[发明专利]智能交互方法、装置、设备及存储介质

权利要求书

1.一种智能交互方法，其特征在于，包括：

采集用户指令，根据所述用户指令获取用户问题信息；

根据预先训练的问题分类模型中对所述用户问题信息进行问题类别分类，得到分类结果，并判断所述分类结果是否满足预定条件；

若确定所述分类结果满足所述预定条件，根据所述分类结果从预设问答库中获取对应的答案信息，其中所述预设问答库包括不同的问题类别以及各问题类别对应的答案信息；

若确定所述分类结果不满足所述预定条件，将所述用户问题信息输入到预先训练的答案生成模型中获取对应的答案信息；

输出获取到的答案信息，以响应所述用户指令。

2.根据权利要求1所述的方法，其特征在于，所述根据预先训练的问题分类模型中对所述用户问题信息进行问题类别分类，得到分类结果，并判断所述分类结果是否满足预定条件，包括：

将所述用户问题信息输入所述问题分类模型中，通过所述问题分类模型获取所述用户问题信息的问题类别以及对应的置信度；

判断所述置信度是否满足预定的置信度阈值。

3.根据权利要求2所述的方法，其特征在于，所述问题分类模型包括词向量获取子模型和词向量分类子模型；

所述通过所述问题分类模型获取所述用户问题信息的问题类别以及对应的置信度，包括：

通过所述词向量获取子模型，对所述用户问题信息进行分词，并根据分词结果获取所述用户问题信息的词向量；

通过所述词向量分类子模型，对所述用户问题信息的词向量进行分类，获取所述用户问题信息的问题类别以及对应的置信度。

4.根据权利要求3所述的方法，其特征在于，所述通过所述词向量分类子模型，对所述用户问题信息的词向量进行分类，获取所述用户问题信息的问题类别以及对应的置信度，包括：

通过所述词向量分类子模型，将所述用户问题信息的词向量与预设问题类别对应的预设词向量进行相似度匹配，获取其中相似度最高的预设问题类别作为所述用户问题信息的问题类别，将其相似度作为所述置信度。

5.根据权利要求3或4所述的方法，其特征在于，所述词向量分类子模型为深度学习模型。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述答案生成模型为Seq2Seq模型；

所述将所述用户问题信息输入到预先训练的答案生成模型中获取对应的答案信息，包括：

通过所述Seq2Seq模型的编码器对所述用户问题信息进行编码，再通过所述Seq2Seq模型的解码器进行解码，获取所述用户问题信息对应的答案信息。

7.根据权利要求6所述的方法，其特征在于，

所述Seq2Seq模型的编码器采用LSTM模型、GRU模型或Transformer模型；

所述Seq2Seq模型的解码器采用LSTM模型、GRU模型或Transformer模型。

8.根据权利要求3或4所述的方法，其特征在于，还包括：

将所述预设问答库中每一问题类别所包括的问题样本作为第一训练数据，对所述词向量获取子模型进行训练；

根据训练后的词向量获取子模型获取各所述第一训练数据的词向量，作为第二训练数据，对所述词向量分类子模型进行训练，直至所述词向量分类子模型收敛。

9.根据权利要求6所述的方法，其特征在于，还包括：

将所述预设问答库中每一问题类别所包括的问题样本以及对应的答案信息作为第三训练数据，对所述Seq2Seq模型进行训练。

10.根据权利要求1所述的方法，其特征在于，还包括：

获取历史问题，对所述历史问题进行分类，并获取各问题类别的相关近似问题补充到对应的问题类别中；

对于每一问题类别获取对应的答案信息；

根据每一问题类别所包括的问题以及对应的答案信息，构建所述预设问答库。