CN116955577A - 一种基于内容检索的智能问答系统 - Google Patents
一种基于内容检索的智能问答系统 Download PDFInfo
- Publication number
- CN116955577A CN116955577A CN202311219035.XA CN202311219035A CN116955577A CN 116955577 A CN116955577 A CN 116955577A CN 202311219035 A CN202311219035 A CN 202311219035A CN 116955577 A CN116955577 A CN 116955577A
- Authority
- CN
- China
- Prior art keywords
- information
- result
- matching
- analyzed
- acquiring
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于内容检索的智能问答系统,包括基础信息获取单元、检索分析单元、特征数据分析单元、二次检索单元、自适应处理单元和问答结果输出单元,本发明涉及智能问答技术领域,解决了没有针对问题进行针对性的分析和解答,没有综合问题整体的需求性来进行分析显示的技术问题,本发明通过根据用户的问题来进行特征数据分析,通过针对特征数据来进行检索分析,一方面能够解决非专业术语带来的问答解答偏差,另一方面能够根据特征数据来进行针对性的问答解答,从而能够保证问答结果更加贴合用户的问题,其次对问答结果进行分析,通过对问答结果综合的过往数据进行综合分析,并结合特征数据来进行整合,提高了输出结果的准确性。
Description
技术领域
本发明涉及智能问答技术领域,具体为一种基于内容检索的智能问答系统。
背景技术
智能问答系统通过将数据经过加工处理形成某种具有固定结构的数据库,并通过对自然语言处理解析,了解用户意图,从而快速、精准地为用户提供需要的信息,有效满足用户越来越精细化、多样化的检索需求。
根据申请号为CN201710124426.1的专利显示,该专利首先通过对客户的咨询输入进行业务相关性判别,当发现用户输入与业务不相关时调用业务引导模块。业务相关时,通过业务识别模块和活动识别模块分别获取用户输入中的业务内容和活动内容,然后参照知识库进行知识语义网络地图信息检索。图检索引擎获得的知识内容经过组织表示作为业务知识输出,而部分路劲损失则通过损失提示模块反馈到业务引导提供给用户参考。本发明可以减小面向智能业务系统的一般内容存储需求,提高系统速度;本发明使用图检索方法,与一般的关键词检索相比,可以最大限度地将客户的输入内容进行意图识别,并反馈给客户最多、最相关的业务知识。
部分现有的智能问答系统在使用的时候,用户在输入所需解答的问题的时候,一方面由于输入的问题存在不是专业角度提问的,导致系统不能正确地理解用户的问题,从而会存在解答出现偏差的情况,另一方面针对反馈给用户的问答结果没有综合问题整体的需求性来进行分析,导致了输出的结果存在偏差的情况。
发明内容
针对现有技术的不足,本发明提供了一种基于内容检索的智能问答系统,解决了没有针对问题进行针对性地分析和解答,没有综合问题整体的需求性来进行分析显示的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种基于内容检索的智能问答系统,包括:
基础信息获取单元,用于获取到目标对象基础信息,并将其传输到检索分析单元,目标对象为:用户问题,且基础信息包括:次数;
检索分析单元,用于获取到传输的目标对象基础信息并对其进行分析,通过将目标对象与存储库进行直接检索处理判断是否存在检索结果,并生成对应的分析信息,其中分析信息包括:有结果信息和无结果信息,接着将有结果信息传输到自适应处理单元,将无结果信息传输到特征数据分析单元;
特征数据分析单元,用于获取到传输的无结果信息对应的目标对象并对其进行分析,通过对目标对象进行特征提取生成特征数据,接着根据特征数据来与存储库进行检索匹配并生成对应的匹配结果,其中匹配结果包括:匹配成功信息和匹配失败信息,同时将匹配成功信息传输到自适应处理单元,将匹配失败信息传输到二次检索分析单元,且具体的分析方式如下:
