[发明专利]智能问答方法、装置、计算机设备和存储介质

权利要求书

1.一种智能问答方法，其特征在于，所述方法包括：

获取待回答的目标问题；

获取与所述目标问题的语义相关的目标语义意图；

获取与所述目标问题对应的目标语句向量匹配的子意图代表向量，作为目标子意图代表向量，所述子意图代表向量是对所述目标语义意图对应的问题向量集合进行聚类，得到的各个子意图类别对应的代表向量；

将所述目标子意图代表向量所对应的子意图作为目标子意图，获取与所述目标子意图匹配的问题，作为参考问题；

根据所述参考问题对应的参考答案得到所述目标问题的目标答案。

2.根据权利要求1所述的方法，其特征在于，对所述目标语义意图对应的问题向量集合进行聚类，得到各个子意图类别对应的代表向量的步骤包括：

获取所述目标语义意图对应的问题集合，获取所述问题集合中各个问题对应的语句向量，组成问题向量集合；

对所述问题向量集合进行聚类，得到所述目标语义意图的各个子意图类别对应的聚类向量集合；

获取所述子意图类别对应的聚类向量集合的代表向量，作为所述子意图类别对应的子意图代表向量。

3.根据权利要求2所述的方法，其特征在于，所述获取所述子意图类别对应的问题向量集合的代表向量，作为所述子意图类别对应的子意图代表向量包括：

获取所述子意图类别对应的聚类向量集合的中心点向量，作为所述子意图类别对应的子意图代表向量。

4.根据权利要求1所述的方法，其特征在于，所述获取与所述目标问题对应的目标语句向量匹配的子意图代表向量，作为目标子意图代表向量包括：

计算所述目标语句向量与各个子意图代表向量的距离；

获取与所述目标语句向量的距离最小的子意图代表向量，作为目标子意图代表向量。

5.根据权利要求1所述的方法，其特征在于，通过已训练的第一意图识别模型识别得到与所述目标问题的语义相关的目标语义意图，所述已训练的第一意图识别模型的训练步骤包括：

基于待训练的第一意图识别模型对训练问题进行意图识别，得到第一意图识别结果；

基于第二意图识别模型对所述训练问题进行意图识别，得到第二意图识别结果；

基于所述第一意图识别结果与所述第二意图识别结果的差异得到所述待训练的第一意图识别模型的模型损失值，根据所述模型损失值调整所述待训练的第一意图识别模型中的模型参数，得到所述已训练的第一意图识别模型，所述模型损失值与所述差异成正相关关系。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第一意图识别结果与所述第二意图识别结果的差异得到所述待训练的第一意图识别模型的模型损失值包括：

根据所述第一意图识别结果与所述第二意图识别结果的差异得到第一损失值；

根据所述第一意图识别结果与所述训练问题对应的标准意图识别结果的差异得到第二损失值；

根据所述第一损失值以及所述第二损失值得到所述待训练的第一意图识别模型的模型损失值。

7.根据权利要求1所述的方法，其特征在于，所述获取与所述目标子意图匹配的问题，作为参考问题包括：

获取所述目标问题对应的命名实体集合，根据所述命名实体集合得到所述目标问题对应的关键条件意图；

获取与所述关键条件意图以及所述目标子意图匹配的问题，作为参考问题。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取候选新问题对应的词语，作为目标词语；

获取第一问题集合中，包括所述目标词语的问题的第一数量，所述第一问题集合中的问题存在匹配答案；

根据所述第一数量确定所述候选新问题在所述第一问题集合中的第一新颖度，所述第一数量与所述第一新颖度成负相关关系；

当所述第一新颖度大于第一阈值时，将所述候选新问题作为目标新问题。