[发明专利]一种基于知识图谱的金融问题反问方法及系统

说明书

本发明涉及一种基于知识图谱的金融问题反问方法及系统，包括根据提问分类模型对用户输入的内容进行场景情况分类，当分类结果为内容不明确或为重要内容时进行反问的场景情况时进行反问操作；针对金融问答知识体系构建知识图谱；基于知识图谱进行反问句匹配；获取反问实体和实体类型结构，结合句式模板库获取反问句式，并生成反问句；基于神经网络分类器构建声音预测模型和表情预测模型并获取声音和视觉表情；金融领域聊天机器人结合反问句式、声音和视觉表情对用户进行反问。本发明能够使问答系统充分了解用户信息和用户的提问信息，在问题不明确时提出真正精确的反问，从而使得回答更加正确，提高问答系统解决用户问题的能力。

【技术领域】

本发明涉及人工智能的技术领域，尤其涉及一种基于知识图谱的金融问题反问方法及系统。

【背景技术】

在金融领域的问答系统中，经常是人们输入内容进行提问，然后问答机器人直接回答。但是当人们提出的问题模糊不清时，或者问题存在歧义时，问答机器人则容易答非所问而不能解决用户的真实问题。当用户不知道应该问什么时，或用户对问题理解不深时，则问题容易缺失部分信息，此时对话机器人难以有效工作。针对上述问题，需要对话机器人在合适情况进行反馈或反问，这样才能更好的跟人互动起来，对话机器人才能清楚了解人们的真实问题，从而有效加以解决。对话机器人反问有利于了解更多信息，有利于确认用户信息，具有重要作用。为了让对话机器人能够更有效解决人们问题，在问答系统中是反问机制更加精确可行，因此对金融领域的问答反问进行更加精确回答的设计，是一个重要的需要解决的问题。

发明专利CN110334272A基于知识图谱的智能问答方法、装置及计算机存储介质，揭露了一种基于知识图谱的智能问答方法，包括：获取问答数据集，根据所述问答数据集构建知识图谱关系型数据集，对所述知识图谱关系型数据集进行预处理操作得到逻辑问答数据集，提取所述逻辑问答数据集内的逻辑问题数据集，并计算所述逻辑问题数据集内数据之间的问题相似度并建立网页链式接口，接收用户输入的问题后预处理，并计算所述用户输入的问题与所述逻辑问题数据集内数据的问题相似度，判断所述问题相似度集合与预设问题阈值的大小关系，直至最后输出所述用户输入的问题的答案。该发明专利通过问题相似度匹配问题从而得到答案，能够回答逻辑表述清晰的问答。但是，当人们提出的问题模糊不清时，或者问题存在歧义时，该方法则容易匹配到不相关的问题，以及容易答非所问而不能解决用户的真实问题，而且它没有涉及到金融领域知识的反问。因此，如何能够在合适情况进行反馈或反问，引导人们表述清楚真实问题，从而解决问题就显得尤为重要。

【发明内容】

本发明提供了一种基于知识图谱的金融问题反问方法，用于使问答系统充分了解用户信息和用户的提问信息，在问题不明确时提出反问，从而使得回答更加正确，提高问答系统解决用户问题的能力。

本发明提供了一种基于知识图谱的金融问题反问方法，主要包括以下步骤：

根据提问分类模型对用户输入的内容进行场景情况分类，当分类结果为内容不明确或为重要内容时进行反问的场景情况时进行反问操作；针对金融问答知识体系构建知识图谱；基于知识图谱进行反问句匹配；获取反问实体和实体类型结构，结合句式模板库获取反问句式，并生成反问句；基于神经网络分类器构建声音预测模型和表情预测模型获取声音和视觉表情；金融机器人结合反问句式、声音和视觉表情对用户进行反问。

进一步可选地，如上所述的方法中，所述对用户输入的内容进行场景情况分类主要包括以下步骤：

判断用户输入的内容是否存在歧义，包括对输入内容进行分词，通过歧义消解算法判断用户的提问是否是能够被识别，当歧义消解算法判定输入内容中存在歧义，则进一步判断是否歧义两者的概率，当其中歧义的两种分词结果，一方大于另一方超过一定阈值，则无需提问，反之，需要对用户进行提问；