[发明专利]基于联邦学习的智能问答方法、装置、设备及存储介质

说明书

本发明公开了一种基于联邦学习的智能问答方法、装置、设备及存储介质，所述方法应用于终端设备，包括：当接收到待咨询问题时，调用本地内基于联邦学习的分类模型确定待咨询问题的问题类型；调用本地内基于联邦学习的语义理解模型对与问题类型对应的各相似问题进行检索，得到与待咨询问题对应的匹配问题；获取与匹配问题对应的参考答案，并将参考答案作为与待咨询问题对应的回复输出；其中，分类模型和语义理解模型分别基于多方终端设备的分类样本和语义理解样本执行联邦学习算法训练生成。本发明基于联邦学习的分类模型和语义理解模型所实现的智能问答，通过分类检索来提高智能问答效率的同时，确保了问答的准确性以及各方数据的安全性。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及一种基于联邦学习的智能问答方法、装置、设备及存储介质。

背景技术

随着金融科技(Fintech)，尤其是互联网科技金融的不断发展，越来越多的技术(如人工智能、大数据、云存储等)应用在金融领域，但金融领域也对各类技术提出了更高的要求，如要求对智能问答更为全面准确。

网络平台的快速发展，对人工坐席的需求量越来越大，为了缓解人工坐席的压力，越来越多的网络平台设置有智能机器人来为客户提供智能问答服务。智能问答过程中，不同客户所咨询的问题类型千差万别，即便针对同一类型问题进行咨询，也存在不同的表述方式。当前智能机器人的智能问答依托于单一的知识库实现，使得在对各类咨询问题进行回复时，需要耗费大量时间来识别问题内容，增加了智能问答的等待时间；同时容易因表述方式的差别，而不能准确识别问题的内容，导致了智能问答的回复不准确。

发明内容

本发明的主要目的在于提供一种基于联邦学习的智能问答方法、装置、设备及存储介质，旨在解决现有技术中智能问答的等待时间长，且回复不准确的技术问题。

为实现上述目的，本发明提供一种基于联邦学习的智能问答方法，所述基于联邦学习的智能问答方法包括以下步骤：

当接收到待咨询问题时，调用本地内基于联邦学习的分类模型确定所述待咨询问题的问题类型；

调用本地内基于联邦学习的语义理解模型对与所述问题类型对应的各相似问题进行检索，得到与所述待咨询问题对应的匹配问题；

获取与所述匹配问题对应的参考答案，并将所述参考答案作为与所述待咨询问题对应的回复输出；

其中，所述分类模型和所述语义理解模型分别基于多方终端设备的分类样本和语义理解样本执行联邦学习算法训练生成。

可选地，所述调用本地内基于联邦学习的分类模型确定所述待咨询问题的问题类型的步骤包括：

调用所述分类模型对所述待咨询问题进行参数化处理，得到待咨询问题参数；

根据所述待咨询问题参数与所述分类模型中各分类样本参数之间的相似度大小，确定所述待咨询问题的问题类型。

可选地，所述调用本地内基于联邦学习的语义理解模型对与所述问题类型对应的各相似问题进行检索，得到与所述待咨询问题对应的匹配问题的步骤包括：

调用所述语义理解模型对所述待咨询问题和所述问题类型中各相似问题进行匹配，生成所述待咨询问题与各所述相似问题之间的匹配度；

确定各所述匹配度中匹配程度最高的目标匹配度，并将所述问题类型中与所述目标匹配度对应的相似问题确定为所述匹配问题。

可选地，所述将所述问题类型中与所述目标匹配度对应的相似问题确定为所述匹配问题的步骤包括：

将所述目标匹配度与预设匹配度对比，判断所述目标匹配度是否大于所述预设匹配度；

若大于所述预设匹配度，则查找所述问题类型中与所述目标匹配度对应的相似问题，并将查找到的相似问题确定为所述匹配问题；