量作为待存储特征向量；

将所述唯一性字符串和所述待存储特征向量存储到预设的向量集群待存储问答数据对应的数据表。

5.如权利要求1所述的智能问答方法，其特征在于，在所述根据所述唯一性字符串从预设的数据库中取出对应的问答数据的步骤之前，包括：

将预设的数据库的待存储问答数据通过哈希编码转换为唯一性字符串；

通过预设的语义模型提取所述待存储问答数据的文本特征向量；

将所述唯一性字符串和预设的向量集群的数据表进行拼接生成数据库的key值；

将所述待存储问答数据的关键文本信息及各类关联信息通过转换生成字符串作为数据库的value值；

将所述key值和所述value值联合存储到所述预设的数据库中。

6.如权利要求1所述的智能问答方法，其特征在于，所述预设的数据库和预设的向量集群定时针对新增的文本内容进行存储更新，包括：

在新增的文本内容通过哈希编码生成对应的唯一性字符串并拼接数据表生成新增key值后，在数据库中进行批量搜索确定所述新增key值是否已存在；

若存在，则仅更新所述预设的数据库中新增key值对应的value值，并将所述新增key值和对应的value值联合存储到预设的数据库中。

7.如权利要求1所述的智能问答方法，其特征在于，所述预设的数据库和预设的向量集群定时针对过期的文本内容进行删除，包括：

针对过期的文本内容，通过唯一性字符串和数据表获取所述预设的向量集群和所述预设的数据库中过期的文本内容对应的存储数据，并分别进行删除。

8.一种智能问答装置，其特征在于，所述装置包括：

提取关键文本模块，用于接收客户端发送的医疗问题文本，根据所述医疗问题文本获取待检测文本信息，将所述待检测文本信息输入预训练的关键词提取模型，得到关键文本信息；

文本特征提取模块，用于通过预设的语义模型将所述关键文本信息转换为文本特征向量；

相似度计算模块，用于从预设的向量集群中获取与所述文本特征向量相似度符合预设相似度条件的文本向量，并取出与获取的文本向量对应的唯一性字符串；

提取问答数据模块，用于根据所述唯一性字符串从预设的数据库中筛选出对应的问答数据作为问答结果。

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，所述指令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如权利要求1至7中任意一项所述的智能问答方法。

10.一种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如权利要求1至7中任意一项所述的智能问答方法。