问答应用中相似问题确定方法、装置、电子设备制造方法及图纸

本申请公开了一种问答应用中相似问题确定方法，属于计算机技术领域，有助于提升确定相似问题的准确度。本申请实施例公开的多领域问答应用中相似问题确定方法包括：获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征映射和处理，确定所述扩展问题与所述用户问题的相似概率；根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题。本申请通过结合领域信息和问题描述信息进行相似问题识别，可以有效提升各领域的相似问题的识别准确度。

【技术实现步骤摘要】
问答应用中相似问题确定方法、装置、电子设备
本申请实施例涉及计算机
，特别是涉及一种问答应用中相似问题确定方法、装置、电子设备及计算机可读存储介质。
技术介绍
智能问答系统是一种对用户提问进行自动回复的人工智能系统，其主要目的在于，对用户提出的问题进行精准地回答。现有技术中，智能问答系统通常依据FAQ(FrequentlyAskedQuestion，高频问题)库来构建智能问答系统。FAQ库通常由标准问答对组成，每一个标准问答对关联一些拓展问题，这些拓展问题与标准问题具有相同的语义。智能问答系统通过对比用户问题与拓展问题之间的语义相似度，进而将与用户问题最为相似的拓展问题所对应的标准问题的答案返回给用户，从而实现对用户问题的自动应答。现有技术中的智能问答系统对于单个领域中问题的应答具有较高的准确度，然而，由于文本语义相似的问题在不同领域可能具有不同的含义，现有技术中确定相似问题的方法对于服务多领域的智能问答系统来说，应答准确率有待提高。可见，现有技术中多领域问答应用中相似问题的确定方法还有待改进。
技术实现思路
本申请实施例提供一种问答应用中相似问题确定方法，有助于提升确定相似问题的准确度。为了解决上述问题，第一方面，本申请实施例提供了一种问答应用中相似问题确定方法，包括：获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率；根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题。第二方面，本申请实施例提供了一种问答应用中相似问题确定装置，包括：问题信息及领域信息获取模块，用于获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；扩展问题对相似概率确定模块，用于对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率；相似问题确定模块，用于根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题。第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的问答应用中相似问题确定方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的问答应用中相似问题确定方法的步骤。本申请实施例公开的问答应用中相似问题确定方法，通过获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；然后，对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率；最后，根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题，有助于提升确定相似问题的准确度。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。附图说明为使本申请实施例的目的、技术方案和优点更加清楚，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作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。图1是本申请实施例一的问答应用中相似问题确定方法流程图；图2是本申请实施例一的问答应用中相似问题确定方法中一分类模型结构示意图；图3是本申请实施例一的相似问题确定方法中另一分类模型结构示意图；图4是本申请实施例二的问答应用中相似问题确定装置结构示意图之一；图5是本申请实施例二的问答应用中相似问题确定装置结构示意图之二；图6示意性地示出了用于执行根据本申请的方法的电子设备的框图；以及图7示意性地示出了用于保持或者携带实现根据本申请的方法的程序代码的存储单元。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作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。实施例一本申请实施例公开的一种问答应用中相似问题确定方法，如图1所示，所述方法包括：步骤110至步骤130。步骤110，获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息。本申请实施例公开的问答应用中相似问题确定方法可以应用于智能客服、智能对话等应用场景中。为了便于读者理解本申请的方案，本申请实施例中，以相似问题确定方法在智能客服系统中的应用举例说明方法的具体技术方案。例如，用户通过智能客服系统的应用客户端页面、网站页面、微信公众号等客户端页面选择提出问题所涉及的领域，并输入提出的问题。此时，通过应用客户端页面、网站页面、微信公众号等客户端页面可以获取到用户提出的问题，以及该问题涉及的领域。再例如，智能客服系统通过设置相似问题查询接口供预设应用或平台调用，所述相似问题查询接口的调用参数包括：领域标识、用户问题。以外卖应用场景中用户通过外卖点餐客户端提出问题为例，外卖应用客户端获取用户提出的问题，并以问题文本和外卖领域标识为参数，调用所述相似问题查询接口；然后，智能客服系统根据所述相似问题查询接口的调用参数确定用户问题，并根据领域标识进一步确定领域信息。本申请的一些实施例中，智能客服系统会预先存储用户问题可能涉及的各领域的领域信息，或领域标识对应的领域信息，用于在获取到用户提出的问题涉及的领域之后，进一步从存储的领域信息中读取到用户问题针对的领域信息。所述领域信息可以为领域名称，或者能够清晰体现不同领域差别的文本。本申请的一些实施例中，所述智能客服系统会预先存储FAQ(FrequentlyAskedQuestion，高频问题)库，FAQ库通常由标准问答对组成，每一个标准问答对关联多个拓展问题。例如，FAQ库中存储有标准问答对：“退款之后会员红包是否退会—使用抵用券的订单发生退款后，抵用券退回原账户”，以及与该标准问答对关联的多个拓展问题，如：“优惠券退款”、“活动/抵用券相关咨询”。具体实施过程中，通过将用户问题与各拓展问题进行相似度比对，即可确定与用户问题相似度最高的扩展问题，从而确定与用户问题相似的标准问题。因此，可以将FAQ库中的扩展问题作为所述用户问题的扩展问题。步骤120，对于每个所本文档来自技高网...

【技术保护点】
1.一种问答应用中相似问题确定方法，其特征在于，包括：/n获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；/n对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率；/n根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题。/n

【技术特征摘要】
1.一种问答应用中相似问题确定方法，其特征在于，包括：
获取用户问题、所述用户问题的扩展问题，以及所述用户问题针对领域的领域信息；
对于每个所述扩展问题，通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率；
根据每个所述扩展问题与所述用户问题的所述相似概率，确定所述扩展问题作为所述用户问题的相似问题。


2.根据权利要求1所述的方法，其特征在于，所述通过对所述领域信息、所述用户问题和所述扩展问题进行特征融合和映射处理，确定所述扩展问题与所述用户问题的相似概率的步骤，包括：
确定所述领域信息的向量表示，以及，确定所述用户问题与所述扩展问题的相似度向量表示；
通过预先训练的神经网络模型，对所述领域信息的所述向量表示和所述相似度向量表示进行特征融合和映射处理，得到所述扩展问题与所述用户问题的相似概率。


3.根据权利要求2所述的方法，其特征在于，所述确定所述领域信息的向量表示的步骤，包括：
通过预设语言编码模型对所述领域信息进行特征映射，得到所述领域信息的向量表示；或者，
以所述领域信息为索引值，检索预先存储的领域信息-向量表示映射关系表，确定所述领域信息的向量表示。


4.根据权利要求2所述的方法，其特征在于，所述确定所述用户问题与所述扩展问题的相似度向量表示的步骤，包括：
通过预设相似度识别模型确定所述用户问题的第一语义向量表示，以及，确定所述扩展问题的第二语义向量表示；
根据所述第一语义向量表示和所述第二语义向量表示之间的距离，确定所述用户问题与所述扩展问题的相似度向量表示。


5.根据权利要求2所述的方法，其特征在于，所述预先训练的神经网络模型包括多头自注意力机制网络和分类网络，所述通过预先训练的神经网络模型，对所述领域信息的所述向量表示和所述相似度向量表示进行特征融合和映射处理，得到所述扩展问题与所述用户问题的相似概率的步骤，包括：
通过多头注意力机制网络，由所述领域信息的所述向量表示对所述相似度向量表示的多个不同的向量表示子空间进行特征增强和映射，得...

【专利技术属性】
技术研发人员：雷书彧，杨玉树，江会星，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11