[发明专利]基于机器学习的类脑系统、方法、设备及存储介质

权利要求书

1.一种基于机器学习的类脑系统，其特征在于，包括：

智能问答模块，用于通过人机交互接口接收用户的多模态的数据，并对所述多模态的数据进行语义理解，以生成问题请求；所述多模态的数据包括：文本、语音、图像、结构化数据；

引擎模块，用于接收所述人机交互接口发送的问题请求，根据所述问题请求从知识仓储模块中获取匹配的知识候选集，并将所述知识候选集发送给所述智能问答模块；其中，所述智能问答模块对所述知识候选集做评分排序，并使用评分最高的知识进行答案生成返回给用户；所述答案是评分最高的知识结合变量或推理结果生成的最终答案；

所述知识仓储模块，用于存储来自知识灌入模块以及知识发现模块生成的知识数据；

所述知识灌入模块，用于对接收的数据进行知识转换处理，以获得知识数据后发送至知识仓储模块；

所述知识发现模块，用于获取原始的业务数据集以及业务过程中产生的业务数据集，并通过深度学习技术从业务数据集中识别出有效的、新颖的、潜在有用的数据，并将数据转换为可理解模式的知识数据后发送至知识仓储模块。

2.根据权利要求1所述的基于机器学习的类脑系统，其特征在于，所述智能问答模块为虚拟代理。

3.根据权利要求1所述的基于机器学习的类脑系统，其特征在于，所述引擎模块包括用于提供智能搜索的搜索引擎单元、用于提供句式匹配的匹配引擎单元、用于提供槽点匹配的布尔引擎单元以及用于提供分类功能的分类引擎单元，所述分类引擎单元通过机器学习训练来实现分类；其中：

对于接收到的每个问题请求，需并行的通过搜索引擎单元、匹配引擎单元、布尔引擎单元以及分类引擎单元进行处理，以从所述知识仓储模块中获取得到知识候选集。

4.根据权利要求1所述的基于机器学习的类脑系统，其特征在于，所述引擎模块还包括推理引擎单元；

所述推理引擎单元，用于根据在交互过程中生成的变量进行推理计算，获得推理结果，并根据推理结果从知识仓储模块中获取知识候选集；其中，推理计算根据每个场景对应的决策树进行推理。

5.根据权利要求1所述的基于机器学习的类脑系统，其特征在于，所述知识仓储模块内的知识数据包括：FAQ、场景知识、文档、WIKI、语义网、知识图谱、知识模型、用户数据。

6.根据权利要求5所述的基于机器学习的类脑系统，其特征在于，所述知识灌入模块生成知识数据至少包括四种方式：

对于专家知识，通过场景编辑器对所述专家知识进行编辑，生成知识数据，并存储入知识仓储模块；

对于FAQ，所述知识灌入模块直接将FAQ作为知识数据导入到知识仓储模块；

对于文档：所述知识灌入模块对文档进行碎片化处理或者分类处理，并进行打标签，以生成知识数据，存储入知识仓储模块；

对于语义网和知识图谱：将语义网和知识图谱通过语义网编辑器导入知识仓储模块。

7.一种基于机器学习的类脑方法，其特征在于，包括：

智能问答模块通过人机交互接口接收用户的多模态的数据，并对所述多模态的数据进行语义理解，以生成问题请求；所述多模态的数据包括：文本、语音、图像和结构化数据；

引擎模块接收所述人机交互接口发送的问题请求，根据所述问题请求从知识仓储模块中获取匹配的知识候选集，并将所述知识候选集发送给所述智能问答模块；其中，所述智能问答模块对所述知识候选集做评分排序，并使用评分最高的知识进行答案生成返回给用户；所述答案是评分最高的知识结合变量或推理结果生成的最终答案；

所述知识仓储模块存储来自知识灌入模块以及知识发现模块生成的知识数据；

所述知识灌入模块对接收的数据进行知识转换处理，以获得知识数据后发送至知识仓储模块；

所述知识发现模块获取原始的业务数据集以及业务过程中产生的业务数据集，并通过深度学习技术从业务数据集中识别出有效的、新颖的、潜在有用的数据，并将数据转换为可理解模式的知识数据后发送至知识仓储模块。