基于人工智能和云计算的信息应答方法及信息互动平台技术

本申请实施例提供一种基于人工智能和云计算的信息应答方法及信息互动平台，通过从云端配置的应答索引序列中依次查找各应答输入问题，当从应答索引序列中查找到某一应答输入问题时，则可快速响应应答索引对象，直接通过云端更新的问题执行目标应答服务的配置关联操作，大大减少了应答输入问题的配置时间。当从应答索引序列中未查找到某一应答输入问题时，则在应答索引序列的扩展更新序列更新未查找到的该应答输入问题，以更新应答索引序列后从而执行配置关联操作，并且已更新的问题保存在应答索引序列上，待下次应答遇到相同的应答输入问题时可直接执行配置关联操作，可以实现高效地实现目标应答服务的配置关联操作，以便于提高服务配置效率。

【技术实现步骤摘要】
基于人工智能和云计算的信息应答方法及信息互动平台
本申请涉及人工智能
，具体而言，涉及一种基于人工智能和云计算的信息应答方法及信息互动平台。
技术介绍
随着人工智能技术的快速发展，信息互动终端（如智能机器人）开始进入快速增长阶段，通过对信息互动终端的各种用户所需应答服务进行配置，可以满足用户的各种应答交互需求。相关技术中，通常是仅单独针对信息互动终端所请求配置的目标应答服务添加数据集进行本地信息应答，这样当数据集较大的时候会限制于计算处理能力导致配置效率慢，并且不便于统一维护。
技术实现思路
为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于人工智能和云计算的信息应答方法及信息互动平台，获取至少一个应答输入问题及与各应答输入问题对应的目标应答服务，从云端配置的应答索引序列中依次查找各应答输入问题，当从应答索引序列中查找到某一应答输入问题时，则可快速响应应答索引对象，直接通过云端更新的问题执行目标应答服务的配置关联操作，大大减少了应答输入问题的配置时间。当从应答索引序列中未查找到某一应答输入问题时，则在应答索引序列的扩展更新序列更新未查找到的该应答输入问题，以更新应答索引序列，通过更新的应答索引序列、及应答输入问题在应答索引序列中的应答索引对象触发执行配置关联操作，并且，已更新的问题保存在应答索引序列上，待下次应答遇到相同的应答输入问题时可直接执行配置关联操作，这样在不额外针对目标应答服务添加数据集的前提下，可以实现高效地实现目标应答服务的配置关联操作，以便于提高服务配置效率。第一方面，本申请提供一种基于人工智能和云计算的信息应答方法，应用于信息互动平台，所述信息互动平台与多个信息互动终端通信连接，所述方法包括：获取至少一个应答输入问题、及与各应答输入问题分别对应的目标应答服务，从云端配置的应答索引序列中依次查找各所述应答输入问题，其中，所述目标应答服务通过所述信息互动平台请求的云计算服务实现；当从所述应答索引序列中查找到所述应答输入问题时，确定所述应答输入问题在所述应答索引序列中的应答索引对象；当从所述应答索引序列中未查找到所述应答输入问题时，在所述应答索引序列的扩展更新序列更新未查找到的所述应答输入问题，并确定更新的所述应答输入问题在所述应答索引序列中的应答索引对象；在确定各所述应答输入问题分别在所述应答索引序列中的应答索引对象后，根据各应答输入问题的应答索引序列、及各应答输入问题分别在所述应答索引序列中的应答索引对象，将各所述应答输入问题配置关联在相对应的目标应答服务。在第一方面的一种可能的实现方式中，所述获取至少一个应答输入问题、及与各应答输入问题分别对应的目标应答服务，包括：当检测到输入的应答输入问题时，确定各所述应答输入问题分别对应应答业务标识；依据所述应答业务标识确定与各所述应答输入问题分别对应的目标应答服务。在第一方面的一种可能的实现方式中，所述从云端配置的应答索引序列中依次查找各所述应答输入问题，包括：确定与各所述应答输入问题分别对应的问题语义特征和问题场景特征；依据所述问题语义特征和所述问题场景特征，确定与各所述应答输入问题分别对应的应答索引；通过各所述应答输入问题各自对应的应答索引，在云端配置的应答索引序列中依次查找各所述应答输入问题。