S1:获取到目标对象同时获取到历史记录,接着根据历史记录来对目标对象进行特征提取,将历史记录和目标对象中共同存在的特征数据进行提取,并将特征数据进行标号处理且记作为i,且i=1、2、…、n;具体的,历史记录是存储在历史信息存储单元中的,历史记录包括过往的问题检索记录,通过问题检索记录来与目标对象进行匹配,从而将其中的相同或者相似的在目标对象中标记出来,然后对其进行标号处理。
S2:接着获取到特征数据的检索次数和排序次数并分别记作为Ji和Pi,同时将二者代入公式计算得到特征数据i的特征值Qi,其中a1和a2均为预设比例系数,且a1和a2的值由操作人员自行设定,接着按照特征值Qi从大到小进行排序生成排序特征数据;具体的,此处需要说明的是检索次数表示为在历史记录中特征数据总的检索次数,排序次数表示为在历史记录中检索时位于特征数据第一位的次数。
S3:获取到排序特征数据并将其与存储库进行检索匹配,当排序特征数据与存储库匹配存在检索结果时,系统生成匹配成功信息,反之当排序特征数据与存储库匹配不存在检索结果时,系统生成匹配失败信息。具体地,如果按照排序特征数据与存储库匹配存在对应的检索结果,系统会生成匹配成功信息,同时会将检索结果进行整合再进行后续的处理;
二次检索分析单元,用于获取到传输的匹配失败信息并对其进行分析,通过对特征数据进行剔除处理生成对应的二次特征数据,接着将其与存储库进行匹配生成对应的二次匹配结果,其中二次匹配结果包括:检索失败信息和检索成功信息,并将检索成功信息传输到自适应处理单元,将检索失败信息传输到问答结果输出单元,且二次匹配结果生成的具体方式如下:
A1:获取到匹配失败信息对应的特征数据i,接着计算特征数据i检索次数Ji的平均值记作为Jp,同时将特征数据i对应的检索次数Ji与Jp进行比较,筛选Ji≥Jp对应的特征数据并将其记作待分析特征数据f,且f=1、2、…、a;
A2:接着获取到待分析特征数据f同时获取到其排序次数记作为Pf,并将其按照排序次数Pf从大到小进行排序生成对应的重组特征数据,同时将重组特征数据与存储库进行二次匹配,当重组特征数据与存储库匹配存在检索结果时,系统生成检索成功信息,反之当重组特征数据与存储库匹配不存在检索结果时,系统生成检索失败信息;
自适应处理单元,用于获取到传输的匹配成功信息和检索成功信息并对其进行分析,通过获取到匹配成功信息和检索成功信息对应的检索结果并将其标记为待分析结果,接着获取到历史信息存储单元存储的历史信息对待分析结果进行分析得到问答结果信息,同时将问答结果信息传输到问答结果输出单元,且生成问答结果信息的具体方式如下:
P1:获取到待分析结果并对其进行标号处理且记作为j,且j=1、2、…、m,接着对待分析结果j中相同内容进行获取并将其标记为待分析内容,同时对其进行标号处理且记作为o,且o=1、2、…、k;
P2:接着获取到待分析内容o的重复次数记作为Co,同时计算重复次数Co的平均值记作为Cp,并筛选出重复次数Co大于Cp的待分析内容,同时将其记作为分析内容且记作为p,且p=1、2、…、c;
P3:获取到分析内容p对应的待分析结果j,接着将待分析结果j按照待分析内容o的重复次数Co从大到小进行排序,并结合历史信息对其进行分析,具体的分析方式为:获取到历史信息中显示次数最多的待分析结果j,并将其记作为问答结果,同时生成问答结果信息。
所述历史信息存储单元,用于存储历史信息和历史记录,同时将历史信息传输到自适应质量单元,将历史记录传输到特征数据分析单元,所述问答结果输出单元,用于获取到传输的问答结果信息和检索失败信息并将其通过显示设备进行显示。
有益效果
本发明提供了一种基于内容检索的智能问答系统。与现有技术相比具备以下有益效果:
本发明通过根据用户的问题来进行特征数据分析,通过针对特征数据来进行检索分析,一方面能够解决非专业术语带来的问答解答偏差,另一方面能够根据特征数据来进行针对性的问答解答,从而能够保证问答结果更加贴合用户的问题,其次对问答结果进行分析,通过对问答结果综合的过往数据进行综合分析,并结合特征数据来进行整合,提高了输出结果的准确性。
附图说明
图1为本发明系统框图。
具体实施方式
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,都属于本发明保护的范围。
实施例一,请参阅图1,本申请提供了一种基于内容检索的智能问答系统,包括:
基础信息获取单元,用于获取到目标对象基础信息,并将其传输到检索分析单元,目标对象为:用户问题,且基础信息包括:次数。具体的,此处基础信息中的次数表示的为所有用户问题中,相同或者相似问题出现的次数。
