[发明专利]一种问答交互方法、装置、设备和存储介质

权利要求书

1.一种问答交互方法，其特征在于，所述方法包括：

获取用户输入的问题；

将所述用户输入的问题与预设的问题模板中的问题进行匹配；

当匹配成功时，将所述问题模板中与所述用户输入的问题匹配的问题的答案发送给所述用户；

当匹配失败时，从预存的候选回复答案中选取一个预测概率最高的候选回复答案，并发送给所述用户。

2.根据权利要求1所述的方法，其特征在于，所述问题模板是按照人工智能标记语言AIML的规范构建的。

3.根据权利要求1所述的方法，其特征在于，从预存的候选回复答案中选取一个预测概率最高的候选回复答案，并发送给所述用户，包括：

基于预先设置的深度学习模型，计算每个所述候选回复答案的预测概率；

将预测概率最高的候选回复答案发送给所述用户。

4.根据权利要求3所述的方法，其特征在于，所述深度学习模型为对偶编码长短期记忆网络Dual LSTM Encoder模型。

5.根据权利要求4所述的方法，其特征在于，基于预先设置的深度学习模型，计算每个所述候选回复答案的预测概率，包括：

将每个所述候选回复答案和所述用户输入的问题向量化，得到每个所述候选回复答案的候选回复词向量和所述用户输入的问题的用户问题词向量；

将每个所述候选回复词向量和所述用户问题词向量输入所述Dual LSTM Encoder模型进行训练，得到每个所述候选回复答案的预测概率。

6.根据权利要求5所述的方法，其特征在于，将每个所述候选回复答案和所述用户输入的问题向量化，得到每个所述候选回复答案的候选回复词向量和所述用户输入的问题的用户问题词向量，包括：

对每个所述候选回复答案和所述用户输入的问题进行分词，得到每个所述候选回复答案的分词列表和所述用户输入的问题的分词列表；

基于每个所述候选回复答案的分词列表和所述用户输入的问题的分词列表，分别得到每个所述候选回复答案的候选回复词向量和所述用户输入的问题的用户问题词向量。

7.根据权利要求5所述的方法，其特征在于，将每个所述候选回复词向量和所述用户问题词向量输入所述Dual LSTM Encoder模型进行训练，得到每个所述候选回复答案的预测概率，包括：

将每个所述候选回复词向量和所述用户问题词向量分别输入所述Dual LSTM Encoder模型中的递归神经网络RNN，得到每个所述候选回复答案的最终状态向量和所述用户输入的问题的最终状态向量；

将所述用户输入的问题的最终状态向量和预先训练好的矩阵的乘积确定为可能的候选回复向量；

将所述可能的候选回复向量分别和每个所述候选回复答案的最终状态向量进行点乘以及归一化处理，得到每个所述候选回复答案的预测概率。

8.一种问答交互装置，其特征在于，所述装置包括：

问题获取模块，用于获取用户输入的问题；

匹配模块，用于将所述用户输入的问题与预设的问题模板中的问题进行匹配；

第一答案确定模块，用于当匹配成功时，将所述问题模板中与所述用户输入的问题匹配的问题的答案发送给所述用户；

第二答案确定模块，用于当匹配失败时，从预存的候选回复答案中选取一个预测概率最高的候选回复答案，并发送给所述用户。

9.一种设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。