智能问答方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种智能问答方法、装置、计算机设备及存储介质。本发明专利技术应用于预测模型中的神经网络领域。所述方法包括：采用预设方式收集语料作为目标文本；对所述目标文本进行预处理并通过词向量工具对进行预处理后的目标文本进行转换以得到词向量；构建以编码解码为框架的问答模型，将所述词向量作为所述问答模型的输入并以循环迭代的方式对所述问答模型进行训练；若检测到问题的输入，通过训练后的问答模型对所述问题的答案进行预测并输出预测结果。通过实施本发明专利技术实施例的方法可充分考虑问答的上下文，提高问答精度，节省人力资源且改善用户体验。

【技术实现步骤摘要】
智能问答方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种智能问答方法、装置、计算机设备及存储介质。
技术介绍
随着科技与经济的发展，保险行业的规模已非常宏大，各式各样的保险广泛地出现在人们的生活当中。用户在发生保险事故面对理赔时，通常通过电话联系保险公司进行处理，而保险公司需要设置相应的坐席来处理用户打来的电话，在每日上万个理赔报案的情况下，且每个理赔案件处理还需要多次电话沟通，人力成本的耗费巨大。目前，保险公司采用通过设置客服机器人来回答用户的一些简单问题来分担坐席的案件处理，面对客户的提问，客服机器人通常只是通过配置关键字来返回固定的文字回答提问，没有考虑到上下文的结合，也没有识别到用户的真实情绪，而只是机械式的回答，用户体验较差。
技术实现思路
本专利技术实施例提供了一种智能问答方法、装置、计算机设备及存储介质，旨在解决现有客服机器人面对提问回答机械而导致用户体验较差的问题。第一方面，本专利技术实施例提供了一种智能问答方法，其包括：采用预设方式收集语料作为目标文本；对所述目标文本进行预处理并通过词向量工具对进行预处理后的目标文本进行转换以得到词向量；构建以编码解码为框架的问答模型，将所述词向量作为所述问答模型的输入并以循环迭代的方式对所述问答模型进行训练；若检测到问题的输入，通过训练后的问答模型对所述问题的答案进行预测并输出预测结果。第二方面，本专利技术实施例还提供了一种智能问答装置，其包括：收集单元，用于采用预设方式收集语料作为目标文本；预处理单元，用于对所述目标文本进行预处理并通过词向量工具对进行预处理后的目标文本进行转换以得到词向量；构建单元，用于构建以编码解码为框架的问答模型，将所述词向量作为所述问答模型的输入并以循环迭代的方式对所述问答模型进行训练；预测单元，用于若检测到问题的输入，通过训练后的问答模型对所述问题的答案进行预测并输出预测结果。第三方面，本专利技术实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。本专利技术实施例提供了一种智能问答方法、装置、计算机设备及存储介质。其中，所述方法包括：采用预设方式收集语料作为目标文本；对所述目标文本进行预处理并通过词向量工具对进行预处理后的目标文本进行转换以得到词向量；构建以编码解码为框架的问答模型，将所述词向量作为所述问答模型的输入并以循环迭代的方式对所述问答模型进行训练；若检测到问题的输入，通过训练后的问答模型对所述问题的答案进行预测并输出预测结果。本专利技术实施例由于构件问答模型对问题进行预测得到答案，可充分考虑问答的上下文，提高问答精度，节省人力资源且改善用户体验。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的智能问答方法的应用场景示意图；图2为本专利技术实施例提供的智能问答方法的流程示意图；图3为本专利技术实施例提供的智能问答方法的子流程示意图；图4为本专利技术另一实施例提供的智能问答方法的流程示意图；图5为本专利技术实施例提供的智能问答方法的子流程示意图；图6为本专利技术实施例提供的智能问答方法的子流程示意图；图7为本专利技术实施例提供的智能问答装置的示意性框图；图8为本专利技术实施例提供的智能问答装置的具体单元的示意性框图；图9为本专利技术另一实施例提供的智能问答装置的示意性框图；以及图10为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1和图2，图1为本专利技术实施例提供的智能问答方法的应用场景示意图。图2为本专利技术实施例提供的智能问答方法的示意性流程图。该智能问答方法应用于终端10中，通过终端10与服务器20之间交互实现。该方法具体应用在智能理赔客服机器人中，用户在对关于理赔案件产生疑问时，向智能理赔客服机器人提出问题，通过智能理赔客服机器人实现与用户的问答对话图2是本专利技术实施例提供的智能问答方法的流程示意图。如图所示，该方法包括以下步骤S110-140。S110、采用预设方式收集语料作为目标文本。在一实施例中，为了训练智能理赔客服机器人，首先需要收集各种语料作为训练数据，其中，语料的收集主要包括两种预设方式，一种是线上的方式，即从从网页中收集语料，另一种是线下的方式，即从保险公司理赔案件中的实际通话中获取。在一实施例中，如图3所示，所述步骤S110可包括步骤S111a-S112a。S111a、通过网络爬虫的方式获取目标网页。在一实施例中，网络爬虫指的是一种按照一定的规则，自动地抓取万维网信息的程序，其主要包括采集、存储以及处理三个部分，具体地，首先选择具有代表性的网页的URL作为初始URL开始从服务器中抓取数据，例如，平安保险、中国人寿以及太平洋保险等官网；然后将抓取到的网页存储后进行解析过滤，所抓取到的初始URL中包含有新的URL，解析初始URL对新的URL进行过滤选取与问答相关的URL，例如，FAQ常见问题的URL放入等待抓取的URL队列中，其余不相关的URL放弃；最后在待抓取的URL队列中选择下一步要抓取的网页URL，并重复上述过程，直到遍历整个网络时停止。S112a、对所述目标网页进行数据清洗得到目标文本。在一实施例中，在获取到网页内容之后，需要对网页进行进一步的数据清洗，因为爬取到的网页内容中除了文本内容之外还包含有图片、链接等无用的数据。具体地，通过正则表达式将这些无用数据去除，首先预先设定好特定的字符或者字符的组合组成匹配规则，例如，中文、英文标点符号等，通过设定的匹配规则与目标网页中的内容进行匹配，仅留下匹配成功的文本内容，过滤掉匹配不成功的图片和链接，从而得到目标文本。在另一实施例中，如图4所示，所述步骤S110可包括步骤S111A-S112A。S111A、从预设数据库中获取理赔案件的通话录音。在一实施例中，通常保险公司会设置相应的坐席来接通用户的理赔报案电话，所有本文档来自技高网...

