[发明专利]一种基于深度学习的自动问答方法

权利要求书

1.一种基于深度学习的自动问答方法，其特征在于，获取请求终端发送的问题内容，并根据语义识别模型匹配出与所述问题内容相似度最高的答案内容后，反馈给所述请求终端；其中，所述语义识别模型训练数据集采用问题内容、正确答案内容和错误答案内容的三元组形式，具体的语义识别模型的训练方法包括：

将问题内容输入一个神经网络，正确答案内容和错误答案内容输入另一个神经网络，计算问题内容与正确答案内容之间的第一相似度，以及问题内容与错误答案内容之间的第二相似度；

根据预设的第一相似度和第二相似度之间的距离，调整语义识别模型，以便再次使用所述语义识别模型计算得到的第一相似度和第二相似度之间的距离满足预设条件；

其中，语义识别模型的训练数据是在收集整理的语料数据基础上，利用语料扩充方法得到；

在服务器未寻找到相似度满足预设阈值的答案内容时，所述方法还包括：

建立与智能终端的问题协助链接，并获取所述智能终端的界面操控权限；

读取所述智能终端中显示界面内容，并根据所述问题内容控制所述智能终端，逐一的触发显示界面中相应操作，以便在智能终端的显示界面内容中呈现解答所述问题的内容；

所述读取所述智能终端中显示界面内容，并根据所述问题内容控制所述智能终端，逐一的触发显示界面中相应操作，还包括：

对应于每一次触发显示界面中相应操作后，均完成一次所述智能终端中显示界面内容的读取，并通过图像识别方式，获取所述显示界面内容所对应的操作结果，以便生成下一级显示界面中相应操作的触发指令；

图像识别方式和服务器历史学习的对应于所述问题内容的问题答案是匹配起来的，在使用图像识别方式时，借鉴问题答案中所包含的文本内容和文本所在位置，从而增加图像识别的针对性。

2.根据权利要求1所述的基于深度学习的自动问答方法，其特征在于，所述语料扩充方法包括：

在标准问题内容中插入数量和/或位置随机的干扰词，以便得到同一问题表现出的不同形式的问题内容；和/或，

随机打乱标准问题的词序或根据特定语法规则对标准问题词序进行转换；和/或，

随机替换标准答案中的专用词汇，作为错误回答内容。

3.根据权利要求1所述的基于深度学习的自动问答方法，其特征在于，所述建立与所述智能终端的问题协助链接，具体包括：

服务器在接收到获取携带问题内容的请求消息后，向所述智能终端发送获取其界面操控的权限验证请求；

服务器在接收到智能终端的验证通过响应后，建立与所述智能终端的问题协助链接；此时，服务器拥有了控制智能终端主界面的权限。

4.根据权利要求1所述的基于深度学习的自动问答方法，其特征在于，所述通过图像识别方式，获取所述显示界面内容所对应的操作结果，以便生成下一级显示界面中相应操作的触发指令，具体包括：

通过图像识别方式，从所述显示界面内容中默认的关键词区域,获取上一级触发指令的操作结果；

查询本地存储的对应各级触发指令操作结果的下一级响应内容，生成下一级显示界面中相应操作的触发指令。

5.根据权利要求1-4任一所述的基于深度学习的自动问答方法，其特征在于，若根据读取的智能终端中显示界面内容，无法确定当前的操作状态，则发送系统备份请求给所述智能终端；服务器在接收到所述智能终端返回的系统备份文件后，通过本地的虚拟机还原备份系统，并通过在本地执行请求消息的响应操作过程，从而确认智能终端侧的问题所在。

6.根据权利要求1-4任一所述的基于深度学习的自动问答方法，其特征在于，所述触发显示界面中相应操作时，还包括：

生成智能终端中操作指令的显示图标，所述智能终端在完成相应的操作指令时，配合与所述操作指令动作相对应的显示图标。

7.根据权利要求1所述的基于深度学习的自动问答方法，其特征在于，

在语义识别模型训练的每一步，自动生成多样化的输入数据；

其中，所述每一步是指神经网络模型迭代训练过程中的每一次更新；所述输入数据包括由问题、正确答案和错误答案构成的三元组数据。

8.一种基于深度学习的自动问答终端，其特征在于，包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成权利要求1-7任一所述的基于深度学习的自动问答方法。