检索分析单元,用于获取到传输的目标对象基础信息并对其进行分析,通过将目标对象与存储库进行直接检索处理判断是否存在检索结果,并生成对应的分析信息,其中分析信息包括:有结果信息和无结果信息,接着将有结果信息传输到自适应处理单元,将无结果信息传输到特征数据分析单元,同时生成分析信息的具体方式如下:
获取到目标对象并将其与存储库进行检索匹配,存储库表示的为:所有问答结果存储的地方,当目标对象能够在存储库内找到对应的结果时,则生成对应的有结果信息,同时将其传输到自适应处理单元,如果目标对象不能够在存储库内找到对应的结果,则生成无结果信息,同时将目标对象传输到特征数据分析单元。具体地,此处如果目标对象没有在存储库内匹配到结果,可能存在的结果为搜索方式不对或者是检索词语不对。
特征数据分析单元,用于获取到传输的无结果信息对应的目标对象并对其进行分析,通过对目标对象进行特征提取生成特征数据,接着根据特征数据来与存储库进行检索匹配并生成对应的匹配结果,其中匹配结果包括:匹配成功信息和匹配失败信息,同时将匹配成功信息传输到自适应处理单元,将匹配失败信息传输到二次检索分析单元,且生成匹配结果的具体方式如下:
S1:获取到目标对象同时获取到历史记录,接着根据历史记录来对目标对象进行特征提取,将历史记录和目标对象中共同存在的特征数据进行提取,并将特征数据进行标号处理且记作为i,且i=1、2、…、n;具体的,历史记录是存储在历史信息存储单元中的,历史记录包括过往的问题检索记录,通过问题检索记录来与目标对象进行匹配,从而将其中的相同或者相似的在目标对象中标记出来,然后对其进行标号处理。
S2:接着获取到特征数据的检索次数和排序次数并分别记作为Ji和Pi,同时将二者代入公式计算得到特征数据i的特征值Qi,其中a1和a2均为预设比例系数,且a1和a2的值由操作人员自行设定,接着按照特征值Qi从大到小进行排序生成排序特征数据;具体的,此处需要说明的是检索次数表示为在历史记录中特征数据总的检索次数,排序次数表示为在历史记录中检索时位于特征数据第一位的次数。
S3:获取到排序特征数据并将其与存储库进行检索匹配,当排序特征数据与存储库匹配存在检索结果时,系统生成匹配成功信息,反之当排序特征数据与存储库匹配不存在检索结果时,系统生成匹配失败信息。具体地,如果按照排序特征数据与存储库匹配存在对应的检索结果,系统会生成匹配成功信息,同时会将检索结果进行整合再进行后续的处理。
自适应处理单元,用于获取到传输的匹配成功信息并对其进行分析,通过获取到匹配成功信息时对应的检索结果并将其标记为待分析结果,接着获取到历史信息存储单元存储的历史信息对待分析结果进行分析得到问答结果信息,同时将问答结果信息传输到问答结果输出单元,且生成问答结果信息的具体方式如下:
P1:获取到待分析结果并对其进行标号处理且记作为j,且j=1、2、…、m,接着对待分析结果j中相同内容进行获取并将其标记为待分析内容,同时对其进行标号处理且记作为o,且o=1、2、…、k;
P2:接着获取到待分析内容o的重复次数记作为Co,同时计算重复次数Co的平均值记作为Cp,并筛选出重复次数Co大于Cp的待分析内容,同时将其记作为分析内容且记作为p,且p=1、2、…、c;
P3:获取到分析内容p对应的待分析结果j,接着将待分析结果j按照待分析内容o的重复次数Co从大到小进行排序,并结合历史信息对其进行分析,具体的分析方式为:获取到历史信息中显示次数最多的待分析结果j,并将其记作为问答结果,同时生成问答结果信息。
具体地,此处需要说明的是首先对待分析结果j中相同内容进行标记,然后对相同内容在分析结果中出现的总次数进行记录,并计算其整体总次数的平均值,再根据平均值来筛选出符合要求的待分析内容,待分析内容筛选出来后获取到对应的待分析结果,然后根据历史信息中显示最多次数的待分析结果来进行显示输出。
问答结果输出单元,用于获取到传输的问答结果信息并将其通过显示设备进行显示。
实施例二,作为本发明的实施例二与实施例一的区别之处在于,特征数据分析单元将匹配失败信息传输到二次检索分析单元。
二次检索分析单元,用于获取到传输的匹配失败信息并对其进行分析,通过对特征数据进行剔除处理生成对应的二次特征数据,接着将其与存储库进行匹配生成对应的二次匹配结果,其中二次匹配结果包括:检索失败信息和检索成功信息,并将检索成功信息传输到自适应处理单元,将检索失败信息传输到问答结果输出单元,且生成二次匹配结果的方式如下:
