[go: up one dir, main page]

CN108345672A - 智能应答方法、电子装置及存储介质 - Google Patents

智能应答方法、电子装置及存储介质 Download PDF

Info

Publication number
CN108345672A
CN108345672A CN201810134579.9A CN201810134579A CN108345672A CN 108345672 A CN108345672 A CN 108345672A CN 201810134579 A CN201810134579 A CN 201810134579A CN 108345672 A CN108345672 A CN 108345672A
Authority
CN
China
Prior art keywords
candidate
questions
similarity
answer
entry
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
Application number
CN201810134579.9A
Other languages
English (en)
Inventor
于凤英
王健宗
肖京
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201810134579.9A priority Critical patent/CN108345672A/zh
Priority to PCT/CN2018/089882 priority patent/WO2019153607A1/zh
Publication of CN108345672A publication Critical patent/CN108345672A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种智能应答方法，包括：在获取到咨询问题后，对所述咨询问题进行预处理，为问答知识库构建倒排索引，通过倒排索引查询的方式从所述问答知识库中查询出与所述咨询问题相关的候选问题集合，再针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，最后选择计算得到的最高问题相似度对应的候选问题，在问答知识库中查询所选择候选问题的关联答案作为目标答案输出。本发明还提供一种电子装置及存储介质。利用本发明可以提高智能应答的准确性和应答效率，提高服务质量。

