问答响应方法、装置、设备及存储介质制造方法及图纸

本申请涉及大数据、区块链和人工智能技术领域，提供一种问答响应方法、装置、设备及存储介质，该方法包括：获取用户输入的问题信息，对所述问题信息进行命名实体识别，以获取所述问题信息中的多个关键实体；基于预设的意图识别模型确定所述问题信息所属的意图类型，并根据所述意图类型选取模型训练策略；根据所述多个关键实体和模型训练策略，执行模型训练操作，得到训练好的问答响应模型；通过所述问答响应模型响应所述问题信息，得到所述问题信息的答案信息。本申请可应用于智慧医疗领域，极大提高了问答响应的准确性。

【技术实现步骤摘要】
问答响应方法、装置、设备及存储介质
本申请涉及大数据、区块链和人工智能中的自然语言处理的
，尤其涉及一种问答响应方法、装置、设备及存储介质。
技术介绍
在大数据及人工智能时代，随着企业在运营等各种环节中的数据爆发性增长，如何科学地从海量的数据中挖掘出关键信息至关重要。例如医疗领域，医院会产生大量的门诊人次数、平均住院日等指标数据，通过合理分析这些指标数据，有利于辅助医院的管理者更高效地进行管理决策。目前的医院大都拥有数据中心及配套的管理决策支持系统，但现有的管理决策支持系统较为简单，主要是通过BI报表对指标数据进行简单分析或预测，或者由数据挖掘专家预置训练好的决策分析模型，以对指标数据进行简单分析或预测。但是，医院管理领域的多个指标数据，不易于直观观察，且影响因素多，通过静态的BI报表或者决策分析模型所能处理的指标数据特征单一、结构固定，作出的分析结果误差较大，也无法就用户提出的各种类型的问题自动作出准确回答和响应。
技术实现思路
本申请的主要目的在于提供一种问答响应方法、装置、设备及存储介质，旨在通过大数据和人工智能相关技术手段实现提高自动问答的准确性的功能，可应用于智慧城市的智慧医疗领域，从而推动智慧城市的建设。第一方面，本申请提供一种问答响应方法，所述问答响应方法包括以下步骤：获取用户输入的问题信息，对所述问题信息进行命名实体识别，以获取所述问题信息中的多个关键实体；基于预设的意图识别模型确定所述问题信息所属的意图类型，并根据所述意图类型选取模型训练策略；根据所述多个关键实体和模型训练策略，执行模型训练操作，得到训练好的问答响应模型；通过所述问答响应模型响应所述问题信息，得到所述问题信息的答案信息。第二方面，本申请还提供一种问答响应装置，所述问答响应装置包括：实体识别模块，用于获取用户输入的问题信息，对所述问题信息进行命名实体识别，以获取所述问题信息中的多个关键实体；意图识别模块，用于基于预设的意图识别模型确定所述问题信息所属的意图类型，并根据所述意图类型选取模型训练策略；模型训练模块，用于根据所述多个关键实体和模型训练策略，执行模型训练操作，得到训练好的问答响应模型；答案响应模块，用于通过所述问答响应模型响应所述问题信息，得到所述问题信息的答案信息。第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的问答响应方法的步骤。第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上所述的问答响应方法的步骤。本申请提供一种问答响应方法、装置、设备及存储介质，本申请通过获取用户输入的问题信息，对问题信息进行命名实体识别，以获取问题信息中的多个关键实体，然后基于预设的意图识别模型确定问题信息所属的意图类型，并根据意图类型选取模型训练策略，再根据多个关键实体和模型训练策略，执行模型训练操作，得到训练好的问答响应模型，最后通过问答响应模型响应问题信息，从而得到问题信息的答案信息。本申请可以有效克服原有的预先设定训练模型、静态决策的多种弊端，通过灵活选取模型训练策略，使训练好的问答响应模型更贴合问题信息，同时响应得到的答案信息是实时生成的，时效性更强，结果更加准确。附图说明为了更清楚地说明本申请实施例技术方案，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申请的一些实施例，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为本申请实施例提供的一种问答响应方法的流程示意图；图2为图1中的问答响应方法的子步骤流程示意图；图3为本申请实施例提供的问答响应结果的示意图；图4为实施本实施例提供的问答响应方法的一场景示意图；图5为本申请实施例提供的一种问答响应装置的示意性框图；图6为图5中的问答响应装置的子装置示意性框图；图7为本申请实施例提供的一种计算机设备的结构示意性框图。本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。本申请实施例提供一种问答响应方法、装置、设备及存储介质。其中，该问答响应方法可应用于终端设备或服务器中，该终端设备可以为手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备；该服务器可以为单台的服务器，也可以为由多台服务器组成的服务器集群。以下以该问答响应方法应用于服务器为例进行解释说明。下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。请参照图1，图1为本申请的实施例提供的一种问答响应方法的流程示意图。如图1所示，该问答响应方法包括步骤S101至步骤S104。步骤S101、获取用户输入的问题信息，对所述问题信息进行命名实体识别，以获取所述问题信息中的多个关键实体。在一实施例中，终端设备显示一输入界面，用户可以通过该问题输入界面输入问题信息。具体地，该问题输入界面包括有输入框和确定按钮，当用户在输入框中输入文字信息，并点击确定按钮时，终端设备获取用户输入的问题信息，并将用户输入的问题信息发送至服务器，以供服务器基于接收的问题信息执行后续操作。其中，该问题输入界面还可以包括有一录音控件，当用户触发该录音控件之后，终端设备采集外界环境的音频信息，并通过语音识别技术将该音频信息转化为文字信息，然后将该文字信息作为问题信息发送至服务器，并由服务器将该问题信息存储至存储器或者云端数据库。可以理解是的，服务器可以直接从存储器或者云端数据库中获取问题信息。示例性地，用户通过控制设备发出问题信息获取指令，服务器在接收到该问题信息获取指令之后，从存储器或者云端数据库中获取问题信息。或者，用户通过控制设备发出问题信息响应请求，该问题信息响应请求携带有问题信息，服务器在接收到该问题信息响应请求之后，直接通过问题信息响应请求获取问题信息，本申请对此不做具体限制。在一实施例中，获取问题信息之后，服务器查询问答历史记录，该问答历史记录登记有历史本文档来自技高网...