A1:获取到匹配失败信息对应的特征数据i,接着计算特征数据i检索次数Ji的平均值记作为Jp,同时将特征数据i对应的检索次数Ji与Jp进行比较,筛选Ji≥Jp对应的特征数据并将其记作待分析特征数据f,且f=1、2、…、a;
A2:接着获取到待分析特征数据f同时获取到其排序次数记作为Pf,并将其按照排序次数Pf从大到小进行排序生成对应的重组特征数据,同时将重组特征数据与存储库进行二次匹配,当重组特征数据与存储库匹配存在检索结果时,系统生成检索成功信息,反之当重组特征数据与存储库匹配不存在检索结果时,系统生成检索失败信息。
自适应处理单元,用于获取到传输的检索成功信息并对其进行分析,分析的方式同理实施例一中的分析方式。
问答结果输出单元,用于获取到传输的问答结果信息和检索失败信息并将其通过显示设备进行显示。
实施例三,作为本发明的实施例三重点在于将实施例一和实施例二的实施过程结合实施。
上述公式中的部分数据均是去其纲量进行数值计算,同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制,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法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种基于内容检索的智能问答系统,其特征在于,包括:
基础信息获取单元,用于获取到目标对象基础信息,并将其传输到检索分析单元,目标对象为:用户问题,且基础信息包括:次数;
检索分析单元,用于获取到传输的目标对象基础信息并对其进行分析,通过将目标对象与存储库进行直接检索处理判断是否存在检索结果,并生成对应的分析信息,其中分析信息包括:有结果信息和无结果信息,接着将有结果信息传输到自适应处理单元,将无结果信息传输到特征数据分析单元;
特征数据分析单元,用于获取到传输的无结果信息对应的目标对象并对其进行分析,通过对目标对象进行特征提取生成特征数据,接着根据特征数据来与存储库进行检索匹配并生成对应的匹配结果,其中匹配结果包括:匹配成功信息和匹配失败信息,同时将匹配成功信息传输到自适应处理单元,将匹配失败信息传输到二次检索分析单元;
二次检索分析单元,用于获取到传输的匹配失败信息并对其进行分析,通过对特征数据进行剔除处理生成对应的二次特征数据,接着将其与存储库进行匹配生成对应的二次匹配结果,其中二次匹配结果包括:检索失败信息和检索成功信息,并将检索成功信息传输到自适应处理单元,将检索失败信息传输到问答结果输出单元;
自适应处理单元,用于获取到传输的匹配成功信息和检索成功信息并对其进行分析,通过获取到匹配成功信息和检索成功信息对应的检索结果并将其标记为待分析结果,接着获取到历史信息存储单元存储的历史信息对待分析结果进行分析得到问答结果信息,同时将问答结果信息传输到问答结果输出单元。
2.根据权利要求1所述的一种基于内容检索的智能问答系统,其特征在于,所述特征数据分析单元生成匹配结果的具体方式如下:
S1:获取到目标对象同时获取到历史记录,接着根据历史记录来对目标对象进行特征提取,将历史记录和目标对象中共同存在的特征数据进行提取,并将特征数据进行标号处理且记作为i,且i=1、2、…、n;
S2:接着获取到特征数据的检索次数和排序次数并分别记作为Ji和Pi,同时将二者代入公式计算得到特征数据i的特征值Qi,其中a1和a2均为预设比例系数,且a1和a2的值由操作人员自行设定,接着按照特征值Qi从大到小进行排序生成排序特征数据;
S3:获取到排序特征数据并将其与存储库进行检索匹配,当排序特征数据与存储库匹配存在检索结果时,系统生成匹配成功信息,反之当排序特征数据与存储库匹配不存在检索结果时,系统生成匹配失败信息。
3.根据权利要求1所述的一种基于内容检索的智能问答系统,其特征在于,所述二次检索分析单元生成二次匹配结果的具体方式如下:
A1:获取到匹配失败信息对应的特征数据i,接着计算特征数据i检索次数Ji的平均值记作为Jp,同时将特征数据i对应的检索次数Ji与Jp进行比较,筛选Ji≥Jp对应的特征数据并将其记作待分析特征数据f,且f=1、2、…、a;
A2:接着获取到待分析特征数据f同时获取到其排序次数记作为Pf,并将其按照排序次数Pf从大到小进行排序生成对应的重组特征数据,同时将重组特征数据与存储库进行二次匹配,当重组特征数据与存储库匹配存在检索结果时,系统生成检索成功信息,反之当重组特征数据与存储库匹配不存在检索结果时,系统生成检索失败信息。