Description

智能应答方法、电子装置及存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种智能应答方法、电子装置及存储介质。
背景技术
随着科技的发展，人工智能(Artificial Intelligence，AI)正逐步改变着我们的生活方式，例如智能问答就是其中一种。当客户通过文字或语音在线咨询时，可以由线上的智能客服为客户进行智能应答。智能问答可以有效缓解客户服务的等待状况，提升服务质量，因而有着非常广阔的前景。
目前智能问答中智能应答通常采用的方式是对客户问题进行关键词提取，再从问答知识库中找出与该关键词匹配的答案输出给客户。然而，由于语言文字的博大精深变化多样，仅仅从关键词上很难准确识别出客户问题代表的真正意图，因此目前的智能应答方式在准确性上存在不足，且通常还需要人工应答作为弥补，这将在一定程度上造成人力资源耗费和服务效率低下的问题。
发明内容
鉴于以上原因，有必要提供一种智能应答方法、电子装置及存储介质，可以提高智能应答的准确性和应答效率，节约人力资源，提高服务质量。
为实现上述目的，本发明提供一种智能应答方法，该方法包括以下步骤：获取步骤：获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错；构建步骤：对问答知识库中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库构建倒排索引，通过倒排索引查询的方式从所述问答知识库中查询出与所述咨询问题相关的候选问题集合，所述问答知识库包括预先整理的多个问题以及每个问题关联的一个或多个答案；计算步骤：针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中所述文本相似度和语义相似度的权重均大于所述主题相似度和句法相似度的权重；选择步骤：选择计算得到的最高问题相似度对应的候选问题，在问答知识库中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
可选地，所述咨询问题和相应的候选问题之间的文本相似度的计算方法包括：统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度；其中，所述多个指定特征包括：咨询问题和该候选问题的共同关键词数量a1；咨询问题和该候选问题的共同关键词长度a2；咨询问题和该候选问题的共同词条的数量a3；咨询问题和该候选问题的共同词条的长度a4；咨询问题的长度a5；该候选问题的长度a6。
可选地，所述对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度包括：采用逆文档率算法计算每个指定特征的权重，对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：g(z)＝1/(1+ez)，e为自然常数；z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；其中，x1、x2...x6分别为所述a1、a2...a6的权重。
可选地，所述咨询问题和相应的候选问题之间的语义相似度的计算方法包括：采用word2vec算法将咨询问题分词后的各词条表示为词向量，将咨询问题中各词向量取平均值得到咨询问题的句子向量；采用word2vec算法将该候选问题分词后的各词条表示为词向量，将该候选问题中各词向量取平均值得到该候选问题的句子向量；计算咨询问题的句子向量与该候选问题的句子向量之间的余弦相似度，得到咨询问题与该候选问题的语义相似度；所述咨询问题和相应的候选问题之间的主题相似度的计算方法包括：采用LDA线性判别分析的主题表达法，构建咨询问题的主题向量，以及该候选问题的主题向量；计算咨询问题的主题向量与该候选问题的主题向量之间的余弦相似度，得到咨询问题与该候选问题的主题相似度；所述咨询问题和相应的候选问题之间的句法相似度的计算方法包括：采用LTP语言技术平台分析咨询问题和该候选问题的句法，得到咨询问题和该候选问题的句法向量；计算咨询问题的句法向量与该候选问题的句法向量之间的余弦相似度，得到咨询问题与该候选问题的句法相似度。
可选地，所述预处理包括分词得到各词条、将分词后词条长度大于第一阈值的词条作为长切词、为所述长切词进行词性标注、通过隐马尔可夫模型对所述长切词进行命名实体识别从而识别出专有名词、采用TF-IDF算法从所述长切词中提取关键词、采用N-gram语言模型和编辑距离为所述咨询问题进行语句纠错处理。
可选地，所述预处理还包括：将所述咨询问题分词得到的各词条分别与预设的积极词汇库和消极词汇库进行对比，判断所述咨询问题中是否包含积极词汇或消极词汇；将所述目标答案输出之前还包括：若所述咨询问题中仅包含积极词汇，则获取积极词汇对应的预设问候语，将所述积极词汇对应的预设问候语与所述目标答案结合；若所述咨询问题中仅包含消极词汇，则获取消极词汇对应的预设问候语，将所述消极词汇对应的预设问候语与所述目标答案结合；若所述咨询问题中包含积极词汇和消极词汇，或者所述咨询问题中不包含积极词汇和消极词汇，则获取中性词汇对应的预设问候语，将所述中性词汇对应的预设问候语与所述目标答案结合。
为实现上述目的，本发明还提供一种电子装置，该电子装置包括存储器和处理器，所述存储器中包括智能应答程序，该智能应答程序被所述处理器执行时实现如下步骤：获取步骤：获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错；构建步骤：对问答知识库中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库构建倒排索引，通过倒排索引查询的方式从所述问答知识库中查询出与所述咨询问题相关的候选问题集合，所述问答知识库包括预先整理的多个问题以及每个问题关联的一个或多个答案；计算步骤：针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中所述文本相似度和语义相似度的权重均大于所述主题相似度和句法相似度的权重；选择步骤：选择计算得到的最高问题相似度对应的候选问题，在问答知识库中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
可选地，所述咨询问题和相应的候选问题之间的文本相似度的计算方法包括：统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度；其中，所述多个指定特征包括：咨询问题和该候选问题的共同关键词数量a1；咨询问题和该候选问题的共同关键词长度a2；咨询问题和该候选问题的共同词条的数量a3；咨询问题和该候选问题的共同词条的长度a4；咨询问题的长度a5；该候选问题的长度a6。
可选地，所述对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度包括：采用逆文档率算法计算每个指定特征的权重，对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：g(z)＝1/(1+ez)，e为自然常数；z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；其中，x1、x2...x6分别为所述a1、a2...a6的权重。
可选地，所述咨询问题和相应的候选问题之间的语义相似度的计算方法包括：采用word2vec算法将咨询问题分词后的各词条表示为词向量，将咨询问题中各词向量取平均值得到咨询问题的句子向量；采用word2vec算法将该候选问题分词后的各词条表示为词向量，将该候选问题中各词向量取平均值得到该候选问题的句子向量；计算咨询问题的句子向量与该候选问题的句子向量之间的余弦相似度，得到咨询问题与该候选问题的语义相似度；所述咨询问题和相应的候选问题之间的主题相似度的计算方法包括：采用LDA线性判别分析的主题表达法，构建咨询问题的主题向量，以及该候选问题的主题向量；计算咨询问题的主题向量与该候选问题的主题向量之间的余弦相似度，得到咨询问题与该候选问题的主题相似度；所述咨询问题和相应的候选问题之间的句法相似度的计算方法包括：采用LTP语言技术平台分析咨询问题和该候选问题的句法，得到咨询问题和该候选问题的句法向量；计算咨询问题的句法向量与该候选问题的句法向量之间的余弦相似度，得到咨询问题与该候选问题的句法相似度。
可选地，所述预处理包括分词得到各词条、将分词后词条长度大于第一阈值的词条作为长切词、为所述长切词进行词性标注、通过隐马尔可夫模型对所述长切词进行命名实体识别从而识别出专有名词、采用TF-IDF算法从所述长切词中提取关键词、采用N-gram语言模型和编辑距离为所述咨询问题进行语句纠错处理。
可选地，所述预处理还包括：将所述咨询问题分词得到的各词条分别与预设的积极词汇库和消极词汇库进行对比，判断所述咨询问题中是否包含积极词汇或消极词汇；将所述目标答案输出之前还包括：若所述咨询问题中仅包含积极词汇，则获取积极词汇对应的预设问候语，将所述积极词汇对应的预设问候语与所述目标答案结合；若所述咨询问题中仅包含消极词汇，则获取消极词汇对应的预设问候语，将所述消极词汇对应的预设问候语与所述目标答案结合；若所述咨询问题中包含积极词汇和消极词汇，或者所述咨询问题中不包含积极词汇和消极词汇，则获取中性词汇对应的预设问候语，将所述中性词汇对应的预设问候语与所述目标答案结合。
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包括智能应答程序，该智能应答程序被处理器执行时，实现如上所述的智能应答方法的任意步骤。
本发明提出的智能应答方法、在获取到咨询问题后，先对所述咨询问题进行预处理，然后为所述问答知识库构建倒排索引，通过倒排索引查询的方式从所述问答知识库中查询出与所述咨询问题相关的候选问题集合，再针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，最后选择计算得到的最高问题相似度对应的候选问题，在问答知识库中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出，可以提高智能应答的准确性和应答效率，节约人力资源，提高服务质量。
附图说明
图1为本发明电子装置较佳实施例的运行环境示意图；
图2为本发明电子装置与客户端较佳实施例的交互示意图；
图3为本发明智能应答方法较佳实施例的流程图；
图4为图1中智能应答程序的程序模块图。
本发明目的的实现、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
下面将参考若干具体实施例来描述本发明的原理和精神。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本领域的技术人员知道，本发明的实施方式可以实现为一种方法、装置、设备、系统或计算机程序产品。因此，本发明可以具体实现为完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
根据本发明的实施例，提出了一种智能应答方法、电子装置及存储介质。
参照图1所示，为本发明电子装置较佳实施例的运行环境示意图。
该电子装置1可以是服务器、便携式计算机、桌上型计算机等具有存储和运算功能的终端设备。
该电子装置1包括存储器11、处理器12、网络接口13及通信总线14。所述网络接口13可选地可以包括标准的有线接口和无线接口(如WI-FI接口)。通信总线14用于实现上述组件之间的连接通信。
