[发明专利]用户问句与知识点标题的匹配方法和装置

权利要求书

1.一种用户问句与知识点标题的匹配方法，所述方法包括：

获取当前用户查询信息，其中，所述当前用户查询信息包括当前用户问句；

针对当前用户问句，利用多种算法得到与所述当前用户问句匹配的多个候选知识点标题；

将当前用户查询信息和每个候选知识点标题组成的每组对话信息作为预先训练的深度反馈模型的输入，通过所述深度反馈模型的输出得到每个候选知识点标题的用户反馈级别及该用户反馈级别的相对概率；

根据每个候选知识点标题的用户反馈级别及该用户反馈级别的相对概率，确定所述多个候选知识点标题中每个候选知识点标题的排序；

根据每个候选知识点标题的排序，从所述多个候选知识点标题中选择至少一个候选知识点标题，将所述至少一个候选知识点标题作为与所述用户问句匹配的知识点标题。

2.如权利要求1所述的方法，其中，利用所述多种算法中的每种算法得到一个或多个候选知识点标题。

3.如权利要求1所述的方法，其中，所述将当前用户查询信息和每个候选知识点标题组成的每组对话信息作为预先训练的深度反馈模型的输入，通过所述深度反馈模型的输出得到每个候选知识点标题的用户反馈级别及该用户反馈级别的相对概率之前，所述方法还包括：

获取机器人问答的历史日志，所述历史日志包括多组历史查询信息、知识点标题和用户反馈数据；

根据预先设定的用户反馈数据与用户反馈级别的对应关系，确定所述用户反馈数据对应的用户反馈级别，所述用户反馈级别包括用于指示正向反馈的级别、用于指示中性反馈的级别、用于指示负向反馈的级别；

将每组历史查询信息、知识点标题和用户反馈级别作为深度反馈模型的一组训练样本，对所述深度反馈模型进行训练；其中，历史查询信息作为所述深度反馈模型的第一特征部分，知识点标题作为所述深度反馈模型的第二特征部分，用户反馈级别作为所述深度反馈模型的样本标签。

4.如权利要求1所述的方法，其中，所述当前用户查询信息还包括如下至少一种扩展信息：用户行为轨迹信息、场景埋点信息和业务类型信息。

5.如权利要求4所述的方法，其中，所述深度反馈模型包括嵌入层、编码层、交互层、特征提取层和输出层；

所述嵌入层用于将所述当前用户问句的分词转化为对应的第一分向量；以及将所述至少一种扩展信息转化为对应的第二分向量；

所述嵌入层将所述第一分向量和所述第二分向量进行拼接，得到所述当前用户查询信息对应的合成向量。

6.如权利要求5所述的方法，其中，所述嵌入层用于将所述当前用户问句的分词转化为对应的第一分向量，包括：

根据预先训练好的词嵌入模型，确定分词对应的词向量；

根据分词的词性，确定分词对应的词性特征向量；

根据分词是否出现在知识点标题中，确定分词对应的精确匹配特征向量；

根据分词在预先建立的业务导图中匹配的节点，确定分词对应的导图特征向量；

将所述词向量、所述词性特征向量、所述精确匹配特征向量和所述导图特征向量进行拼接，得到分词对应的第一分向量。

7.如权利要求5所述的方法，其中，所述至少一种扩展信息包括用户行为轨迹信息；所述嵌入层用于将所述至少一种扩展信息转化为对应的第二分向量，包括：

将所述用户行为轨迹信息指示的多个轨迹点中的每个轨迹点的行为信息，转化为对应的轨迹向量；

将多个轨迹向量求平均，得到所述用户行为轨迹信息对应的第二分向量。

8.如权利要求5所述的方法，其中，所述编码层包括两层网络子层和一层自注意力子层；所述两层网络子层中的一层用于将输入向量的一部分进行非线性操作，另一部分直接映射到输出层；

所述注意力子层以注意力矩阵中的注意力系数为权重，对输入向量进行加权平均处理。