4.根据权利要求1所述的一种基于内容检索的智能问答系统,其特征在于,所述自适应处理单元生成问答结果信息的具体方式如下:
P1:获取到待分析结果并对其进行标号处理且记作为j,且j=1、2、…、m,接着对待分析结果j中相同内容进行获取并将其标记为待分析内容,同时对其进行标号处理且记作为o,且o=1、2、…、k;
P2:接着获取到待分析内容o的重复次数记作为Co,同时计算重复次数Co的平均值记作为Cp,并筛选出重复次数Co大于Cp的待分析内容,同时将其记作为分析内容且记作为p,且p=1、2、…、c;
P3:获取到分析内容p对应的待分析结果j,接着将待分析结果j按照待分析内容o的重复次数Co从大到小进行排序,并结合历史信息对其进行分析,具体的分析方式为:获取到历史信息中显示次数最多的待分析结果j,并将其记作为问答结果,同时生成问答结果信息。
5.根据权利要求1所述的一种基于内容检索的智能问答系统,其特征在于,所述检索分析单元生成分析信息的具体方式如下:
获取到目标对象并将其与存储库进行检索匹配,当目标对象能够在存储库内找到对应的结果时,则生成对应的有结果信息,同时将其传输到自适应处理单元,反之则生成无结果信息,同时将目标对象传输到特征数据分析单元。
6.根据权利要求1所述的一种基于内容检索的智能问答系统,其特征在于,所述历史信息存储单元,用于存储历史信息和历史记录,同时将历史信息传输到自适应质量单元,将历史记录传输到特征数据分析单元,所述问答结果输出单元,用于获取到传输的问答结果信息和检索失败信息并将其通过显示设备进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219035.XA CN116955577B (zh) | 2023-09-21 | 2023-09-21 | 一种基于内容检索的智能问答系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219035.XA CN116955577B (zh) | 2023-09-21 | 2023-09-21 | 一种基于内容检索的智能问答系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116955577A true CN116955577A (zh) | 2023-10-27 |
CN116955577B CN116955577B (zh) | 2023-12-15 |
Family
ID=88453266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311219035.XA Active CN116955577B (zh) | 2023-09-21 | 2023-09-21 | 一种基于内容检索的智能问答系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955577B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650797A (zh) * | 2009-09-14 | 2010-02-17 | 中国科学院计算技术研究所 | 一种移动客服知识库系统及其工作方法 |
CN105447080A (zh) * | 2015-11-05 | 2016-03-30 | 华建宇通科技(北京)有限责任公司 | 一种社区问答搜索中的查询补全方法 |
US20190065594A1 (en) * | 2017-08-22 | 2019-02-28 | Facebook, Inc. | Similarity Search Using Progressive Inner Products and Bounds |
CN110647649A (zh) * | 2019-09-29 | 2020-01-03 | 腾讯云计算(北京)有限责任公司 | 特征检索方法、装置及存储介质 |
CN111415063A (zh) * | 2020-02-20 | 2020-07-14 | 湖南云联数通网络科技有限公司 | 一种智能健身房管理系统 |
CN112632237A (zh) * | 2020-12-07 | 2021-04-09 | 厦门渊亭信息科技有限公司 | 一种基于知识图谱的问答模板自动生成方法及装置 |