存储器11包括至少一种类型的可读存储介质。所述至少一种类型的可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器等的非易失性存储介质。在一些实施例中，所述可读存储介质可以是所述电子装置1的内部存储单元，例如该电子装置1的硬盘。在另一些实施例中，所述可读存储介质也可以是所述电子装置1的外部存储器11，例如所述电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。
在本实施例中，所述存储器11的可读存储介质通常用于存储安装于所述电子装置1的智能应答程序10及问答知识库4等。所述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行智能应答程序10等。
图1仅示出了具有组件11-14以及智能应答程序10的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，该电子装置1还可以包括用户接口，用户接口可以包括输入单元比如键盘(Keyboard)、语音输入装置比如麦克风(microphone)等具有语音识别功能的设备、语音输出装置比如音响、耳机等。可选地，用户接口还可以包括标准的有线接口、无线接口。
可选地，该电子装置1还可以包括显示器，显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)显示器等。显示器用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
可选地，该电子装置1还包括触摸传感器。所述触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外，这里所述的触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且，所述触摸传感器不仅包括接触式的触摸传感器，也可包括接近式的触摸传感器等。此外，所述触摸传感器可以为单个传感器，也可以为例如阵列布置的多个传感器。用户可以通过触摸所述触控区域启动智能应答程序10。
此外，该电子装置1的显示器的面积可以与所述触摸传感器的面积相同，也可以不同。可选地，将显示器与所述触摸传感器层叠设置，以形成触摸显示屏。该装置基于触摸显示屏侦测用户触发的触控操作。
该电子装置1还可以包括射频(Radio Frequency，RF)电路、传感器和音频电路等等，在此不再赘述。
参阅图2所示，为本发明电子装置1与客户端2较佳实施例的交互示意图。所述智能应答程序10运行于电子装置1中，在图2中所述电子装置1的较佳实施例为服务器。所述电子装置1通过网络3与客户端2通信连接。所述客户端2可以运行于各类终端设备中，例如智能手机、便携式计算机等。用户通过客户端2登录至所述电子装置1后，可以向所述智能应答程序10输入咨询问题，智能应答程序10可以采用所述智能应答方法对所述咨询问题进行处理，从而在问答知识库4中找到相应的目标答案，并将所述目标答案通过网络3返回至客户端2。
参阅图3所示，为本发明智能应答方法较佳实施例的流程图。电子装置1的处理器12执行存储器11中存储的智能应答程序10时实现智能应答方法的如下步骤：
步骤S1，获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错。
具体地，所述咨询问题例如可以为“新春大礼包中的办公室款碳晶地热垫是否能快速启动”，则对该咨询问题进行分词处理后，得到的各词条为“新春”、“大礼包”、“中”、“的”、“办公室”、“款”、“碳晶”、“地热垫”、“是否”、“能”、“快速”、“启动”，其中，词条长度较长的词条，例如“大礼包”、“地热垫”等，相较于词条长度较短的词条，例如“中”、“的”等，更能表达所述咨询问题的含义。因此，所述步骤S1可以将分词后词条长度大于第一阈值(例如字符数为4)的词条作为长切词，而仅对所述长切词进行词性标注。以上述咨询问题为例，对长切词进行词性标注的结果例如为“新春大礼包/形容词+名词”、“快速启动/副词+动词”。
步骤S1可以通过隐马尔可夫模型对所述长切词进行命名实体识别，从而识别出咨询问题中具有特定意义的实体专有名词，例如“微软科技集团”。所述实体专有名词例如包括人名、地名、机构名等。此外，步骤S1可以采用TF-IDF(Term frequency–Inversedocument frequency，词频-逆向文件频率)算法从所述长切词中提取关键词。TF-IDF算法的主要思想为如果某个词或短语在一篇文档中出现的频率高，而在其他文档中出现的频率很低，则认为此词或短语具有很好的类别区分能力，可以用作关键词。
步骤S1可以采用N-gram语言模型和编辑距离为所述咨询问题进行语句纠错处理。所述N-gram语言模型可以利用上下文中相邻词间的搭配信息，计算出具有最大概率的语句词语搭配，从而识别出语句中的错误搭配，并提供若干种可能的正确替代搭配的方案。通过编辑距离算法计算各种替代搭配所产生的编辑成本，可以确定并采用编辑成本最小的替代方案，从而实现对所述咨询问题的语句纠错处理。例如“想找菏塘月色这首歌作为背景音乐”，通过所述语音纠错处理，可以识别出其中“菏塘”应该改为“荷塘”。
步骤S2，对问答知识库4中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库4构建倒排索引，通过倒排索引查询的方式从所述问答知识库4中查询出与所述咨询问题相关的候选问题集合，所述问答知识库4包括预先整理的多个问题以及每个问题关联的一个或多个答案。
步骤S2对问答知识库4中的每个问题和答案也进行所述预处理，可以得到所述每个问题和答案分词得到的各词条、词性标注、命名实体、关键词等文本特征信息，根据所述文本特征信息，将所述每个问题和答案映射到预设的倒排记录表中，将具有同一词条的所有问题和答案都映射到该词条上，从而为所述问答知识库4构建所述倒排索引。根据咨询问题经所述预处理后得到的文本特征信息，通过倒排索引查询的方式可以从所述问答知识库中查询与所述咨询问题相关的候选问题集合。所述候选问题集合中包括至少一个候选问题，且由于采用的是倒排索引查询的方式，每个候选问题都与所述咨询问题存在一定程度的联系。
步骤S3，针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中由于咨询问题与候选问题之间通常更侧重于文本、语义之间的相似程度，可以将所述文本相似度和语义相似度的权重设置为均大于所述主题相似度和句法相似度的权重。
其中，所述咨询问题和相应的候选问题之间的文本相似度的计算方法可以包括以下步骤：
统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度。
其中，所述多个指定特征包括：
咨询问题和该候选问题的共同关键词数量a1；
咨询问题和该候选问题的共同关键词长度a2；
咨询问题和该候选问题的共同词条的数量a3；
咨询问题和该候选问题的共同词条的长度a4；
咨询问题的长度a5；
该候选问题的长度a6。
其中，所述对所述多个指定特征进行线性加权计算，可以采用多元逻辑回归模型来实现。具体地，首先采用逆文档率算法计算每个指定特征的权重，所述逆文档率算法的思想是计算每个指定特征在预设大规模语料库中的重要程度，从而确定每个指定特征的权重。对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：
g(z)＝1/(1+ez)，e为自然常数；
z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；
其中，x1、x2...x6分别为所述a1、a2...a6的权重。
此外，所述咨询问题和相应的候选问题之间的语义相似度的计算方法可以为：采用word2vec算法将咨询问题分词后的各词条表示为词向量，将咨询问题中各词向量取平均值得到咨询问题的句子向量；采用word2vec算法将该候选问题分词后的各词条表示为词向量，将该候选问题中各词向量取平均值得到该候选问题的句子向量；计算咨询问题的句子向量与该候选问题的句子向量之间的余弦相似度，得到咨询问题与该候选问题的语义相似度。
所述咨询问题和相应的候选问题之间的主题相似度的计算方法可以为：采用LDA线性判别分析的主题表达法，构建咨询问题的主题向量，以及该候选问题的主题向量；计算咨询问题的主题向量与该候选问题的主题向量之间的余弦相似度，得到咨询问题与该候选问题的主题相似度。
所述咨询问题和相应的候选问题之间的句法相似度的计算方法可以为：采用LTP语言技术平台分析咨询问题和该候选问题的句法，得到咨询问题和该候选问题的句法向量；计算咨询问题的句法向量与该候选问题的句法向量之间的余弦相似度，得到咨询问题与该候选问题的句法相似度。
步骤S3计算所述咨询问题与该候选问题的问题相似度，可以通过将所述咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到。其中，由于咨询问题与候选问题之间通常更侧重于文本、语义之间的相似程度，因此对所述文本相似度、语义相似度、主题相似度和句法相似度进行线性加权时，可以将所述文本相似度和语义相似度的权重设置为均大于所述主题相似度和句法相似度的权重，例如可以将所述文本相似度和语义相似度的权重设置为分别是所述主题相似度和句法相似度的3倍。
步骤S4，选择计算得到的最高问题相似度对应的候选问题，在问答知识库4中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
最高问题相似度对应的候选问题，可以被认为是与咨询问题最相似的候选问题，因此问答知识库4中该最高问题相似度对应的候选问题所关联的答案，可以作为咨询问题对应的答案。若所选择的候选问题包括多个关联答案，则从该多个关联答案中选择一个作为目标答案即可。具体地，可以选择在预设时间段内，例如最近一周内输出频率最高的关联答案作为目标答案。
为了使输出的目标答案更加人性化，给客户更佳的体验，步骤S4在输出所述目标答案之前，还可以先对所述目标答案进行人性化的润饰。具体地，所述步骤S1对所述咨询问题进行的预处理还包括：
将所述咨询问题分词得到的各词条分别与预设的积极词汇库和消极词汇库进行对比，判断所述咨询问题中是否包含积极词汇或消极词汇。所述积极词汇例如“哄老婆开心”，所述消极词汇例如“我要投诉”。
步骤S4对所述目标答案进行人性化的润饰包括：
若所述咨询问题中仅包含积极词汇，则获取积极词汇对应的预设问候语，例如“祝您开心”，将所述积极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中仅包含消极词汇，则获取消极词汇对应的预设问候语，例如“非常抱歉”，将所述消极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中包含积极词汇和消极词汇，或者所述咨询问题中不包含积极词汇和消极词汇，则获取中性词汇对应的预设问候语，例如“感谢支持”，将所述中性词汇对应的预设问候语与所述目标答案结合。
根据本实施例提供的智能应用方法，在获取到咨询问题后，先对所述咨询问题进行预处理，然后为所述问答知识库4构建倒排索引，通过倒排索引查询的方式从所述问答知识库4中查询出与所述咨询问题相关的候选问题集合，再针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，最后选择计算得到的最高问题相似度对应的候选问题，在问答知识库4中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出，可以提高智能应答的准确性和应答效率，节约人力资源，提高服务质量。
