[发明专利]一种问题发现方法、装置及电子设备、存储介质在审
申请号: | 202010004606.8 | 申请日: | 2020-01-03 |
公开(公告)号: | CN111198941A | 公开(公告)日: | 2020-05-26 |
发明(设计)人: | 程其江;盛晨;何向宇;曹勇 | 申请(专利权)人: | 联想(北京)有限公司 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F16/36;G06F16/35;G06N3/02 |
代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 崔晓岚;张颖玲 |
地址: | 100085 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 问题 发现 方法 装置 电子设备 存储 介质 | ||
1.一种问题发现方法,所述方法包括:
获取舆情数据;
采用神经网络对所述舆情数据进行解析,得到解析结果集合;
基于所述解析结果集合,更新所述知识图谱,得到更新的知识图谱;其中,所述更新的知识图谱用于当接收到用户输入的提问信息时,生成与所述提问信息匹配的答复信息,以提供给所述用户。
2.如权利要求1中所述的方法,所述采用神经网络对所述舆情数据进行解析,得到解析结果集合,包括:
对所述舆情数据进行聚类,得到包含多类数据的数据类集合;
采用所述神经网络,对所述数据类集合中的每一类数据进行语义特征提取,得到语义特征集合;
基于所述语义特征集合,确定每一类数据的解析结果,以得到解析结果集合。
3.如权利要求2中所述的方法,所述采用所述神经网络,对所述数据类集合中的每一类数据进行语义特征提取,得到语义特征集合,包括:
采用所述神经网络,对所述数据类集合中的每一类数据中包含的多个语句进行语义特征提取,分别得到每一类数据的语义特征子集合;
对应地,所述基于所述语义特征集合,确定每一类数据的解析结果,以得到解析结果集合,包括:
基于每一类数据的语义特征子集合,确定每一语句对应的待识别问题,得到每一类数据的待识别问题集合;
将所述每一类数据的待识别问题集合,确定为每一类数据的解析结果,以得到所述解析结果集合。
4.如权利要求3中所述的方法,所述基于所述解析结果集合,更新所述知识图谱,得到更新的知识图谱,包括:
确定每一类数据的解析结果对应的待识别问题包含于知识图谱的数量;
如果所述数量小于数量阈值,确定所述每一类数据的解析结果为目标解析结果;
基于所述目标解析结果,更新所述知识图谱,得到所述更新的知识图谱。
5.如权利要求1中所述的方法,在所述获取舆情数据之后,所述方法还包括:
将所述舆情数据中的无效数据进行删除,得到筛选后的舆情数据;其中,所述无效数据为不满足所述舆情数据对应的需求的数据;
采用所述神经网络对所述筛选后的舆情数据进行解析,得到所述解析结果集合。
6.如权利要求4中所述的方法,所述基于所述目标解析结果,更新所述知识图谱,得到所述更新的知识图谱,包括:
对所述目标解析结果对应的待识别问题集合进行解析,确定所述待识别问题集合包含的问题类别;
将包含的类别数量大于类别阈值的问题类别,确定为所述待识别问题集合对应的目标问题类别;
基于所述目标问题类别,得到所述新问题;
在所述知识图谱中,确定与所述新问题所属的目标节点相关联的关联节点;
将所述新问题,赋予所述目标节点,并更新所述关联节点,以更新所述知识图谱,得到所述更新的知识图谱。
7.如权利要求6中所述的方法,在所述基于所述目标问题类别,得到所述新问题之后,所述方法还包括:
接收输入的与所述新问题相匹配的目标答案;
将所述目标答案赋予所述目标节点和所述关联节点,以更新所述知识图谱。
8.一种问题发现装置,所述装置包括:第一获取模块、第一解析模块和第一更新模块,其中:
第一获取模块,用于获取舆情数据;
第一解析模块,用于采用神经网络对所述舆情数据进行解析,得到解析结果集合;
第一更新模块,用于基于所述解析结果集合,更新所述知识图谱,得到更新的知识图谱;其中,所述更新的知识图谱用于当接收到用户输入的提问信息时,生成与所述提问信息匹配的答复信息,以提供给所述用户。
9.一种电子设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1至7任一项所述问题发现方法中的步骤。
10.一种存储介质,其特征在于,存储有可执行指令,用于引起处理器执行时,实现权利要求1至7任一项所述的方法。
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联想(北京)有限公司,未经联想(北京)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/202010004606.8/1.html,转载请声明来源钻瓜专利网。