知识库中问答结果生成方法及装置制造方法及图纸

本发明专利技术提供了一种知识库中问答结果生成方法及装置，涉及数据处理技术领域，该方法包括：获取第一问答结果和第二问答结果；第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；第二问答结果根据用户输入信息利用知识图谱生成；根据第一问答结果和第二问答结果，利用神经网络模型生成目标问答结果；神经网络模型的参数通过遗传算法确定。本发明专利技术能够在通过文本相似度得到的第一问答结果，和通过知识图谱推理得到的第二问答结果中，利用神经网络确定目标问答结果，从而能够优化问答结果的精确度和生成速度，提升用户的使用体验。

【技术实现步骤摘要】
知识库中问答结果生成方法及装置
本专利技术涉及数据处理
，尤其是涉及一种知识库中问答结果生成方法及装置。
技术介绍
客服领域的知识库是银行对外提供服务的应答口径。知识问答是指用户向客服系统提问，客服系统基于知识库，根据用户提问内容，生成与提问内容对应的结果的过程。随着知识的不断扩充，知识问答结果的精准度可能会下降，并且需要较长的时间才能精确命中正确答案，严重影响用户的使用体验。
技术实现思路
本专利技术提供了一种知识库中问答结果生成方法及装置，可以优化知识问答结果的精准度和生成速度，从而提升用户的使用体验。第一方面，本专利技术实施例提供了一种知识库中问答结果生成方法，该方法包括：获取第一问答结果和第二问答结果；所述第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；所述第二问答结果根据所述用户输入信息利用知识图谱生成；根据所述第一问答结果和所述第二问答结果，利用神经网络模型生成目标问答结果；所述神经网络模型的模型参数通过遗传算法确定。第二方面，本专利技术实施例还提供一种知识库中问答结果生成装置，该装置包括：获取模块，用于获取第一问答结果和第二问答结果；所述第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；所述第二问答结果根据所述用户输入信息利用知识图谱生成；问答模块，用于根据所述第一问答结果和所述第二问答结果，利用神经网络模型生成目标问答结果；所述神经网络模型的模型参数通过遗传算法确定。第三方面，本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在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上述知识库中问答结果生成方法。第四方面，本专利技术实施例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存储有执行上述知识库中问答结果生成方法的计算机程序。本专利技术实施例带来了以下有益效果：本专利技术实施例提供了一种知识库中问答结果生成方案，该方案首先获取第一问答结果和第二问答结果，其中，第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；第二问答结果根据用户输入信息利用知识图谱生成，将该第一问答结果和第二问答结果作为神经网络模型的输入，通过该神经网络模型生成目标问答结果，该神经网络模型的模型参数通过遗传算法确定。本专利技术实施例能够在通过文本相似度得到的第一问答结果，和通过知识图谱推理得到的第二问答结果中，利用神经网络确定目标问答结果，从而能够优化问答结果的精确度和生成速度，提升用户的使用体验。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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专利技术的一些实施方式，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为本专利技术实施例提供的知识库中问答结果生成方法流程图；图2为本专利技术实施例提供的知识库中问答结果生成方法实施流程示意图；图3为本专利技术实施例提供的一种知识库中问答结果生成装置结构框图；图4为本专利技术实施例提供的另一种知识库中问答结果生成装置结构框图；图5为本专利技术实施例提供的计算机设备结构框图。具体实施方式为使本专利技术实施例的目的、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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。目前，现有知识库大部分是基于文本相似度，不能利用本体知识进行推理，其生成的问答结果相关度、正确度及精炼度均有待提高，影响客户的使用体验。基于此，本专利技术实施例提供的一种知识库中问答结果生成方法及装置，该方法能够在文本相似度的基础上，引入银行业务知识图谱的推理，兼容问答质量评估指标相关度、正确度、精炼度、完备度、简单度、合理度等，综合二者的优势，为客户提供越来越精确、越来越聪明的服务。为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种知识库中问答结果生成方法进行详细介绍。本专利技术实施例提供了一种知识库中问答结果生成方法，参见图1所示的一种知识库中问答结果生成方法流程图，该方法包括以下步骤：步骤S102，获取第一问答结果和第二问答结果。在本专利技术实施例中，第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；第二问答结果根据用户输入信息利用知识图谱生成。需要说明的是，生成第一问答结果和第二问答结果之前，需要对用户初始提供的问题信息进行标准化字符处理，如拼音识别、中英文识别、字符过滤等操作，保证输入的正确性，降低对搜索精度的影响。之后，对处理后的字符串进行语法分析包括句法分析、词法分析、依存句法树构建、分词等处理，将标准化处理及语法分析处理后的用户问题数据，作为用户输入信息。步骤S104，根据第一问答结果和第二问答结果，利用神经网络模型生成目标问答结果。在本专利技术实施例中，将第一问答结果和第二问答结果作为神经网络模型的输入，通过神经网络模型计算，得到目标问答结果。目标问答结果是对应用户输入信息的搜索结果。神经网络模型的模型参数通过遗传算法确定。参见图2所示的知识库中问答结果生成方法实施流程示意图，本专利技术实施例对全文检索的m个第一问答结果和知识推理的n个第二问答结果进行优化，可构建三层深度神经网络模型，针对上述两种结果进行优化，从m+n个结果中挑选出k个结果，作为目标问答结果。需要说明的是，根据kolmogorov(柯尔莫哥洛夫)原理，一个三层BP神经网络(BackPropagationNeuralNetwork)足以完成任意的p维到q维的映射。本专利技术实施例提供了一种知识库中问答结果生成方案，该方案首先获取第一问答结果和第二问答结果，其中，第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；第二问答结果根据用户输入信息利用知识图谱生成，将该第一问答结果和第二问答结果作为神经网络模型的输入，通过该神经网络模型生成目标问答结果，该神经网络模型的模型参数通过遗传算法确定。本专利技术实施例能够在通过文本相似度得到的第一问答结果，和通过知识图谱推理得到的第二问答结果中，利用神经网络确定目标问答结果，从而能够优化问答结果的精确度和生成速度，提升用户的使用体验。为了提升目标问答结果的相关度、正确度、精炼度、完备度、简单度以及合理度，获取第一问答结果和第二问答结果之前，还可以执行如下步骤。利用信息检索算法计算用户输入信息与知识库的文本相似度；本文档来自技高网...