参阅图4所示，为图1中智能应答程序10的程序模块图。在本实施例中，智能应答程序10被分割为多个模块，该多个模块被存储于存储器11中，并由处理器12执行，以完成本发明。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。
所述智能应答程序10可以被分割为：获取模块110、构建模块120、计算模块130和选择模块140。
获取模块110，用于获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错。
具体地，获取模块110对所述咨询问题进行预处理可以包括对咨询问题分词得到各词条、将分词后词条长度大于第一阈值的词条作为长切词、为所述长切词进行词性标注、通过隐马尔可夫模型对所述长切词进行命名实体识别从而识别出专有名词、采用TF-IDF算法从所述长切词中提取关键词、采用N-gram语言模型和编辑距离为所述咨询问题进行语句纠错处理。
构建模块120，用于对问答知识库4中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库4构建倒排索引，通过倒排索引查询的方式从所述问答知识库4中查询出与所述咨询问题相关的候选问题集合，所述问答知识库4包括预先整理的多个问题以及每个问题关联的一个或多个答案。
具体地，构建模块120对问答知识库4中的每个问题和答案也进行所述预处理，可以得到所述每个问题和答案分词得到的各词条、词性标注、命名实体、关键词等文本特征信息，根据所述文本特征信息，将所述每个问题和答案映射到预设的倒排记录表中，将具有同一词条的所有问题和答案都映射到该词条上，从而为所述问答知识库4构建所述倒排索引。根据咨询问题经所述预处理后得到的文本特征信息，通过倒排索引查询的方式可以从所述问答知识库中查询与所述咨询问题相关的候选问题集合。
计算模块130，用于针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中所述文本相似度和语义相似度的权重均大于所述主题相似度和句法相似度的权重。
其中，计算模块130可以通过统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度。所述多个指定特征包括：
咨询问题和该候选问题的共同关键词数量a1；
咨询问题和该候选问题的共同关键词长度a2；
咨询问题和该候选问题的共同词条的数量a3；
咨询问题和该候选问题的共同词条的长度a4；
咨询问题的长度a5；
该候选问题的长度a6。
所述对所述多个指定特征进行线性加权计算，可以采用多元逻辑回归模型来实现。具体地，计算模块130可以采用逆文档率算法计算每个指定特征的权重，所述逆文档率算法的思想是计算每个指定特征在预设大规模语料库中的重要程度，从而确定每个指定特征的权重。然后，计算模块130对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：
g(z)＝1/(1+ez)，e为自然常数；
z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；
其中，x1、x2...x6分别为所述a1、a2...a6的权重。
此外，计算模块130对所述咨询问题和相应的候选问题之间的语义相似度的计算方法可以为：采用word2vec算法将咨询问题分词后的各词条表示为词向量，将咨询问题中各词向量取平均值得到咨询问题的句子向量；采用word2vec算法将该候选问题分词后的各词条表示为词向量，将该候选问题中各词向量取平均值得到该候选问题的句子向量；计算咨询问题的句子向量与该候选问题的句子向量之间的余弦相似度，得到咨询问题与该候选问题的语义相似度。
计算模块130对所述咨询问题和相应的候选问题之间的主题相似度的计算方法可以为：采用LDA线性判别分析的主题表达法，构建咨询问题的主题向量，以及该候选问题的主题向量；计算咨询问题的主题向量与该候选问题的主题向量之间的余弦相似度，得到咨询问题与该候选问题的主题相似度。
计算模块130对所述咨询问题和相应的候选问题之间的句法相似度的计算方法可以为：采用LTP语言技术平台分析咨询问题和该候选问题的句法，得到咨询问题和该候选问题的句法向量；计算咨询问题的句法向量与该候选问题的句法向量之间的余弦相似度，得到咨询问题与该候选问题的句法相似度。
计算模块130计算所述咨询问题与该候选问题的问题相似度，可以通过将所述咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到。其中，由于咨询问题与候选问题之间通常更侧重于文本、语义之间的相似程度，因此对所述文本相似度、语义相似度、主题相似度和句法相似度进行线性加权时，可以将所述文本相似度和语义相似度的权重设置为均大于所述主题相似度和句法相似度的权重。
选择模块140，用于选择计算得到的最高问题相似度对应的候选问题，在问答知识库中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
为了使输出的目标答案更加人性化，给客户更佳的体验，选择模块140在输出所述目标答案之前，还可以先对所述目标答案进行人性化的润饰。具体地，首先所述获取模块110对咨询问题进行的预处理还包括：将所述咨询问题分词得到的各词条分别与预设的积极词汇库和消极词汇库进行对比，判断所述咨询问题中是否包含积极词汇或消极词汇。
然后，选择模块140在输出所述目标答案之前，若所述咨询问题中仅包含积极词汇，则选择模块140获取积极词汇对应的预设问候语，将所述积极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中仅包含消极词汇，则选择模块140获取消极词汇对应的预设问候语，将所述消极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中包含积极词汇和消极词汇，或者所述咨询问题中不包含积极词汇和消极词汇，则选择模块140获取中性词汇对应的预设问候语，将所述中性词汇对应的预设问候语与所述目标答案结合。
在图1所示的电子装置1较佳实施例的运行环境示意图中，包含可读存储介质的存储器11中可以包括操作系统、智能应答程序10及问答知识库4。处理器12执行存储器11中存储的智能应答程序10时实现如下步骤：
获取步骤：获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错；
构建步骤：对问答知识库4中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库4构建倒排索引，通过倒排索引查询的方式从所述问答知识库4中查询出与所述咨询问题相关的候选问题集合，所述问答知识库4包括预先整理的多个问题以及每个问题关联的一个或多个答案；
计算步骤：针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中所述文本相似度和语义相似度的权重均大于所述主题相似度和句法相似度的权重；
选择步骤：选择计算得到的最高问题相似度对应的候选问题，在问答知识库4中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
其中，所述预处理包括分词得到各词条、将分词后词条长度大于第一阈值的词条作为长切词、为所述长切词进行词性标注、通过隐马尔可夫模型对所述长切词进行命名实体识别从而识别出专有名词、采用TF-IDF算法从所述长切词中提取关键词、采用N-gram语言模型和编辑距离为所述咨询问题进行语句纠错处理。
其中，所述咨询问题和相应的候选问题之间的文本相似度的计算方法包括：
统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度；
其中，所述多个指定特征包括：
咨询问题和该候选问题的共同关键词数量a1；
咨询问题和该候选问题的共同关键词长度a2；
咨询问题和该候选问题的共同词条的数量a3；
咨询问题和该候选问题的共同词条的长度a4；
咨询问题的长度a5；
该候选问题的长度a6。
所述对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度包括：
采用逆文档率算法计算每个指定特征的权重，对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：
g(z)＝1/(1+ez)，e为自然常数；
z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；
其中，x1、x2...x6分别为所述a1、a2...a6的权重。
此外，所述咨询问题和相应的候选问题之间的语义相似度的计算方法包括：
采用word2vec算法将咨询问题分词后的各词条表示为词向量，将咨询问题中各词向量取平均值得到咨询问题的句子向量；
采用word2vec算法将该候选问题分词后的各词条表示为词向量，将该候选问题中各词向量取平均值得到该候选问题的句子向量；
计算咨询问题的句子向量与该候选问题的句子向量之间的余弦相似度，得到咨询问题与该候选问题的语义相似度；
所述咨询问题和相应的候选问题之间的主题相似度的计算方法包括：
采用LDA线性判别分析的主题表达法，构建咨询问题的主题向量，以及该候选问题的主题向量；
计算咨询问题的主题向量与该候选问题的主题向量之间的余弦相似度，得到咨询问题与该候选问题的主题相似度；
所述咨询问题和相应的候选问题之间的句法相似度的计算方法包括：
采用LTP语言技术平台分析咨询问题和该候选问题的句法，得到咨询问题和该候选问题的句法向量；
计算咨询问题的句法向量与该候选问题的句法向量之间的余弦相似度，得到咨询问题与该候选问题的句法相似度。
在一个实施例中，所述预处理还包括：
将所述咨询问题分词得到的各词条分别与预设的积极词汇库和消极词汇库进行对比，判断所述咨询问题中是否包含积极词汇或消极词汇；
将所述目标答案输出之前还包括：
若所述咨询问题中仅包含积极词汇，则获取积极词汇对应的预设问候语，将所述积极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中仅包含消极词汇，则获取消极词汇对应的预设问候语，将所述消极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中包含积极词汇和消极词汇，或者所述咨询问题中不包含积极词汇和消极词汇，则获取中性词汇对应的预设问候语，将所述中性词汇对应的预设问候语与所述目标答案结合。
具体原理请参照上述图4关于智能应答程序10的程序模块图及图3关于智能应答方法较佳实施例的流程图的介绍。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括所述问答知识库4及智能应答程序10等，所述智能应答程序10被所述处理器12执行时实现如下操作：
获取步骤：获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错；
构建步骤：对问答知识库4中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库4构建倒排索引，通过倒排索引查询的方式从所述问答知识库4中查询出与所述咨询问题相关的候选问题集合，所述问答知识库4包括预先整理的多个问题以及每个问题关联的一个或多个答案；
计算步骤：针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中所述文本相似度和语义相似度的权重均大于所述主题相似度和句法相似度的权重；
选择步骤：选择计算得到的最高问题相似度对应的候选问题，在问答知识库4中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
