自动问答方法及装置制造方法及图纸

本公开涉及人工智能技术领域，具体揭示了一种自动问答方法及装置，包括：构建输入问题的语义向量；根据所述语义向量对所述输入问题进行语义完整性判断；如果所述输入问题的语义不完整，通过语义补充模型从所述输入问题对应的上文语料库中预测得到所述输入问题中的省略词组；根据语义不完整的所述输入问题和所获得的所述省略词组从问答数据库中获取所述输入问题的回复信息。采用深度学习的方法，针对语义不完整的输入问题进行省略词组预测，根据预测得到的省略词组结合输入的问题获取输入问题的回复信息，从而可以提高自动问答的灵活性，提高用户体验。

【技术实现步骤摘要】
自动问答方法及装置
本公开涉及人工智能
，特别涉及一种自动问答方法及装置。
技术介绍
目前，客服机器人只能针对用户提出的语义完整的问题进行解答，而对于一些根据上文内容进行省略的问题，客服机器人则无法处理。例如如下的对话：Client(用户)：车主卡需要什么材料Seat(客服机器人)：车主卡需要xxx材料Client(用户)：年费多少？客服机器人无法根据“年费多少”这一基于上文进行省略的问题获取到对应的答复。现有技术中针对这类问题的一种解决方式是：通过模板提取出当前对话的主题，然后默认把这一主题传递到下一段对话。例如如下的对话：Client(用户)：车主卡需要什么材料？(模板会提取“车主卡”作为主题，并传递下去。)Seat(客服机器人)：车主卡需要xxx材料。Client(用户)：那旅游卡呢？(继承上文的主题“车主卡”，客户问题变成“车主卡那旅游卡呢？”变成了一个句法不通的问题)所以该种方法基于模板和规则，还是比较十分笨拙，能覆盖的场景比较少，难以扩展。因此，如何让客服机器人回答基于上文内容进行省略的问题还有待解决。
技术实现思路
为了解决相关技术中存在的问题，本公开提供了一种自动问本文档来自技高网...

【技术保护点】
1.一种自动问答方法，其特征在于，所述方法包括：构建输入问题的语义向量；根据所述语义向量对所述输入问题进行语义完整性判断；如果所述输入问题的语义不完整，通过语义补充模型从所述输入问题对应的上文语料库中预测得到所述输入问题中的省略词组；根据语义不完整的所述输入问题和所获得的所述省略词组从问答数据库中获取所述输入问题的回复信息。

【技术特征摘要】
1.一种自动问答方法，其特征在于，所述方法包括：构建输入问题的语义向量；根据所述语义向量对所述输入问题进行语义完整性判断；如果所述输入问题的语义不完整，通过语义补充模型从所述输入问题对应的上文语料库中预测得到所述输入问题中的省略词组；根据语义不完整的所述输入问题和所获得的所述省略词组从问答数据库中获取所述输入问题的回复信息。2.根据权利要求1所述的方法，其特征在于，所述构建输入问题的语义向量，包括：对所述输入问题进行分词；根据分词结果对所述输入问题中的词进行词性标注，以确定所述输入问题中的每个词所对应的权重；根据所述输入问题中的词所对应的编码以及所对应的所述权重构建得到所述输入问题的语义向量。3.根据权利要求1所述的方法，其特征在于，所述根据所述语义向量对所述输入问题进行语义完整性判断，包括：利用语义判断模型根据所述语义向量预测得到所述输入问题的语义完整性标签；根据所述语义完整标签判断所述输入问题的语义是否完整。4.根据权利要求1所述的方法，其特征在于，所述通过语义补充模型从所述输入问题对应的上文语料库中预测得到所述输入问题中的省略词组之前，还包括：根据所述输入问题之前的问题语料和回复语料构建所述输入问题对应的上文语料库。5.根据权利要求1所述的方法，其特征在于，所述通过语义补充模型从所述输入问题对应的上文语料库中预测得到所述输入问题中的省略词组，包括：构建所述上文语料库的向量表示；利用所述语义补充模型根据所述语义向量从所述上文语料库的向量表示中预测得到所述输入问题中的省略词组所对应向量；根据所述省略词组所对应向量确定所述省略词组。6.根据权利要求1所述的方法，其特征在于，所述通过语义补充模型...

【专利技术属性】
技术研发人员：许开河，楼星雨，王少军，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44