【技术保护点】
1.一种智能问答方法，其特征在于，包括：采用预设方式收集语料作为目标文本；对所述目标文本进行预处理并通过词向量工具对进行预处理后的目标文本进行转换以得到词向量；构建以编码解码为框架的问答模型，将所述词向量作为所述问答模型的输入并以循环迭代的方式对所述问答模型进行训练；若检测到问题的输入，通过训练后的问答模型对所述问题的答案进行预测并输出预测结果。

【技术特征摘要】
1.一种智能问答方法，其特征在于，包括：采用预设方式收集语料作为目标文本；对所述目标文本进行预处理并通过词向量工具对进行预处理后的目标文本进行转换以得到词向量；构建以编码解码为框架的问答模型，将所述词向量作为所述问答模型的输入并以循环迭代的方式对所述问答模型进行训练；若检测到问题的输入，通过训练后的问答模型对所述问题的答案进行预测并输出预测结果。2.根据权利要求1所述的智能问答方法，其特征在于，所述采用预设方式收集语料作为目标文本包括：通过网络爬虫的方式获取目标网页；对所述目标网页进行数据清洗得到目标文本。3.根据权利要求1所述的智能问答方法，其特征在于，所述采用预设方式收集语料作为目标文本包括：从预设数据库中获取理赔案件的通话录音；通过语音转换工具将所述通话录音转换成目标文本。4.根据权利要求1所述的智能问答方法，其特征在于，所述对所述目标文本进行预处理并通过词向量工具对进行预处理后的目标文本进行转换以得到词向量，包括：通过分词工具对所述目标文本进行分词；根据词向量工具对所述目标文本中的分词进行向量转换得到词向量。5.根据权利要求1所述的智能问答方法，其特征在于，所述构建以编码解码为框架的问答模型，将所述词向量作为所述问答模型的输入并以循环迭代的方式对所述问答模型进行训练，包括：将循环神经网络作为编码器以及解码器并在所述解码器的解码阶段引入注意力机制构建问答模型；将所述词向量作为所述问答模...

【专利技术属性】
技术研发人员：李静静，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44