其中，所述预处理包括分词得到各词条、将分词后词条长度大于第一阈值的词条作为长切词、为所述长切词进行词性标注、通过隐马尔可夫模型对所述长切词进行命名实体识别从而识别出专有名词、采用TF-IDF算法从所述长切词中提取关键词、采用N-gram语言模型和编辑距离为所述咨询问题进行语句纠错处理。
其中，所述咨询问题和相应的候选问题之间的文本相似度的计算方法包括：
统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度；
其中，所述多个指定特征包括：
咨询问题和该候选问题的共同关键词数量a1；
咨询问题和该候选问题的共同关键词长度a2；
咨询问题和该候选问题的共同词条的数量a3；
咨询问题和该候选问题的共同词条的长度a4；
咨询问题的长度a5；
该候选问题的长度a6。
所述对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度包括：
采用逆文档率算法计算每个指定特征的权重，对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：
g(z)＝1/(1+ez)，e为自然常数；
z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；
其中，x1、x2...x6分别为所述a1、a2...a6的权重。
此外，所述咨询问题和相应的候选问题之间的语义相似度的计算方法包括：
采用word2vec算法将咨询问题分词后的各词条表示为词向量，将咨询问题中各词向量取平均值得到咨询问题的句子向量；
采用word2vec算法将该候选问题分词后的各词条表示为词向量，将该候选问题中各词向量取平均值得到该候选问题的句子向量；
计算咨询问题的句子向量与该候选问题的句子向量之间的余弦相似度，得到咨询问题与该候选问题的语义相似度；
所述咨询问题和相应的候选问题之间的主题相似度的计算方法包括：
采用LDA线性判别分析的主题表达法，构建咨询问题的主题向量，以及该候选问题的主题向量；
计算咨询问题的主题向量与该候选问题的主题向量之间的余弦相似度，得到咨询问题与该候选问题的主题相似度；
所述咨询问题和相应的候选问题之间的句法相似度的计算方法包括：
采用LTP语言技术平台分析咨询问题和该候选问题的句法，得到咨询问题和该候选问题的句法向量；
计算咨询问题的句法向量与该候选问题的句法向量之间的余弦相似度，得到咨询问题与该候选问题的句法相似度。
在一个实施例中，所述预处理还包括：
将所述咨询问题分词得到的各词条分别与预设的积极词汇库和消极词汇库进行对比，判断所述咨询问题中是否包含积极词汇或消极词汇；
将所述目标答案输出之前还包括：
若所述咨询问题中仅包含积极词汇，则获取积极词汇对应的预设问候语，将所述积极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中仅包含消极词汇，则获取消极词汇对应的预设问候语，将所述消极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中包含积极词汇和消极词汇，或者所述咨询问题中不包含积极词汇和消极词汇，则获取中性词汇对应的预设问候语，将所述中性词汇对应的预设问候语与所述目标答案结合。
本发明之计算机可读存储介质的具体实施方式与上述智能应答方法以及电子装置1的具体实施方式大致相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种智能应答方法，其特征在于，该方法包括以下步骤：
获取步骤：获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错；
构建步骤：对问答知识库中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库构建倒排索引，通过倒排索引查询的方式从所述问答知识库中查询出与所述咨询问题相关的候选问题集合，所述问答知识库包括预先整理的多个问题以及每个问题关联的一个或多个答案；
计算步骤：针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中所述文本相似度和语义相似度的权重均大于所述主题相似度和句法相似度的权重；
选择步骤：选择计算得到的最高问题相似度对应的候选问题，在问答知识库中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
2.如权利要求1所述的智能应答方法，其特征在于，所述咨询问题和相应的候选问题之间的文本相似度的计算方法包括：
统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度；
其中，所述多个指定特征包括：
咨询问题和该候选问题的共同关键词数量a1；
咨询问题和该候选问题的共同关键词长度a2；
咨询问题和该候选问题的共同词条的数量a3；
咨询问题和该候选问题的共同词条的长度a4；
咨询问题的长度a5；
该候选问题的长度a6。
3.如权利要求2所述的智能应答方法，其特征在于，所述对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度包括：
采用逆文档率算法计算每个指定特征的权重，对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：
g(z)＝1/(1+ez)，e为自然常数；
z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；
其中，x1、x2...x6分别为所述a1、a2...a6的权重。
4.如权利要求1所述的智能应答方法，其特征在于，所述咨询问题和相应的候选问题之间的语义相似度的计算方法包括：
采用word2vec算法将咨询问题分词后的各词条表示为词向量，将咨询问题中各词向量取平均值得到咨询问题的句子向量；
采用word2vec算法将该候选问题分词后的各词条表示为词向量，将该候选问题中各词向量取平均值得到该候选问题的句子向量；
计算咨询问题的句子向量与该候选问题的句子向量之间的余弦相似度，得到咨询问题与该候选问题的语义相似度；
所述咨询问题和相应的候选问题之间的主题相似度的计算方法包括：
采用LDA线性判别分析的主题表达法，构建咨询问题的主题向量，以及该候选问题的主题向量；
计算咨询问题的主题向量与该候选问题的主题向量之间的余弦相似度，得到咨询问题与该候选问题的主题相似度；
所述咨询问题和相应的候选问题之间的句法相似度的计算方法包括：
采用LTP语言技术平台分析咨询问题和该候选问题的句法，得到咨询问题和该候选问题的句法向量；
计算咨询问题的句法向量与该候选问题的句法向量之间的余弦相似度，得到咨询问题与该候选问题的句法相似度。
5.如权利要求1所述的智能应答方法，其特征在于，所述预处理包括分词得到各词条、将分词后词条长度大于第一阈值的词条作为长切词、为所述长切词进行词性标注、通过隐马尔可夫模型对所述长切词进行命名实体识别从而识别出专有名词、采用TF-IDF算法从所述长切词中提取关键词、采用N-gram语言模型和编辑距离为所述咨询问题进行语句纠错处理。
6.如权利要求1所述的智能应答方法，其特征在于，所述预处理还包括：
将所述咨询问题分词得到的各词条分别与预设的积极词汇库和消极词汇库进行对比，判断所述咨询问题中是否包含积极词汇或消极词汇；
将所述目标答案输出之前还包括：
若所述咨询问题中仅包含积极词汇，则获取积极词汇对应的预设问候语，将所述积极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中仅包含消极词汇，则获取消极词汇对应的预设问候语，将所述消极词汇对应的预设问候语与所述目标答案结合；
若所述咨询问题中包含积极词汇和消极词汇，或者所述咨询问题中不包含积极词汇和消极词汇，则获取中性词汇对应的预设问候语，将所述中性词汇对应的预设问候语与所述目标答案结合。
7.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中包括智能应答程序，该智能应答程序被所述处理器执行时实现如下步骤：
获取步骤：获取输入的咨询问题，对所述咨询问题进行预处理，所述预处理包括分词得到各词条、对每个词条进行词性标注和命名实体识别、从各词条中提取关键词，以及对所述咨询问题进行语句纠错；
构建步骤：对问答知识库中的每个问题和答案进行所述预处理，将经所述预处理后的每个问题和答案映射到倒排记录表中，从而为所述问答知识库构建倒排索引，通过倒排索引查询的方式从所述问答知识库中查询出与所述咨询问题相关的候选问题集合，所述问答知识库包括预先整理的多个问题以及每个问题关联的一个或多个答案；
计算步骤：针对所述候选问题集合中的每个候选问题，分别计算所述咨询问题与该候选问题的问题相似度，所述问题相似度由咨询问题和相应的候选问题之间的文本相似度、语义相似度、主题相似度和句法相似度经线性加权得到，其中所述文本相似度和语义相似度的权重均大于所述主题相似度和句法相似度的权重；
选择步骤：选择计算得到的最高问题相似度对应的候选问题，在问答知识库中查询所选择候选问题的一个或多个关联答案，将所述一个或多个关联答案中在预设时间段内输出频率最高的关联答案作为目标答案输出。
8.如权利要求7所述的电子装置，其特征在于，所述咨询问题和相应的候选问题之间的文本相似度的计算方法包括：
统计所述咨询问题与该候选问题之间的多个指定特征，对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度；
其中，所述多个指定特征包括：
咨询问题和该候选问题的共同关键词数量a1；
咨询问题和该候选问题的共同关键词长度a2；
咨询问题和该候选问题的共同词条的数量a3；
咨询问题和该候选问题的共同词条的长度a4；
咨询问题的长度a5；
该候选问题的长度a6。
9.如权利要求7所述的电子装置，其特征在于，所述对所述多个指定特征进行线性加权计算，得到咨询问题和相应的候选问题之间的文本相似度包括：
采用逆文档率算法计算每个指定特征的权重，对所述多个指定特征采用多元逻辑回归模型进行加权回归拟合计算，得到咨询问题与该候选问题的文本相似度g(z)，公式如下：
g(z)＝1/(1+ez)，e为自然常数；
z＝a1*x1+a2*x2+a3*x3+a4*x4+a5*x5+a6*x6；
其中，x1、x2...x6分别为所述a1、a2...a6的权重。
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中包括智能应答程序，所述智能应答程序被处理器执行时，实现如权利要求1至6中任一项所述的智能应答方法的步骤。
CN201810134579.9A 2018-02-09 2018-02-09 智能应答方法、电子装置及存储介质 Pending CN108345672A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810134579.9A CN108345672A (zh) 2018-02-09 2018-02-09 智能应答方法、电子装置及存储介质
PCT/CN2018/089882 WO2019153607A1 (zh) 2018-02-09 2018-06-05 智能应答方法、电子装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810134579.9A CN108345672A (zh) 2018-02-09 2018-02-09 智能应答方法、电子装置及存储介质