CN113590783A (zh) * | 2021-07-28 | 2021-11-02 | 复旦大学 | 基于nlp自然语言处理的中医养生智能问答系统 |
CN114417179A (zh) * | 2021-12-29 | 2022-04-29 | 航天科工网络信息发展有限公司 | 一种面向大规模知识库群的元搜索引擎处理方法和装置 |
US20230097443A1 (en) * | 2019-04-18 | 2023-03-30 | Sap Se | One-shot learning for text-to-sql |
CN116578729A (zh) * | 2023-07-13 | 2023-08-11 | 腾讯科技(深圳)有限公司 | 内容搜索方法、装置、电子设备、存储介质和程序产品 |
CN116756295A (zh) * | 2023-08-16 | 2023-09-15 | 北京盛通知行教育科技集团有限公司 | 知识库的检索方法、装置及存储介质 |
-
2023
- 2023-09-21 CN CN202311219035.XA patent/CN116955577B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650797A (zh) * | 2009-09-14 | 2010-02-17 | 中国科学院计算技术研究所 | 一种移动客服知识库系统及其工作方法 |
CN105447080A (zh) * | 2015-11-05 | 2016-03-30 | 华建宇通科技(北京)有限责任公司 | 一种社区问答搜索中的查询补全方法 |
US20190065594A1 (en) * | 2017-08-22 | 2019-02-28 | Facebook, Inc. | Similarity Search Using Progressive Inner Products and Bounds |
US20230097443A1 (en) * | 2019-04-18 | 2023-03-30 | Sap Se | One-shot learning for text-to-sql |
CN110647649A (zh) * | 2019-09-29 | 2020-01-03 | 腾讯云计算(北京)有限责任公司 | 特征检索方法、装置及存储介质 |
CN111415063A (zh) * | 2020-02-20 | 2020-07-14 | 湖南云联数通网络科技有限公司 | 一种智能健身房管理系统 |
CN112632237A (zh) * | 2020-12-07 | 2021-04-09 | 厦门渊亭信息科技有限公司 | 一种基于知识图谱的问答模板自动生成方法及装置 |
CN113590783A (zh) * | 2021-07-28 | 2021-11-02 | 复旦大学 | 基于nlp自然语言处理的中医养生智能问答系统 |
CN114417179A (zh) * | 2021-12-29 | 2022-04-29 | 航天科工网络信息发展有限公司 | 一种面向大规模知识库群的元搜索引擎处理方法和装置 |
CN116578729A (zh) * | 2023-07-13 | 2023-08-11 | 腾讯科技(深圳)有限公司 | 内容搜索方法、装置、电子设备、存储介质和程序产品 |
CN116756295A (zh) * | 2023-08-16 | 2023-09-15 | 北京盛通知行教育科技集团有限公司 | 知识库的检索方法、装置及存储介质 |
Non-Patent Citations (5)
Title |
---|
MENGTIAN GUO 等: "GRAFS: Graphical Faceted Search System to Support Conceptual Understanding in Exploratory Search", 《ACM TRANSACTIONS ON INTERACTIVE INTELLIGENT SYSTEMS》, vol. 13, no. 2, pages 1, XP059177222, DOI: 10.1145/3588319 * |
