[发明专利]智能问答方法、装置、计算机设备和存储介质在审

专利信息
申请号: 201811184242.5 申请日: 2018-10-11
公开(公告)号: CN109522393A 公开(公告)日: 2019-03-26
发明(设计)人: 黄萍;汪伟;肖京 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F16/35;G06F17/27
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 王宁
地址: 518033 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 问句文本 目标实体 用户意图 词向量 智能 结构化查询语句 知识库 计算机设备 存储介质 匹配 自然语言处理技术 数据库技术 准确度 答案 分类模型 获取目标 模型获取 目标领域 构建 查找 申请
【权利要求书】:

1.一种智能问答方法,所述方法包括:

获取目标领域的问句文本,从所述问句文本中提取目标实体;

采用预先构建的词向量模型获取所述目标实体的词向量;

将所述词向量输入至预先训练好的用户意图分类模型中,获得所述问句文本的用户意图类型;

根据所述用户意图类型以及所述目标实体生成结构化查询语句,根据所述结构化查询语句从目标领域的知识库中查找匹配的问句答案。

2.根据权利要求1所述的方法,其特征在于,所述根据所述用户意图类型以及所述目标实体生成结构化查询语句的步骤,包括:

获取所述目标实体对应的实体类别,根据所述目标实体以及所述目标实体对应的实体类别确定查询条件;

根据所述用户意图类型确定待查询表名;

结合所述查询条件以及所述带查询表名生成结构化查询语句。

3.根据权利要求1所述的方法,其特征在于,所述将所述词向量输入至预先训练好的用户意图分类模型中,获得所述问句文本的用户意图类型的步骤,包括:

将所述词向量输入至预先训练好的SVM模型中,获得各个用户意图类型对应的置信度;

将所述置信度最高的用户意图类型确定为所述问句文本的用户意图类型。

4.根据权利要求3所述的方法,其特征在于,所述将所述词向量输入至预先训练好的SVM模型中的步骤之前,包括:

获取目标领域的用户意图分类训练样本,所述用户意图分类训练样本包括实体样本以及所述用户意图分类训练样本对应的文本意图类型标签;

利用所述词向量模型获取各所述用户意图分类训练样本中实体样本的词向量;

根据各所述用户意图分类训练样本中的词向量以及对应的文本意图类型标签,对初始化的SVM模型进行监督训练,保存监督训练后的SVM模型。

5.根据权利要求4所述的方法,其特征在于,所述从所述问句文本中提取目标实体的步骤,包括:

对所述问句文本进行中文分词,获得所述问句文本中的词汇;

从所述词汇中提取所述问句文本中的实体词汇;

对所述实体词汇与所述实体样本进行对比,根据对比结果利用所述实体词汇生成与所述实体样本匹配的所述目标实体。

6.根据权利要求1所述的方法,其特征在于,所述将所述词向量输入至预先训练好的用户意图分类模型中的步骤之前,包括:

获取目标领域的文本语料数据;

对所述文本语料数据进行数据清洗以及中文分词处理;

根据预处理后的目标领域的文本语料库的文本数据对预设词向量模型进行训练,获得所述词向量模型。

7.根据权利要求1所述的方法,其特征在于,所述问句答案包括多个备选答案;

所述根据所述结构化查询语句从目标领域的知识库中查找匹配的问句答案的步骤之后,还包括:

分别计算各所述备选答案的第一平均词向量以及所述问句文本的第二平均词向量;

计算所述问句文本的第二平均词向量与各所述备选答案的第一平均词向量间的空间夹角的余弦值;

根据所述余弦值的大小对所述备选答案进行排序。

8.一种智能问答装置,其特征在于,所述装置包括:

实体词汇获取模块,用于获取目标领域的问句文本,从所述问句文本中提取目标实体;

词向量获取模块,采用预先构建的词向量模型获取所述目标实体的词向量;

用户意图获取模块,将所述词向量输入至预先训练好的用户意图分类模型中,获得所述问句文本的用户意图类型;

问句答案获取模块,用于根据所述用户意图类型以及所述目标实体词汇生成结构化查询语句,根据所述结构化查询语句从目标领域的知识库中查找匹配的问句答案。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811184242.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top