Publications (1)

Publication Number Publication Date
CN108345672A true CN108345672A (zh) 2018-07-31

Family

ID=62959188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810134579.9A Pending CN108345672A (zh) 2018-02-09 2018-02-09 智能应答方法、电子装置及存储介质

Country Status (2)

Country Link
CN (1) CN108345672A (zh)
WO (1) WO2019153607A1 (zh)

Cited By (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033156A (zh) * 2018-06-13 2018-12-18 腾讯科技（深圳）有限公司 一种信息处理方法、装置及终端
CN109040481A (zh) * 2018-08-09 2018-12-18 武汉优品楚鼎科技有限公司 证券领域的自动纠错智能电话问询方法、系统及装置
CN109271524A (zh) * 2018-08-02 2019-01-25 中国科学院计算技术研究所 知识库问答系统中的实体链接方法
CN109522394A (zh) * 2018-10-12 2019-03-26 北京奔影网络科技有限公司 知识库问答装置及建立方法
CN109657232A (zh) * 2018-11-16 2019-04-19 北京九狐时代智能科技有限公司 一种意图识别方法
CN109670029A (zh) * 2018-12-28 2019-04-23 百度在线网络技术（北京）有限公司 用于确定问题答案的方法、装置、计算机设备及存储介质
CN109710749A (zh) * 2019-01-22 2019-05-03 深圳追一科技有限公司 一种客服辅助装置及方法
CN109800284A (zh) * 2018-12-19 2019-05-24 中国电子科技集团公司第二十八研究所 一种面向任务的非结构化信息智能问答系统构建方法
CN109857850A (zh) * 2019-01-18 2019-06-07 深圳壹账通智能科技有限公司 咨询请求处理方法、装置、计算机设备及存储介质
CN109857841A (zh) * 2018-12-05 2019-06-07 厦门快商通信息技术有限公司 一种faq问句文本相似度计算方法及系统
CN109885657A (zh) * 2019-02-18 2019-06-14 武汉瓯越网视有限公司 一种文本相似度的计算方法、装置及存储介质
CN109902163A (zh) * 2019-02-28 2019-06-18 百度在线网络技术（北京）有限公司 一种智能应答方法、装置、设备及存储介质
CN109920415A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 基于语音识别的人机问答方法、装置、设备和存储介质
CN110096567A (zh) * 2019-03-14 2019-08-06 中国科学院自动化研究所 基于qa知识库推理的多轮对话回复选择方法、系统
CN110134777A (zh) * 2019-05-29 2019-08-16 三角兽（北京）科技有限公司 问题去重方法、装置、电子设备和计算机可读存储介质
CN110543544A (zh) * 2019-09-04 2019-12-06 北京羽扇智信息科技有限公司 文本处理方法、存储介质和电子设备
CN110543553A (zh) * 2019-07-31 2019-12-06 平安科技（深圳）有限公司 问题生成方法、装置、计算机设备及存储介质
CN110582761A (zh) * 2018-10-24 2019-12-17 阿里巴巴集团控股有限公司 基于点击图上向量传播模型的智能客户服务
CN110619038A (zh) * 2019-09-20 2019-12-27 上海氦豚机器人科技有限公司 一种垂直引导专业咨询的方法、系统及电子设备
CN110795942A (zh) * 2019-09-18 2020-02-14 平安科技（深圳）有限公司 基于语义识别的关键词确定方法、装置和存储介质
CN110825859A (zh) * 2019-10-21 2020-02-21 拉扎斯网络科技（上海）有限公司 检索方法、装置、可读存储介质和电子设备
CN110837586A (zh) * 2018-08-15 2020-02-25 阿里巴巴集团控股有限公司 问答匹配方法、系统、服务器及存储介质
CN110867255A (zh) * 2019-10-24 2020-03-06 开望(杭州)科技有限公司 一种智能母婴知识服务方法及系统
CN110990528A (zh) * 2019-11-27 2020-04-10 出门问问(苏州)信息科技有限公司 一种问答方法、装置及电子设备
CN110990538A (zh) * 2019-12-20 2020-04-10 深圳前海黑顿科技有限公司 基于句级深度学习语言模型的语义模糊搜索的方法
CN111046147A (zh) * 2018-10-11 2020-04-21 马上消费金融股份有限公司 一种问答方法、装置及终端设备
CN111241848A (zh) * 2020-01-15 2020-06-05 江苏联著实业股份有限公司 一种基于机器学习的文章阅读理解答案检索系统及装置
CN111259647A (zh) * 2020-01-16 2020-06-09 泰康保险集团股份有限公司 基于人工智能的问答文本匹配方法、装置、介质及电子设备
CN111353290A (zh) * 2020-02-28 2020-06-30 支付宝(杭州)信息技术有限公司 一种自动响应用户询问的方法和系统
CN111382256A (zh) * 2020-03-20 2020-07-07 北京百度网讯科技有限公司 信息推荐方法及装置
CN111382255A (zh) * 2020-03-17 2020-07-07 北京百度网讯科技有限公司 用于问答处理的方法、装置、设备和介质
CN111400493A (zh) * 2020-03-06 2020-07-10 中国平安人寿保险股份有限公司 基于槽位相似度的文本匹配方法、装置、设备及存储介质
CN111460081A (zh) * 2020-03-30 2020-07-28 招商局金融科技有限公司 基于深度学习的答案生成方法、电子装置及可读存储介质
CN111488448A (zh) * 2020-05-27 2020-08-04 支付宝(杭州)信息技术有限公司 一种机器阅读标注数据的生成方法和装置
CN111553140A (zh) * 2020-05-13 2020-08-18 金蝶软件（中国）有限公司 数据处理方法、数据处理设备及计算机存储介质
CN111782762A (zh) * 2020-05-12 2020-10-16 北京三快在线科技有限公司 问答应用中相似问题确定方法、装置、电子设备
CN111782759A (zh) * 2020-06-29 2020-10-16 数网金融有限公司 一种问答处理方法、装置及计算机可读存储介质
CN111797214A (zh) * 2020-06-24 2020-10-20 深圳壹账通智能科技有限公司 基于faq数据库的问题筛选方法、装置、计算机设备及介质
CN111831800A (zh) * 2019-08-13 2020-10-27 北京嘀嘀无限科技发展有限公司 问答交互方法、装置、设备及存储介质
CN111861201A (zh) * 2020-07-17 2020-10-30 南京汇宁桀信息科技有限公司 一种基于大数据分类算法的政务智能派单的方法
CN111881672A (zh) * 2020-06-18 2020-11-03 升智信息科技(南京)有限公司 一种意图识别的方法
CN111949755A (zh) * 2020-07-01 2020-11-17 新疆中顺鑫和供应链管理股份有限公司 危化品的信息查询方法、装置、电子设备和介质
CN111984774A (zh) * 2020-08-11 2020-11-24 北京百度网讯科技有限公司 搜索方法、装置、设备以及存储介质
CN112287091A (zh) * 2020-11-30 2021-01-29 珠海采筑电子商务有限公司 智能问答方法及相关产品
WO2021017612A1 (zh) * 2019-07-30 2021-02-04 平安科技（深圳）有限公司 基于语音分析的问答方法、装置、设备及存储介质
CN112445904A (zh) * 2020-12-15 2021-03-05 税友软件集团股份有限公司 一种知识检索方法、装置、设备及计算机可读存储介质
CN112527995A (zh) * 2020-12-18 2021-03-19 平安银行股份有限公司 问题反馈处理方法、装置、设备及可读存储介质
WO2021051521A1 (zh) * 2019-09-18 2021-03-25 平安科技（深圳）有限公司 获取应答信息的方法、装置、计算机设备及存储介质
WO2021051508A1 (zh) * 2019-09-18 2021-03-25 平安科技（深圳）有限公司 机器人对话生成方法、装置、可读存储介质及机器人
CN112667809A (zh) * 2020-12-25 2021-04-16 平安科技（深圳）有限公司 一种文本处理方法、装置及电子设备、存储介质
CN112906402A (zh) * 2021-03-24 2021-06-04 平安科技（深圳）有限公司 音乐应答数据的生成方法、装置、设备及存储介质
CN112906377A (zh) * 2021-03-25 2021-06-04 平安科技（深圳）有限公司 基于实体限制的问答方法、装置、电子设备及存储介质
CN112905764A (zh) * 2021-02-07 2021-06-04 深圳万海思数字医疗有限公司 流行病咨询防治与培训系统构建方法及系统
CN112948553A (zh) * 2021-02-26 2021-06-11 平安国际智慧城市科技股份有限公司 法律智能问答方法、装置、电子设备及存储介质
CN112992367A (zh) * 2021-03-23 2021-06-18 崔剑虹 基于大数据的智慧医疗交互方法及智慧医疗云计算系统
CN113051390A (zh) * 2019-12-26 2021-06-29 百度在线网络技术（北京）有限公司 知识库构建方法、装置、电子设备和介质
CN113076423A (zh) * 2021-04-22 2021-07-06 支付宝(杭州)信息技术有限公司 数据处理方法及装置、数据查询方法及装置
CN113076412A (zh) * 2021-04-27 2021-07-06 中国建设银行股份有限公司深圳市分行 一种构建知识库的方法及系统
CN113095061A (zh) * 2021-03-31 2021-07-09 京华信息科技股份有限公司 一种公文头抽取方法、系统、装置及存储介质
CN113268572A (zh) * 2020-02-14 2021-08-17 华为技术有限公司 问答方法及装置
CN113342924A (zh) * 2021-07-05 2021-09-03 北京读我网络技术有限公司 答案检索方法及装置、存储介质及电子设备
CN113342958A (zh) * 2021-07-02 2021-09-03 马上消费金融股份有限公司 问答匹配方法、文本匹配模型的训练方法和相关设备
CN113590789A (zh) * 2021-07-30 2021-11-02 北京壹心壹翼科技有限公司 应用于智能问答系统的问题检索方法、装置、设备及介质
CN113742469A (zh) * 2021-09-03 2021-12-03 科讯嘉联信息技术有限公司 基于Pipeline处理和ES储存问答系统构建方法
CN113779973A (zh) * 2020-06-09 2021-12-10 杭州晨熹多媒体科技有限公司 一种文本数据处理方法及其装置
CN115017289A (zh) * 2022-06-28 2022-09-06 中国工商银行股份有限公司 一种基于知识库的对客服务方法及装置
CN115510203A (zh) * 2022-09-27 2022-12-23 北京百度网讯科技有限公司 问题答案确定方法、装置、设备、存储介质及程序产品
CN118551025A (zh) * 2024-07-30 2024-08-27 北京熵简科技有限公司 一种用于金融大模型的智能问答方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101286161A (zh) * 2008-05-28 2008-10-15 华中科技大学 一种基于概念的智能中文问答系统
US20090030897A1 (en) * 2007-07-26 2009-01-29 Hamid Hatami-Hanza Assissted Knowledge Discovery and Publication System and Method
US20100125594A1 (en) * 2008-11-14 2010-05-20 The Regents Of The University Of California Method and Apparatus for Improving Performance of Approximate String Queries Using Variable Length High-Quality Grams
CN102866990A (zh) * 2012-08-20 2013-01-09 北京搜狗信息服务有限公司 一种主题对话方法和装置
CN103425635A (zh) * 2012-05-15 2013-12-04 北京百度网讯科技有限公司 一种答案推荐方法和装置
CN104636334A (zh) * 2013-11-06 2015-05-20 阿里巴巴集团控股有限公司 一种关键词推荐方法和装置
CN107273350A (zh) * 2017-05-16 2017-10-20 广东电网有限责任公司江门供电局 一种实现智能问答的信息处理方法及其装置
CN107436864A (zh) * 2017-08-04 2017-12-05 逸途（北京）科技有限公司 一种基于Word2Vec的中文问答语义相似度计算方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090030897A1 (en) * 2007-07-26 2009-01-29 Hamid Hatami-Hanza Assissted Knowledge Discovery and Publication System and Method
CN101286161A (zh) * 2008-05-28 2008-10-15 华中科技大学 一种基于概念的智能中文问答系统
US20100125594A1 (en) * 2008-11-14 2010-05-20 The Regents Of The University Of California Method and Apparatus for Improving Performance of Approximate String Queries Using Variable Length High-Quality Grams
CN103425635A (zh) * 2012-05-15 2013-12-04 北京百度网讯科技有限公司 一种答案推荐方法和装置
CN102866990A (zh) * 2012-08-20 2013-01-09 北京搜狗信息服务有限公司 一种主题对话方法和装置
CN104636334A (zh) * 2013-11-06 2015-05-20 阿里巴巴集团控股有限公司 一种关键词推荐方法和装置
CN107273350A (zh) * 2017-05-16 2017-10-20 广东电网有限责任公司江门供电局 一种实现智能问答的信息处理方法及其装置
CN107436864A (zh) * 2017-08-04 2017-12-05 逸途（北京）科技有限公司 一种基于Word2Vec的中文问答语义相似度计算方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
尹宝生: "《译文质量自动评测技术》", 31 July 2016, 辽宁科学技术出版社 *
张凌云 等: "《智慧旅游理论与实践》", 31 December 2017, 南开大学出版社 *
郑铁男 等: "《数字编辑实训教程》", 30 September 2017, 知识产权出版社 *
阚明刚 等: "《话语标记概貌分析与情感倾向探索》", 31 March 2017, 吉林文史出版社 *
陈枝楠: "《供港食品全程溯源与实时监控关键技术及其应用》", 31 January 2017, 中国科学技术大学出版社 *

