[发明专利]智能问答信息处理方法、电子设备及计算机可读存储介质有效

专利信息
申请号: 201911266597.3 申请日: 2019-12-11
公开(公告)号: CN111078837B 公开(公告)日: 2023-05-23
发明(设计)人: 王月瑶;洪楷;刘伟;任宪领;陈乃华;雷航;洪健宸 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/33 分类号: G06F16/33;G06F16/332;G06F16/35;G06F40/284;G06F40/216;G06F18/2135
代理公司: 北京市立方律师事务所 11330 代理人: 张筱宁
地址: 518000 广东省深圳*** 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: 智能 问答 信息处理 方法 电子设备 计算机 可读 存储 介质
【权利要求书】:

1.一种智能问答信息处理方法,其特征在于,该方法包括:

接收用户输入的提问信息;

从所述提问信息中提取情感特征和文本特征,所述情感特征用于表征所述提问信息中是否包含情感信息,以及包含的情感信息的类型;

基于所述情感特征和所述文本特征确定所述提问信息对应的目标意图信息;

基于所述目标意图信息确定目标答复信息;

所述文本特征包括:正则特征;从所述提问信息中提取所述正则特征的方式,包括:

获取提问信息的各个第一业务类型分别对应的正则规则;

通过每个第一业务类型对应的正则规则,从所述提问信息中提取与所述各个第一业务类型分别匹配的正则特征;

所述文本特征还包括:词频-逆向文件频率TF-IDF特征;

从所述提问信息中提取所述TF-IDF特征的方式,包括:

对所述提问信息进行分词处理;

确定每个词出现的词频以及所述每个词对应的权值参数;

基于所述每个词出现的词频以及所述每个词对应的权值参数,确定所述提问信息的TF-IDF特征。

2.根据权利要求1所述的方法,其特征在于,

从所述提问信息中提取文本特征,之后还包括:

对所述TF-IDF特征进行主成分分析,得到分析处理后的特征。

3.根据权利要求1所述的方法,其特征在于,所述对所述TF-IDF特征进行主成分分析PCA,得到分析处理后的特征,之后还包括:

对所述分析处理后的特征进行编码,得到编码后的特征;

其中,所述基于所述情感特征和所述文本特征确定目标意图信息,包括:

基于所述情感特征、正则特征以及所述编码后的特征确定所述目标意图信息。

4.根据权利要求1所述的方法,其特征在于,从所述提问信息中提取情感特征的方式,包括以下至少一项:

基于情感字典从所述提问信息中提取所述情感特征;

基于训练后的情感特征提取模型从所述提问信息中提取所述情感特征。

5.根据权利要求1所述的方法,其特征在于,所述基于所述情感特征和所述文本特征确定目标意图信息,包括:

基于所述情感特征和所述文本特征并通过训练后的分类模型进行意图分类处理,以确定所述目标意图信息。

6.根据权利要求5所述的方法,其特征在于,所述基于所述情感特征和所述文本特征并通过训练后的分类模型进行分类处理,之前还包括:

获取多个历史提问信息,并将各个历史提问信息按照第二业务类型进行标注;

从标注后的各个历史提问信息中分别提取文本特征以及情感特征,作为训练样本;

基于所述训练样本对预设模型进行训练,得到训练后的分类模型。

7.一种智能问答信息处理装置,其特征在于,包括:

接收模块,用于接收用户输入的提问信息;

第一提取模块,用于从所述提问信息中提取情感特征和文本特征,所述情感特征用于表征所述提问信息中是否包含情感信息,以及包含的情感信息的类型;

第一确定模块,用于基于所述情感特征和所述文本特征确定所述提问信息对应的目标意图信息;

第二确定模块,用于基于所述目标意图信息确定目标答复信息;

所述文本特征包括:正则特征;第一提取模块在从提问信息中提取正则特征时,具体用于:获取提问信息的各个第一业务类型分别对应的正则规则;

通过每个第一业务类型对应的正则规则,从所述提问信息中提取与所述各个第一业务类型分别匹配的正则特征;

所述文本特征还包括:词频-逆向文件频率TF-IDF特征;提问信息在从提问信息中提取TF-IDF特征时,具体用于:对所述提问信息进行分词处理;

确定每个词出现的词频以及所述每个词对应的权值参数;

基于所述每个词出现的词频以及所述每个词对应的权值参数,确定所述提问信息的TF-IDF特征。

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腾讯科技(深圳)有限公司,未经腾讯科技(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/201911266597.3/1.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