[发明专利]一种确定目标标准信息的方法和系统

权利要求书

1.一种确定目标标准信息的方法，所述方法由至少一个处理器执行，所述方法包括：

获取用户问题及其对应的一个或多个候选标准信息；

基于所述用户问题和所述一个或多个候选标准信息确定候选文本信息；

至少基于机器学习模型和所述候选文本信息，从所述一个或多个候选标准信息中确定目标标准信息。

2.根据权利要求1所述方法，所述基于所述用户问题和所述一个或多个候选标准信息确定候选文本信息包括：

将所述用户问题和所述一个或多个候选标准信息按照预设规则进行拼接，以确定候选本文信息。

3.根据权利要求2所述方法，所述候选文本信息还包括符号信息，用于指示所述用户问题和所述候选标准信息的位置和/或类型。

4.根据权利要求1所述方法，

所述至少基于机器学习模型和所述候选文本信息确定目标标准信息包括：

基于所述机器学习模型和所述候选文本信息确定所述目标标准信息对应在所述候选文本信息中的位置；

或者，基于所述机器学习模型和所述候选文本信息确定与各候选标准信息对应的概率值。

5.根据权利要求1或4所述方法，

所述至少基于机器学习模型和所述候选文本信息确定目标标准信息包括：

基于所述机器学习模型和所述候选文本信息确定所述用户问题以及所述一个或多个候选标准信息各自对应的向量表示；

基于所述用户问题的向量表示与各候选标准信息的向量表示之间的距离确定所述目标标准信息。

6.根据权利要求1所述方法，所述机器学习模型通过以下方法获取：

获取训练样本集；所述训练样本集包括历史问题，与所述历史问题对应的历史候选标准信息和历史目标标准信息；

将所述历史问题及其对应的历史候选标准信息拼接，形成历史候选文本信息，将其作为输入数据；将所述历史问题对应的历史目标标准信息作为参考标准；

利用输入数据及对应的参考标准训练初始机器学习模型，获得训练好的机器学习模型。

7.根据权利要求1或6所述的方法，所述机器学习模型包括BERT模型和概率转化层；所述概率转化层用于将BERT模型输出的一个或多个向量表示转化为一个或多个概率值。

8.一种确定目标标准信息的系统，所述系统包括：

候选标准信息获取模块，用于获取用户问题及其对应的一个或多个候选标准信息；

候选文本信息确定模块，用于基于所述用户问题和所述一个或多个候选标准信息确定候选文本信息；

目标标准信息确定模块，用于至少基于机器学习模型和所述候选文本信息，从所述一个或多个候选标准信息中确定目标标准信息。

9.根据权利要求8所述的系统，所述候选文本信息确定模块还用于将所述用户问题和所述一个或多个候选标准信息按照预设规则进行拼接，以确定候选本文信息。

10.根据权利要求9所述的系统，所述候选文本信息还包括符号信息，用于指示所述用户问题和所述候选标准信息的位置和/或类型。

11.根据权利要求8所述的系统，所述目标标准信息确定模块还用于基于所述机器学习模型和所述候选文本信息确定所述目标标准信息对应在所述候选文本信息中的位置；

或者，基于所述机器学习模型和所述候选文本信息确定与各候选标准信息对应的概率值。

12.根据权利要求8或11所述的系统，所述目标标准信息确定模块还用于：

基于所述机器学习模型和所述候选文本信息确定所述用户问题以及所述一个或多个候选标准信息各自对应的向量表示；

基于所述用户问题的向量表示与各候选标准信息的向量表示之间的距离确定所述目标标准信息。