Cited By (94)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033156A (zh) * 2018-06-13 2018-12-18 腾讯科技（深圳）有限公司 一种信息处理方法、装置及终端
CN109271524A (zh) * 2018-08-02 2019-01-25 中国科学院计算技术研究所 知识库问答系统中的实体链接方法
CN109271524B (zh) * 2018-08-02 2021-10-15 中国科学院计算技术研究所 知识库问答系统中的实体链接方法
CN109040481A (zh) * 2018-08-09 2018-12-18 武汉优品楚鼎科技有限公司 证券领域的自动纠错智能电话问询方法、系统及装置
CN110837586B (zh) * 2018-08-15 2023-05-26 阿里巴巴集团控股有限公司 问答匹配方法、系统、服务器及存储介质
CN110837586A (zh) * 2018-08-15 2020-02-25 阿里巴巴集团控股有限公司 问答匹配方法、系统、服务器及存储介质
CN111046147A (zh) * 2018-10-11 2020-04-21 马上消费金融股份有限公司 一种问答方法、装置及终端设备
CN109522394A (zh) * 2018-10-12 2019-03-26 北京奔影网络科技有限公司 知识库问答装置及建立方法
CN110582761A (zh) * 2018-10-24 2019-12-17 阿里巴巴集团控股有限公司 基于点击图上向量传播模型的智能客户服务
CN110582761B (zh) * 2018-10-24 2023-05-30 创新先进技术有限公司 基于点击图上向量传播模型的智能客户服务
CN109657232A (zh) * 2018-11-16 2019-04-19 北京九狐时代智能科技有限公司 一种意图识别方法
CN109857841A (zh) * 2018-12-05 2019-06-07 厦门快商通信息技术有限公司 一种faq问句文本相似度计算方法及系统
CN109800284A (zh) * 2018-12-19 2019-05-24 中国电子科技集团公司第二十八研究所 一种面向任务的非结构化信息智能问答系统构建方法
CN109800284B (zh) * 2018-12-19 2021-02-05 中国电子科技集团公司第二十八研究所 一种面向任务的非结构化信息智能问答系统构建方法
CN109670029A (zh) * 2018-12-28 2019-04-23 百度在线网络技术（北京）有限公司 用于确定问题答案的方法、装置、计算机设备及存储介质
CN109670029B (zh) * 2018-12-28 2021-09-07 百度在线网络技术（北京）有限公司 用于确定问题答案的方法、装置、计算机设备及存储介质
CN109920415A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 基于语音识别的人机问答方法、装置、设备和存储介质
CN109857850A (zh) * 2019-01-18 2019-06-07 深圳壹账通智能科技有限公司 咨询请求处理方法、装置、计算机设备及存储介质
CN109710749A (zh) * 2019-01-22 2019-05-03 深圳追一科技有限公司 一种客服辅助装置及方法
CN109885657A (zh) * 2019-02-18 2019-06-14 武汉瓯越网视有限公司 一种文本相似度的计算方法、装置及存储介质
CN109902163B (zh) * 2019-02-28 2022-03-01 百度在线网络技术（北京）有限公司 一种智能应答方法、装置、设备及存储介质
CN109902163A (zh) * 2019-02-28 2019-06-18 百度在线网络技术（北京）有限公司 一种智能应答方法、装置、设备及存储介质
CN110096567A (zh) * 2019-03-14 2019-08-06 中国科学院自动化研究所 基于qa知识库推理的多轮对话回复选择方法、系统
CN110134777A (zh) * 2019-05-29 2019-08-16 三角兽（北京）科技有限公司 问题去重方法、装置、电子设备和计算机可读存储介质
WO2021017612A1 (zh) * 2019-07-30 2021-02-04 平安科技（深圳）有限公司 基于语音分析的问答方法、装置、设备及存储介质
CN110543553B (zh) * 2019-07-31 2024-06-14 平安科技（深圳）有限公司 问题生成方法、装置、计算机设备及存储介质
CN110543553A (zh) * 2019-07-31 2019-12-06 平安科技（深圳）有限公司 问题生成方法、装置、计算机设备及存储介质
CN111831800A (zh) * 2019-08-13 2020-10-27 北京嘀嘀无限科技发展有限公司 问答交互方法、装置、设备及存储介质
CN110543544A (zh) * 2019-09-04 2019-12-06 北京羽扇智信息科技有限公司 文本处理方法、存储介质和电子设备
CN110795942B (zh) * 2019-09-18 2022-10-14 平安科技（深圳）有限公司 基于语义识别的关键词确定方法、装置和存储介质
CN110795942A (zh) * 2019-09-18 2020-02-14 平安科技（深圳）有限公司 基于语义识别的关键词确定方法、装置和存储介质
WO2021051508A1 (zh) * 2019-09-18 2021-03-25 平安科技（深圳）有限公司 机器人对话生成方法、装置、可读存储介质及机器人
WO2021051521A1 (zh) * 2019-09-18 2021-03-25 平安科技（深圳）有限公司 获取应答信息的方法、装置、计算机设备及存储介质
CN110619038A (zh) * 2019-09-20 2019-12-27 上海氦豚机器人科技有限公司 一种垂直引导专业咨询的方法、系统及电子设备
CN110825859A (zh) * 2019-10-21 2020-02-21 拉扎斯网络科技（上海）有限公司 检索方法、装置、可读存储介质和电子设备
CN110867255A (zh) * 2019-10-24 2020-03-06 开望(杭州)科技有限公司 一种智能母婴知识服务方法及系统
CN110990528A (zh) * 2019-11-27 2020-04-10 出门问问(苏州)信息科技有限公司 一种问答方法、装置及电子设备
CN110990538A (zh) * 2019-12-20 2020-04-10 深圳前海黑顿科技有限公司 基于句级深度学习语言模型的语义模糊搜索的方法
CN110990538B (zh) * 2019-12-20 2022-04-01 深圳前海黑顿科技有限公司 基于句级深度学习语言模型的语义模糊搜索的方法
CN113051390B (zh) * 2019-12-26 2023-09-26 百度在线网络技术（北京）有限公司 知识库构建方法、装置、电子设备和介质
CN113051390A (zh) * 2019-12-26 2021-06-29 百度在线网络技术（北京）有限公司 知识库构建方法、装置、电子设备和介质
CN111241848B (zh) * 2020-01-15 2020-12-01 江苏联著实业股份有限公司 一种基于机器学习的文章阅读理解答案检索方法及装置
CN111241848A (zh) * 2020-01-15 2020-06-05 江苏联著实业股份有限公司 一种基于机器学习的文章阅读理解答案检索系统及装置
CN111259647A (zh) * 2020-01-16 2020-06-09 泰康保险集团股份有限公司 基于人工智能的问答文本匹配方法、装置、介质及电子设备
CN113268572A (zh) * 2020-02-14 2021-08-17 华为技术有限公司 问答方法及装置
CN111353290A (zh) * 2020-02-28 2020-06-30 支付宝(杭州)信息技术有限公司 一种自动响应用户询问的方法和系统
CN111353290B (zh) * 2020-02-28 2023-07-14 支付宝(杭州)信息技术有限公司 一种自动响应用户询问的方法和系统
CN111400493A (zh) * 2020-03-06 2020-07-10 中国平安人寿保险股份有限公司 基于槽位相似度的文本匹配方法、装置、设备及存储介质
CN111382255A (zh) * 2020-03-17 2020-07-07 北京百度网讯科技有限公司 用于问答处理的方法、装置、设备和介质
CN111382256A (zh) * 2020-03-20 2020-07-07 北京百度网讯科技有限公司 信息推荐方法及装置
CN111382256B (zh) * 2020-03-20 2024-04-09 北京百度网讯科技有限公司 信息推荐方法及装置
CN111460081B (zh) * 2020-03-30 2023-04-07 招商局金融科技有限公司 基于深度学习的答案生成方法、电子装置及可读存储介质
CN111460081A (zh) * 2020-03-30 2020-07-28 招商局金融科技有限公司 基于深度学习的答案生成方法、电子装置及可读存储介质
CN111782762A (zh) * 2020-05-12 2020-10-16 北京三快在线科技有限公司 问答应用中相似问题确定方法、装置、电子设备
CN111553140A (zh) * 2020-05-13 2020-08-18 金蝶软件（中国）有限公司 数据处理方法、数据处理设备及计算机存储介质
CN111553140B (zh) * 2020-05-13 2024-03-19 金蝶软件（中国）有限公司 数据处理方法、数据处理设备及计算机存储介质
CN111488448B (zh) * 2020-05-27 2023-06-20 支付宝(杭州)信息技术有限公司 一种机器阅读标注数据的生成方法和装置
CN111488448A (zh) * 2020-05-27 2020-08-04 支付宝(杭州)信息技术有限公司 一种机器阅读标注数据的生成方法和装置
CN113779973B (zh) * 2020-06-09 2025-01-21 杭州淘票票影视文化有限公司 一种文本数据处理方法及其装置
CN113779973A (zh) * 2020-06-09 2021-12-10 杭州晨熹多媒体科技有限公司 一种文本数据处理方法及其装置
CN111881672A (zh) * 2020-06-18 2020-11-03 升智信息科技(南京)有限公司 一种意图识别的方法
CN111797214A (zh) * 2020-06-24 2020-10-20 深圳壹账通智能科技有限公司 基于faq数据库的问题筛选方法、装置、计算机设备及介质
CN111782759A (zh) * 2020-06-29 2020-10-16 数网金融有限公司 一种问答处理方法、装置及计算机可读存储介质
CN111782759B (zh) * 2020-06-29 2024-04-19 数网金融有限公司 一种问答处理方法、装置及计算机可读存储介质
CN111949755A (zh) * 2020-07-01 2020-11-17 新疆中顺鑫和供应链管理股份有限公司 危化品的信息查询方法、装置、电子设备和介质
CN111949755B (zh) * 2020-07-01 2023-09-22 新疆中顺鑫和供应链管理股份有限公司 危化品的信息查询方法、装置、电子设备和介质
CN111861201A (zh) * 2020-07-17 2020-10-30 南京汇宁桀信息科技有限公司 一种基于大数据分类算法的政务智能派单的方法
CN111984774B (zh) * 2020-08-11 2024-02-27 北京百度网讯科技有限公司 搜索方法、装置、设备以及存储介质
CN111984774A (zh) * 2020-08-11 2020-11-24 北京百度网讯科技有限公司 搜索方法、装置、设备以及存储介质
CN112287091A (zh) * 2020-11-30 2021-01-29 珠海采筑电子商务有限公司 智能问答方法及相关产品
CN112445904A (zh) * 2020-12-15 2021-03-05 税友软件集团股份有限公司 一种知识检索方法、装置、设备及计算机可读存储介质
CN112527995A (zh) * 2020-12-18 2021-03-19 平安银行股份有限公司 问题反馈处理方法、装置、设备及可读存储介质
CN112667809A (zh) * 2020-12-25 2021-04-16 平安科技（深圳）有限公司 一种文本处理方法、装置及电子设备、存储介质
CN112905764A (zh) * 2021-02-07 2021-06-04 深圳万海思数字医疗有限公司 流行病咨询防治与培训系统构建方法及系统
CN112948553A (zh) * 2021-02-26 2021-06-11 平安国际智慧城市科技股份有限公司 法律智能问答方法、装置、电子设备及存储介质
CN112948553B (zh) * 2021-02-26 2023-06-20 平安国际智慧城市科技股份有限公司 法律智能问答方法、装置、电子设备及存储介质
CN112992367A (zh) * 2021-03-23 2021-06-18 崔剑虹 基于大数据的智慧医疗交互方法及智慧医疗云计算系统
CN112906402B (zh) * 2021-03-24 2024-02-27 平安科技（深圳）有限公司 音乐应答数据的生成方法、装置、设备及存储介质
CN112906402A (zh) * 2021-03-24 2021-06-04 平安科技（深圳）有限公司 音乐应答数据的生成方法、装置、设备及存储介质
CN112906377A (zh) * 2021-03-25 2021-06-04 平安科技（深圳）有限公司 基于实体限制的问答方法、装置、电子设备及存储介质
CN113095061A (zh) * 2021-03-31 2021-07-09 京华信息科技股份有限公司 一种公文头抽取方法、系统、装置及存储介质
CN113095061B (zh) * 2021-03-31 2023-08-29 京华信息科技股份有限公司 一种公文头抽取方法、系统、装置及存储介质
CN113076423A (zh) * 2021-04-22 2021-07-06 支付宝(杭州)信息技术有限公司 数据处理方法及装置、数据查询方法及装置
CN113076412A (zh) * 2021-04-27 2021-07-06 中国建设银行股份有限公司深圳市分行 一种构建知识库的方法及系统
CN113342958A (zh) * 2021-07-02 2021-09-03 马上消费金融股份有限公司 问答匹配方法、文本匹配模型的训练方法和相关设备
CN113342924A (zh) * 2021-07-05 2021-09-03 北京读我网络技术有限公司 答案检索方法及装置、存储介质及电子设备
CN113590789A (zh) * 2021-07-30 2021-11-02 北京壹心壹翼科技有限公司 应用于智能问答系统的问题检索方法、装置、设备及介质
CN113742469B (zh) * 2021-09-03 2023-12-15 科讯嘉联信息技术有限公司 基于Pipeline处理和ES储存问答系统构建方法
CN113742469A (zh) * 2021-09-03 2021-12-03 科讯嘉联信息技术有限公司 基于Pipeline处理和ES储存问答系统构建方法
CN115017289A (zh) * 2022-06-28 2022-09-06 中国工商银行股份有限公司 一种基于知识库的对客服务方法及装置
CN115510203B (zh) * 2022-09-27 2023-09-22 北京百度网讯科技有限公司 问题答案确定方法、装置、设备、存储介质及程序产品
CN115510203A (zh) * 2022-09-27 2022-12-23 北京百度网讯科技有限公司 问题答案确定方法、装置、设备、存储介质及程序产品
CN118551025A (zh) * 2024-07-30 2024-08-27 北京熵简科技有限公司 一种用于金融大模型的智能问答方法及系统
CN118551025B (zh) * 2024-07-30 2024-11-26 北京熵简科技有限公司 一种用于金融大模型的智能问答方法及系统