【技术保护点】
1.一种知识库中问答结果生成方法，其特征在于，包括：/n获取第一问答结果和第二问答结果；所述第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；所述第二问答结果根据所述用户输入信息利用知识图谱生成；/n根据所述第一问答结果和所述第二问答结果，利用神经网络模型生成目标问答结果；所述神经网络模型的模型参数通过遗传算法确定。/n

【技术特征摘要】
1.一种知识库中问答结果生成方法，其特征在于，包括：
获取第一问答结果和第二问答结果；所述第一问答结果通过计算用户输入信息与知识库的文本相似度计算得到；所述第二问答结果根据所述用户输入信息利用知识图谱生成；
根据所述第一问答结果和所述第二问答结果，利用神经网络模型生成目标问答结果；所述神经网络模型的模型参数通过遗传算法确定。


2.根据权利要求1所述的方法，其特征在于，获取第一问答结果和第二问答结果之前，还包括：
利用信息检索算法计算用户输入信息与知识库的文本相似度；
按照所述文本相似度对待选结果排序，并根据排序结果确定第一问答结果；
识别所述用户输入信息中的本体数据和实体关系数据；
利用所述本体数据和所述实体关系数据，对知识图谱进行检索，得到第二问答结果。


3.根据权利要求1所述的方法，其特征在于，利用神经网络模型生成目标问答结果之前还包括：
获取目标时间段内知识库问答数据；
根据所述目标时间段内知识库问答数据训练目标神经网络，得到神经网络模型。


4.根据权利要求3所述的方法，其特征在于，根据所述目标时间段内知识库问答数据训练目标神经网络之前，还包括：
利用遗传算法生成模型参数；
根据所述模型参数，确定神经网络模型。


5.一种知识库中问答结果生成装置，其特征在于，包括：
获取模块，用于获取第一问答结果和第二问答结果；所述第一问答结...

【专利技术属性】
技术研发人员：申亚坤，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11