【技术保护点】
1.一种问答响应方法，其特征在于，包括：/n获取用户输入的问题信息，对所述问题信息进行命名实体识别，以获取所述问题信息中的多个关键实体；/n基于预设的意图识别模型确定所述问题信息所属的意图类型，并根据所述意图类型选取模型训练策略；/n根据所述多个关键实体和模型训练策略，执行模型训练操作，得到训练好的问答响应模型；/n通过所述问答响应模型响应所述问题信息，得到所述问题信息的答案信息。/n

【技术特征摘要】
1.一种问答响应方法，其特征在于，包括：
获取用户输入的问题信息，对所述问题信息进行命名实体识别，以获取所述问题信息中的多个关键实体；
基于预设的意图识别模型确定所述问题信息所属的意图类型，并根据所述意图类型选取模型训练策略；
根据所述多个关键实体和模型训练策略，执行模型训练操作，得到训练好的问答响应模型；
通过所述问答响应模型响应所述问题信息，得到所述问题信息的答案信息。


2.如利要求1所述的问答响应方法，其特征在于，所述意图类型包括描述类意图、预测类意图和原因类意图中的至少一种。


3.如权利要求2所述的问答响应方法，其特征在于，所述根据所述意图类型选取模型训练策略，包括：
当所述意图类型为预测类意图时，选取第一模型训练策略，所述第一模型训练策略用于训练对所述问题信息进行预测分析的问答响应模型；
当所述意图类型为原因类意图时，选取第二模型训练策略，所述第二模型训练策略用于训练对所述问题信息进行因果分析的问答响应模型。


4.如权利要求1-3中任一项所述的问答响应方法，其特征在于，所述模型训练策略用于确定待训练的问答响应模型和训练样本；所述根据所述多个关键实体和模型训练策略，执行模型训练操作，得到训练好的问答响应模型，包括：
根据所述多个关键实体确定待训练的问答响应模型；
获取样本数据集，并从所述样本数据集中选取训练样本；
根据所述训练样本对所述待训练的问答响应模型进行迭代训练，以获取训练好的问答响应模型。


5.如权利要求4所述的问答响应方法，其特征在于，所述从所述样本数据集中选取训练样本，包括：
确定所述样本数据集中的样本数据的时间颗粒度和/或时间区间；
根据所述样本数据集中的样本数据的时间颗粒度和/或时间区间，从所述样本数据集中选取训练样本。


6.如权利要求4所述的问答响应方法，其特征在于，所述从所述样本数据集中选取训练样本之后，还包括：
获取所述训练样本的多个特征变量，并获取每个所述特征变量的权重值；
按照每个所...

【专利技术属性】
技术研发人员：杨志专，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44