[发明专利]问答处理方法、装置、计算机设备和存储介质有效

专利信息
申请号: 201910560681.X 申请日: 2019-06-26
公开(公告)号: CN110427467B 公开(公告)日: 2022-10-11
发明(设计)人: 李松如;文博;刘云峰;吴悦 申请(专利权)人: 深圳追一科技有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F16/36;G06F40/295;G06F40/211
代理公司: 深圳智汇远见知识产权代理有限公司 44481 代理人: 蒋学超
地址: 518051 广东省深圳市南山区粤海*** 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: 问答 处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种问答处理方法,所述方法包括:

接收用户询问指令,根据所述用户询问指令获取用户问句;

识别所述用户问句,从所述用户问句中确定实体和至少两个意图;

使用已训练的关联关系匹配模型将所述实体和所述至少两个意图建立关联关系,得到实体与关联的意图,所述已训练的关联关系匹配模型是将已有问句中的实体和意图中关联的实体和意图标注为关联,将未关联的实体和意图标注为未关联,并使用标注的数据进行训练得到的;

根据所述实体与关联的意图在预设二维表知识库中查找与所述用户问句相对应的答案。

2.根据权利要求1所述的方法,其特征在于,在所述接收用户询问指令,根据用户询问指令获取用户问句之前,包括:

建立所述预设二维表知识库,所述预设二维表知识库中包括实体、意图以及实体和意图对应的答案。

3.根据权利要求1所述的方法,其特征在于,所述识别所述用户问句,从所述用户问句中确定实体和意图,包括:

使用已训练的命名实体识别模型对所述用户问句识别,确定所述用户问句中的实体;

使用已训练的意图识别模型对所述用户问句识别,确定所述用户问句中的意图。

4.根据权利要求3所述的方法,其特征在于,所述使用已训练的命名实体识别模型对所述用户问句识别,确定所述用户问句中的实体,包括:

将所述用户问句进行分词,得到分词结果;

根据所述分词结果得到词向量,将所述词向量输入到已训练的命名实体识别模型识别,得到实体识别结果向量;

根据所述实体识别结果向量确定所述用户问句中的实体。

5.根据权利要求3所述的方法,其特征在于,所述使用已训练的意图识别模型对所述用户问句识别,确定所述用户问句中的意图,包括:

将所述用户问句分词,得到分词结果;

根据所述分词结果得到词向量,将所述词向量输入到已训练的意图识别模型识别,得到意图识别结果向量;

根据所述意图识别结果向量确定所述用户问句中的意图。

6.根据权利要求1至5任意一项所述的方法,其特征在于,所述使用已训练的关联关系匹配模型匹配所述实体和所述意图,得到匹配结果,包括:

对所述实体和所述意图进行匹配,得到待确定匹配结果;

根据所述待确定匹配结果得到待确定匹配向量,将所述待确定匹配向量输入到已训练的关联关系匹配模型中进行识别,得到匹配识别结果向量;

根据匹配识别结果向量确定目标匹配结果。

7.根据权利要求1至5任意一项所述的方法,其特征在于,根据匹配结果在预设二维表知识库中查找所述用户问句对应的答案,包括:

在所述预设二维表知识库中的实体字段中查找所述匹配结果中的目标实体,并在所述预设二维表知识库中的意图字段中查找所述匹配结果中与所述目标实体匹配的目标意图;

当查找到所述目标实体和所述目标意图时,从所述预设二维表知识库中获取所述目标实体和所述目标意图对应的答案。

8.根据权利要求1至5任意一项所述的方法,其特征在于,在根据匹配结果在预设二维表知识库中查找所述用户问句对应的答案之后,还包括:

将所述用户问句对应的答案返回终端,以使所述终端展示所述答案。

9.一种问答处理装置,其特征在于,所述装置包括:

问句获取模块,用于接收用户询问指令,根据用户询问指令获取用户问句;

识别模块,用于识别所述用户问句得到所述用户问句对应的实体和至少两个意图;

匹配模块,用于使用已训练的关联关系匹配模型将所述实体和所述至少两个意图建立关联关系,得到实体与关联的意图,所述已训练的关联关系匹配模型是将已有问句中的实体和意图中关联的实体和意图标注为关联,将未关联的实体和意图标注为未关联,并使用标注的数据进行训练得到的;

查找模块,用于根据所述实体与关联的意图在预设实体与意图二维表中进行匹配,根据匹配结果得到所述用户问句对应的答案。

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深圳追一科技有限公司,未经深圳追一科技有限公司许可,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/201910560681.X/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