[发明专利]一种基于主动学习的问答方法、系统、设备及介质

权利要求书

1.一种基于主动学习的问答方法，其特征在于，包括以下步骤：

S1：构建基础知识库，所述基础知识库内包括已知问题和已知问题对应的回答；

S2：基于相似度检测模型进行客户问答并构建未解答问题集，所述的未解答问题集包括用户反馈为问题未解答的用户问题；

S3：对未解答问题集中的问题进行类别划分；

S4：获取专家修正信息，基于专家修正信息对对划分好类别的未解答问题集进行类别修正；

S5：基于类别修正结果对相似度检测模型进行优化训练；

S6：获取未解答问题集中每一个类别的对应回答，将问题和对应回答更新到基础知识库中。

2.根据权利要求1所述的一种基于主动学习的问答方法，其特征在于，所述的步骤S2具体包括：

S21：建立文本相似度检测模型；

S22：获取用户待答问题并在基础知识库中通过文本相似度检测模型搜索相似度最高的已知问题的回答作为回答输出；

S23：构建未解答问题集，获取用户反馈，若用户反馈为问题未解答，则将对应问题存入未解答问题集中。

3.根据权利要求1所述的一种基于主动学习的问答方法，其特征在于，所述的步骤S3具体包括：

S31：在未解答问题集中选取第一问题作为第一类别的基准问题；

S32：在未解答问题集中选取待分类问题与所有类别的基准问题逐个进行相似度计算，若所有类别中存在类别的基准问题与待分类问题的相似度大于相似度阈值，则将待分类问题判定为该类别，否则将待分类问题作为新的类别的基准问题；

S33：重复步骤S32直到未解答问题集所有的问题都完成类别划分。

4.根据权利要求1所述的一种基于主动学习的问答方法，其特征在于，所述的专家修正信息包括类型合并指令、类型拆分指令、问题移动指令，

所述的类型合并指令为将未解答问题集中的两个类别及对应的问题合并为一个类型；

所述的类型拆分指令为将未解答问题集中的一个类别及问题分为两个类型及对应的问题；

所述的问题移动指令为将一类别中的一个或多个问题移动到另一类别中。

5.根据权利要求1所述的一种基于主动学习的问答方法，其特征在于，所述的相似度检测模型为基于BERT模型的语义相似度模型。

6.根据权利要求1所述的一种基于主动学习的问答方法，其特征在于，所述的步骤S3还包括：步骤S34：按每个类别中问题的数量对类别进行排序。

7.一种基于主动学习的问答系统，其特征在于，包括基础知识库模块、问答模块、类别划分模块、修正模块、答案补充模块，

所述的基础知识库模块用于构建基础知识库，所述基础知识库内包括已知问题和已知问题对应的回答；

所述的问答模块用于基于相似度检测模型进行客户问答并构建未解答问题集，所述的未解答问题集包括用户反馈为问题未解答的用户问题；

所述的类别划分模块用于对未解答问题集中的问题进行类别划分，获取专家修正信息，基于专家修正信息对对划分好类别的未解答问题集进行类别修正，基于类别修正结果对相似度检测模型进行优化训练；

所述的答案补充模块用于获取未解答问题集中每一个类别的对应回答，将问题和对应回答更新到基础知识库中。

8.根据权利要求7所述的一种基于主动学习的问答系统，其特征在于，所述的问答模块进行用户问答和未解答问题集构建的具体步骤包括：

建立文本相似度检测模型；

获取用户待答问题并在基础知识库中通过文本相似度检测模型搜索相似度最高的已知问题的回答作为回答输出；

构建未解答问题集，获取用户反馈，若用户反馈为问题未解答，则将对应问题存入未解答问题集中。

9.一种基于主动学习的问答设备，其特征在于，包括存储器、处理器和存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述的基于主动学习的问答方法的步骤。

10.一种非易失性计算机存储介质，其特征在于，所述非易失性计算机存储介质存储有可执行程序，所述可执行程序被处理器执行实现权利要求1-6任一项所述的基于主动学习的问答方法的步骤。