基于人工智能的语句应答方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种基于人工智能的语句应答方法、装置、电子设备及存储介质；基于人工智能的语句应答方法包括：获取用户问句，识别所述用户问句中的实体词；根据所述用户问句在语料集中确定目标语料，将所述目标语料的语义确定为所述用户问句的段句粒度语义；确定所述实体词对应的语义属性，并将所述实体词按照所述语义属性对应的递进关系进行排列，得到所述用户问句的字词粒度语义；根据所述段句粒度语义及所述字词粒度语义，确定所述用户问句的输出语义；根据所述输出语义在设定的知识图谱中进行查询，得到语义结果；根据所述语义结果生成应答语句。通过本发明专利技术的双粒度机制，能够提升语义泛化能力，提升对不同用户问句的适用性，实现正确应答。

Statement response method, device and electronic equipment based on Artificial Intelligence

The invention provides a statement response method, device, electronic device and storage medium based on artificial intelligence. The statement response method based on artificial intelligence includes: acquiring user questions, identifying entity words in the user questions; determining the target corpus in the corpus set according to the user questions, and determining the semantics of the target corpus as the segment granularity of the user questions Semantics; determining the semantic attribute corresponding to the entity word and arranging the entity word according to the progressive relationship corresponding to the semantic attribute to obtain the word granularity semantics of the user question; determining the output semantics of the user question according to the segment granularity semantics and the word granularity semantics; querying in the set knowledge map according to the output semantics And a semantic result is obtained, and an answer statement is generated according to the semantic result. Through the double granularity mechanism of the invention, the semantic generalization ability can be improved, the applicability to different user questions can be improved, and the correct response can be realized.

【技术实现步骤摘要】
基于人工智能的语句应答方法、装置及电子设备
本专利技术涉及人工智能技术，尤其涉及一种基于人工智能的语句应答方法、装置、电子设备及存储介质。
技术介绍
人工智能(AI，ArtificialIntelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。自然语言处理(NLP，NatureLanguageProcessing)是人工智能的一个重要方向，它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，是一门融语言学、计算机科学、数学于一体的科学。语句应答是自然语言处理的重要分支，具体指将用户问句转化为计算机可以理解的逻辑形式，并根据已存储的信息进行应答的过程。在相关技术提供的方案中，通常是通过大量的高质量语料训练分类模型，然后通过分类模型对用户问句进行语义解析，根据语义解析的结果进行应答。但是，对于含有噪声或者较为复杂的用户问句，通过分类模型难以解析其中的核心语义，容易出现无法应答，或应答语句与用户问句不对应的情况。综上，相关技术提供的方案对不同用户问句的适用性差，应答的正确率低。
技术实现思路
本专利技术实施例提供一种基于人工智能的语句应答方法、装置、电子设备及存储介质，能够提升对不同用户问句的适用性，提升应答的正确率。本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供一种基于人工智能的语句应答方法，包括：获取用户问句，识别所述用户问句中的实体词；根据所述用户问句在语料集中确定目标语料，将所述目标语料的语义确定为所述用户问句的段句粒度语义；确定所述实体词对应的语义属性，并将所述实体词按照所述语义属性对应的递进关系进行排列，得到所述用户问句的字词粒度语义；根据所述段句粒度语义及所述字词粒度语义，确定所述用户问句的输出语义；根据所述输出语义在设定的知识图谱中进行查询，得到语义结果；根据所述语义结果生成应答语句。在上述方案中，所述识别所述用户问句中的实体词，包括：通过命名实体识别模型对所述用户问句进行实体识别，得到第一识别结果；根据设定词库对所述用户问句进行字符串匹配，得到第二识别结果；对所述第一识别结果和所述第二识别结果进行合并及去重，得到实体词。在上述方案中，所述根据所述输出语义在设定的知识图谱中进行查询，得到语义结果，包括：当所述输出语义对应至少两个所述语义属性时，根据所述语义属性在所述输出语义中的顺序，在知识图谱中依次查询，得到与各所述语义属性一一对应的属性结果；将各所述属性结果组合为语义结果。在上述方案中，所述获取用户问句，包括：获取用户语音；对所述用户语音进行语音识别，得到用户问句。在上述方案中，还包括：识别所述语料集包括的各语料内的设定符号，并删除所述设定符号；将所述语料内的字母全部转换为大写或小写；将所述语料内的汉字全部转换为繁体字或简体字。本专利技术实施例提供一种基于人工智能的语句应答装置，包括：识别模块，用于获取用户问句，识别所述用户问句中的实体词；段句粒度处理模块，用于根据所述用户问句在语料集中确定目标语料，将所述目标语料的语义确定为所述用户问句的段句粒度语义；字词粒度处理模块，用于确定所述实体词对应的语义属性，并将所述实体词按照所述语义属性对应的递进关系进行排列，得到所述用户问句的字词粒度语义；语义输出模块，用于根据所述段句粒度语义及所述字词粒度语义，确定所述用户问句的输出语义；结果查询模块，用于根据所述输出语义在设定的知识图谱中进行查询，得到语义结果；语句生成模块，用于根据所述语义结果生成应答语句。在上述方案中，所述识别模块还用于：通过命名实体识别模型对所述用户问句进行实体识别，得到第一识别结果；根据设定词库对所述用户问句进行字符串匹配，得到第二识别结果；对所述第一识别结果和所述第二识别结果进行合并及去重，得到实体词。在上述方案中，所述结果查询模块还用于：当所述输出语义对应至少两个所述语义属性时，根据所述语义属性在所述输出语义中的顺序，在知识图谱中依次查询，得到与各所述语义属性一一对应的属性结果；将各所述属性结果组合为语义结果。在上述方案中，所述识别模块还用于：获取用户语音；对所述用户语音进行语音识别，得到用户问句。在上述方案中，所述基于人工智能的语句应答装置，还包括：删除模块，用于识别所述语料集包括的各语料内的设定符号，并删除所述设定符号；第一转换模块，用于将所述语料内的字母全部转换为大写或小写；第二转换模块，用于将所述语料内的汉字全部转换为繁体字或简体字。本专利技术实施例提供一种电子设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本专利技术实施例提供的基于人工智能的语句应答方法。本专利技术实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现本专利技术实施例提供的基于人工智能的语句应答方法。本专利技术实施例具有以下有益效果：本专利技术实施例对于获取到的用户问句，一方面根据用户问句在语料集中确定目标语料，从而确定段句粒度语义，另一方面根据用户问句中的实体词的语义属性，得到字词粒度语义，综合段句粒度语义和字词粒度语义，最终确定输出语义，并根据输出语义进行应答，通过双粒度的机制，提升了对不同用户问句，包括简单问句及复杂问句的适用性，提升了应答的正确率。附图说明图1是本专利技术实施例提供的基于人工智能的语句应答系统的一个可选的架构示意图；图2是本专利技术实施例提供的服务器的一个可选的结构示意图；图3是本专利技术实施例提供的基于人工智能的语句应答装置的一个可选的结构示意图；图4A是本专利技术实施例提供的基于人工智能的语句应答方法的一个可选的流程示意图；图4B是本专利技术实施例提供的基于人工智能的语句应答方法的另一个可选的流程示意图；图5是本专利技术实施例提供的BERT模型的一个可选的结构示意图；图6是本专利技术实施例提供的语句应答的一个可选的流程示意图；图7是本专利技术实施例提供的相关技术提供的语句问答方案的流程示意图；图8是本专利技术实施例提供的基于人工智能的语句应答方法的另一个流程示意图；图9是本专利技术实施例提供的应答场景的一个对比示意图；图10是本专利技术实施例提供的应答场景的另一个对比示意图；图11是本专利技术实施例提供的复杂问句的应答场景的一个示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，所描述的实施例不应视为对本专利技术的限制，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它实施例，都属于本专利技术保护的范围。在以下的描本文档来自技高网...