YE LIU 等: "Generative Question Refinement with Deep Reinforcement Learning in Retrieval-based QA System", 《CIKM \'19: PROCEEDINGS OF THE 28TH ACM INTERNATIONAL CONFERENCE ON INFORMATION AND KNOWLEDGE MANAGEMENT》, pages 1643 * |
廖文雄: "基于多模态信息融合的生成式问答系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 02, pages 138 - 2033 * |
蔡秀梅 等: "基于LBP的鲁棒特征提取与匹配方法研究", 《计算机工程与应用》, vol. 57, no. 16, pages 228 - 236 * |
鲍一鸣: "基于深度学习的领域智能问答系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 02, pages 138 - 3846 * |
Also Published As
Publication number | Publication date |
---|---|
CN116955577B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8739032B2 (en) | Method and system for document presentation and analysis | |
US7849066B2 (en) | Apparatus and method for determining adequacy of information retrieving process | |
CN108846126A (zh) | 关联问题聚合模型的生成、问答式聚合方法、装置及设备 | |
CN111506719B (zh) | 一种关联问句推荐方法、装置、设备及可读存储介质 | |
US20090089282A1 (en) | Natural language based service selection system and method, service query system and method | |
CN111414457A (zh) | 基于联邦学习的智能问答方法、装置、设备及存储介质 | |
CN113505586A (zh) | 一种融合语义分类与知识图谱的坐席辅助问答方法与系统 | |
CN110807085B (zh) | 故障信息的查询方法及装置、存储介质、电子装置 | |
CN104834691A (zh) | 一种语音机器人 | |
CN110164217A (zh) | 一种在线问答和复习自测教学系统 | |
CN111797202B (zh) | 一种基于人工智能的客服对话方法 | |
CN111368096A (zh) | 基于知识图谱的信息分析方法、装置、设备和存储介质 | |
CN113064980A (zh) | 一种智能问答方法、装置、计算机设备及存储介质 | |
CN111767382A (zh) | 生成反馈信息的方法、装置及终端设备 | |
CN116303935A (zh) | 一种基于政务服务事项的智能问答方法 | |
CN116955577B (zh) | 一种基于内容检索的智能问答系统 | |
CN114091477A (zh) | 一种数据处理方法及装置 | |
CN112269956A (zh) | 一种基于机器学习引擎的农业大数据搜索结果呈现的方法和装置 | |
CN111651554A (zh) | 基于自然语言理解及处理的保险问答回答的方法和装置 | |
CN117456995A (zh) | 一种养老服务机器人的交互方法及系统 | |
CN112733011A (zh) | 一种信息咨询用自推荐系统 | |
CN114328846B (zh) | 一种用于高校政策咨询的智能客服应答系统及方法 | |
US20020032690A1 (en) | Method for processing data and generating test report of test system | |
CN114186048A (zh) | 基于人工智能的问答回复方法、装置、计算机设备及介质 | |
CN113177061A (zh) | 一种搜索方法、装置和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |