信息查询方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种信息查询方法、装置、计算机设备和存储介质。该方法包括：展示包括用户特征关联问题和相应候选答案的信息查询界面；当获取到从候选答案中选定的目标答案、且目标答案指向决策树中的非叶子节点时，展示与目标答案在决策树中所指向的用户特征节点对应的用户特征关联问题以及相应的候选答案；当目标答案指向决策树中的叶子节点时，展示与指向的叶子节点所对应的用户状态相应的建议信息。采用本方法能够提高查询效率。

【技术实现步骤摘要】
信息查询方法、装置、计算机设备和存储介质
本申请涉及人工智能
，具体涉及自然语言处理
，特别是涉及一种信息查询方法、装置、计算机设备和存储介质。
技术介绍
随着科学技术的飞速发展，人工智能技术应运而生。人工智能技术凭借其智能性，给人们的日常生活带来了很多的便利。目前有很多场景都会应用人工智能技术来解决问题。然而，仍然有一些场景未能使用到人工智能技术。比如，对于用户查询自身所处状态的场景中，目前尚未通过人工智能技术来进行实现。传统方法中，需要用户自己根据标准化手册或标准指南，来翻看查找，并自行判断自己所处的状态。然而，标准化手册或标准指南，具有复杂的专业术语以及多重逻辑，对于普通人来说很难理解，且操作比较繁琐，导致查询效率比较低。因此，如何使用人工智能技术来实现便捷查询，以提高查询效率是需要解决的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高查询效率的信息查询方法、装置、计算机设备和存储介质。一种信息查询方法，方法包括：展示包括用户特征关联问题和相应候选答案的信息查询本文档来自技高网...

【技术保护点】
1.一种信息查询方法，其特征在于，所述方法包括：/n展示包括用户特征关联问题和相应候选答案的信息查询界面；所述用户特征关联问题，对应于预先构建的决策树中的用户特征节点；所述决策树，是基于知识图谱中的用户特征和用户状态之间的关联关系构建得到；所述决策树中的非叶子节点和叶子节点，分别为用户特征节点和对应于用户状态的节点；/n当获取到从所述候选答案中选定的目标答案、且所述目标答案指向决策树中的非叶子节点时，展示与所述目标答案在所述决策树中所指向的用户特征节点对应的用户特征关联问题以及相应的候选答案；/n当所述目标答案指向所述决策树中的叶子节点时，展示与指向的所述叶子节点所对应的用户状态相应的建议信息...

【技术特征摘要】
1.一种信息查询方法，其特征在于，所述方法包括：
展示包括用户特征关联问题和相应候选答案的信息查询界面；所述用户特征关联问题，对应于预先构建的决策树中的用户特征节点；所述决策树，是基于知识图谱中的用户特征和用户状态之间的关联关系构建得到；所述决策树中的非叶子节点和叶子节点，分别为用户特征节点和对应于用户状态的节点；
当获取到从所述候选答案中选定的目标答案、且所述目标答案指向决策树中的非叶子节点时，展示与所述目标答案在所述决策树中所指向的用户特征节点对应的用户特征关联问题以及相应的候选答案；
当所述目标答案指向所述决策树中的叶子节点时，展示与指向的所述叶子节点所对应的用户状态相应的建议信息。


2.根据权利要求1所述的方法，其特征在于，所述决策树是通过决策树构建步骤得到的；所述决策树构建步骤包括：
获取初始决策树；所述初始决策树中的非叶子节点为初始的用户特征节点，以及叶子节点为对应于用户状态的节点；
获取知识图谱中的用户特征和用户状态之间的关联关系；
根据所述关联关系，对所述初始决策树进行微调，得的最终的决策树。


3.根据权利要求2所述的方法，其特征在于，所述根据所述关联关系，对所述初始决策树进行微调，得的最终的决策树，包括：
针对所述初始决策树中与叶子节点相连接的待调整用户特征节点，从所述知识图谱中，查询所述待调整用户特征节点所对应的关联权重；所述关联权重，是所述待调整用户特征节点所对应的用户特征，与相连接的叶子节点所对应的用户状态之间的关联权重；
当所述关联权重小于或等于预设权重阈值时，则断开所述待调整用户特征节点和所述叶子节点之间的连接；
重新确定所述待调整用户特征节点所指向的节点、以及断开连接的所述叶子节点所待连接的用户特征节点，得的最终的决策树。


4.根据权利要求2所述的方法，其特征在于，所述初始决策树是通过初始决策树训练步骤得到的，所述初始决策树训练步骤包括：
获取包括至少两组的样本用户信息的训练集；同一组样本用户信息中包括用户状态和预设用户特征下的用户特征值；
将所述训练集输入至待训练的决策树中进行迭代训练，并在每轮迭代中，寻找本轮待切分的预设用户特征，以及所述待切分的预设用户特征对应的目标切分点，直至满足迭代停止条件，生成初始决策树；其中，所述目标切分点，是使本轮迭代的切分损失最小的用户特征值。


5.根据权利要求4所述的方法，其特征在于，所述获取包括至少两组的样本用户信息的训练集，包括：
对标准指南信息进行逻辑拆解转换处理，得到转换后的信息；
根据所述转换后的信息，确定预设用户特征；
从预设的第一集合中，获取用户状态以及在所述预设用户特征下的用户特征值；
将同一用户对应的用户状态及所述预设用户特征下的用户特征值，作为一组样本用户信息，得到训练集。


6.根据权利要求1所述的方法，其特征在于，所述知识图谱中的顶点包括用户特征和用户状态所分别对应的顶点；所述知识图谱中的边，建立于具有关联关系的用户特征和用户状态所对应的顶点之间；
所述知识图谱中的用户特征和用户状态之间的关联关系，通过关联关系确定步骤得到；所述关联关系确定步骤包括：
将所述知识图谱中的顶点进行向量化表示，得到各顶点所对应的顶点向量；
针对同一条边上的顶点，确定所述顶点各自对应的顶点向量之间的相似度，得到所述顶点所对应的用户特征和用户状态之间的关联权重。


7.根据权利要求6所述的方法，其特征在于，所述将所述知识图谱中的顶点进行向量化表示，得到各顶点所对应的顶点向量包括：
通过在所述知识图谱中随机游走，得到顶点序列；同一所述顶点序列中包括起始顶点和随机游走所经历的顶点；
在每轮迭代中，将所述顶点序列中的起始顶点，输入至当前轮的顶点向量表示模型中，输出起始顶点的顶点向量；
根据所述顶点向量，确定所述顶点序列中出现在所述起始顶点的预设窗口范围内的顶点的出现概率；
根据所述出现概率，确定当前轮的损失值，并根据所述损失值，调整所述当前轮的顶点向量表示模型的模型参数，并将下一轮作为当前轮进行迭代处理，直至满足训练停止条件，得到最终的顶点向量表示模型；
根据最终的顶点向量表示模型，确定所述知识图谱中各顶点的顶点向量。


8.根据权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：孙继超，于苗苗，陈曦，郑冶枫，赵博，高文龙，赖盛章，赵静，文瑞，张子恒，刘博，向玥佳，郇文静，
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