【技术保护点】
1.一种基于人工智能的语句应答方法，其特征在于，包括：/n获取用户问句，识别所述用户问句中的实体词；/n根据所述用户问句在语料集中确定目标语料，将所述目标语料的语义确定为所述用户问句的段句粒度语义；/n确定所述实体词对应的语义属性，并将所述实体词按照所述语义属性对应的递进关系进行排列，得到所述用户问句的字词粒度语义；/n根据所述段句粒度语义及所述字词粒度语义，确定所述用户问句的输出语义；/n根据所述输出语义在设定的知识图谱中进行查询，得到语义结果；/n根据所述语义结果生成应答语句。/n

【技术特征摘要】
1.一种基于人工智能的语句应答方法，其特征在于，包括：
获取用户问句，识别所述用户问句中的实体词；
根据所述用户问句在语料集中确定目标语料，将所述目标语料的语义确定为所述用户问句的段句粒度语义；
确定所述实体词对应的语义属性，并将所述实体词按照所述语义属性对应的递进关系进行排列，得到所述用户问句的字词粒度语义；
根据所述段句粒度语义及所述字词粒度语义，确定所述用户问句的输出语义；
根据所述输出语义在设定的知识图谱中进行查询，得到语义结果；
根据所述语义结果生成应答语句。


2.根据权利要求1所述的语句应答方法，其特征在于，所述根据所述用户问句在语料集中确定目标语料，将所述目标语料的语义确定为所述用户问句的段句粒度语义，包括：
根据所述用户问句在语料集中确定候选语料；
确定所述用户问句与所述候选语料之间的语句相似度；
当所述语句相似度超过第一相似度阈值时，将所述候选语料确定为目标语料，将所述目标语料的语义确定为所述用户问句的段句粒度语义；
当所有所述候选语料的所述语句相似度均未超过所述第一相似度阈值时，确定所述目标语料及所述段句粒度语义为空。


3.根据权利要求2所述的语句应答方法，其特征在于，所述根据所述用户问句在语料集中确定候选语料，包括：
确定所述实体词的语法属性，并将所述用户问句中语法属性为主语的所述实体词替换为指代词；
在所述语料集中查询与替换后的所述用户问句相关的语料，并确定所述语料与替换后的所述用户语句之间的相关度；
将与替换后的所述用户语句的相关度满足相关度条件的语料，确定为候选语料。


4.根据权利要求2所述的语句应答方法，其特征在于，所述确定所述用户问句与所述候选语料之间的语句相似度，包括：
通过神经网络模型确定所述用户问句与所述候选语料之间的第一相似度；
通过极端梯度提升模型确定所述用户问句与所述候选语料之间的第二相似度；
根据所述第一相似度及所述第二相似度，确定所述用户问句与所述候选语料之间的语句相似度。


5.根据权利要求1所述的语句应答方法，其特征在于，所述确定所述实体词对应的语义属性之前，还包括：
确定所述实体词的语法属性；
根据设定的语法模板对所述实体词的语法属性进行校验；
当存在不符合所...

【专利技术属性】
技术研发人员：张倩汶，饶孟良，闫昭，曹云波，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44