Also Published As

Publication number Publication date
WO2019153607A1 (zh) 2019-08-15

Similar Documents

Publication Publication Date Title
CN108345672A (zh) 智能应答方法、电子装置及存储介质
CN108491433A (zh) 聊天应答方法、电子装置及存储介质
CN113205817B (zh) 语音语义识别方法、系统、设备及介质
CN111783471B (zh) 自然语言的语义识别方法、装置、设备及存储介质
CN111062217B (zh) 语言信息的处理方法、装置、存储介质及电子设备
CN108427722A (zh) 智能交互方法、电子装置及存储介质
CN112084334B (zh) 语料的标签分类方法、装置、计算机设备及存储介质
CN112487149A (zh) 一种文本审核方法、模型、设备及存储介质
CN109271493A (zh) 一种语言文本处理方法、装置和存储介质
CN104142909A (zh) 一种汉字注音方法及装置
CN111611355A (zh) 一种对话回复方法、装置、服务器及存储介质
CN113947095B (zh) 多语种文本翻译方法、装置、计算机设备及存储介质
CN110414004A (zh) 一种核心信息提取的方法和系统
CN112949320B (zh) 基于条件随机场的序列标注方法、装置、设备及介质
CN110851650B (zh) 一种评论输出方法、装置、以及计算机存储介质
CN112579733A (zh) 规则匹配方法、规则匹配装置、存储介质及电子设备
CN112699686A (zh) 基于任务型对话系统的语义理解方法、装置、设备及介质
CN111783424A (zh) 一种文本分句方法和装置
CN113626576A (zh) 远程监督中关系特征抽取方法、装置、终端及存储介质
CN117786066B (zh) 一种面向文档的知识问答方法、装置、设备及介质
CN114218356B (zh) 基于人工智能的语义识别方法、装置、设备及存储介质
US11663251B2 (en) Question answering approach to semantic parsing of mathematical formulas
CN112364649B (zh) 命名实体的识别方法、装置、计算机设备及存储介质
CN115238077A (zh) 基于人工智能的文本分析方法、装置、设备及存储介质
CN113505293A (zh) 信息推送方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180731

RJ01 Rejection of invention patent application after publication