在第一方面的一种可能的实现方式中，所述当从所述应答索引序列中未查找到所述应答输入问题时，在所述应答索引序列的扩展更新序列更新未查找到的所述应答输入问题，并确定更新的所述应答输入问题在所述应答索引序列中的应答索引对象，包括：当从所述应答索引序列中未查找到所述应答输入问题时，更新与未查找到的所述应答输入问题对应的问题深度学习标注信息；根据所述问题深度学习标注信息，在所述应答索引序列所包括的问题扩展区域的扩展更新序列中，为未查找到的所述应答输入问题分配更新节点；将未查找到的所述应答输入问题更新于所述应答索引序列中所分配的更新节点处，以更新所述应答索引序列；依据所述更新节点，确定更新的所述应答输入问题在更新后的应答索引序列中的应答索引对象。在第一方面的一种可能的实现方式中，所述方法还包括：确定与各所述应答输入问题分别对应的问题频繁次数信息；所述在确定各所述应答输入问题分别在所述应答索引序列中的应答索引对象后，根据各应答输入问题的应答索引序列、及各应答输入问题分别在所述应答索引序列中的应答索引对象，触发将各所述应答输入问题配置关联在相对应的目标应答服务，包括：在确定各所述应答输入问题分别在所述应答索引序列中的应答索引对象后，根据包括各应答输入问题的应答索引序列、及各应答输入问题分别在所述应答索引序列中的应答索引对象，按各所述应答输入问题分别对应的问题频繁次数信息，将各所述应答输入问题配置关联在相对应的目标应答服务。在第一方面的一种可能的实现方式中，所述更新与未查找到的所述应答输入问题对应的问题深度学习标注信息的步骤，包括：将未查找到的所述应答输入问题输入到问题深度学习标注网络中，获得所述应答输入问题对应的问题深度学习标注信息并进行更新，其中，所述问题深度学习标注信息包括所述应答输入问题的问题分类特征信息以及问题应答特征信息；其中，所述问题深度学习标注网络通过以下方式配置获得：获取用于训练问题深度学习标注网络的标定应答问题数据，所述标定应答问题数据中至少包括应答问题和应答问题的目标问题标注信息；确定标定应答问题数据的标定数据向量分布以及纠偏数据向量分布，所述纠偏数据向量分布是将所述标定应答问题的语义拆分应答特征分量进行纠偏后形成的，所述标定数据向量分布和所述纠偏数据向量分布的特征标签相同；将所述标定数据向量分布以及所述纠偏数据向量分布进行特征聚合，得到聚合标定特征，并确定所述聚合标定特征的预测问题标注信息；基于目标问题标注信息以及所述预测问题标注信息确定差异函数值，基于所述差异函数值调整所述问题深度学习标注网络的网络权重信息并继续迭代训练，直至满足迭代停止条件时结束训练，所述目标问题标注信息用于表征所述标定应答问题数据中所述应答问题为每个不同问题标注信息下的置信度；其中，训练得到的所述问题深度学习标注网络用于对未查找到的所述应答输入问题进行标注信息分类；其中，所述纠偏数据向量分布通过以下方式获得：将所述标定应答问题数据进行问题语义拆分，得到多个语义拆分问题数据，确定每个所述语义拆分问题数据向量分布的影响权重；对所有的影响权重进行排序，得到排序结果，按照所述排序结果的排序特征，对所述多个语义拆分问题数据向量分布进行纠偏，得到由多个所述语义拆分问题数据构成的纠偏标定应答问题数据；将所述纠偏标定应答问题数据输入至所述问题深度学习标注网络中进行特征提取，得到所述纠偏数据向量分布，所述纠偏数据向量分布中包括多个语义拆分问题数据向量分布。在第一方面的一种可能的实现方式中，所述将所述标定数据向量分布以及所述纠偏本文档来自技高网...

【技术保护点】
1.一种基于人工智能和云计算的信息应答方法，其特征在于，应用于信息互动平台，所述信息互动平台与多个信息互动终端通信连接，所述方法包括：/n获取至少一个应答输入问题、及与各应答输入问题分别对应的目标应答服务，从云端配置的应答索引序列中依次查找各所述应答输入问题，其中，所述目标应答服务通过所述信息互动平台请求的云计算服务实现；/n当从所述应答索引序列中查找到所述应答输入问题时，确定所述应答输入问题在所述应答索引序列中的应答索引对象；/n当从所述应答索引序列中未查找到所述应答输入问题时，在所述应答索引序列的扩展更新序列更新未查找到的所述应答输入问题，并确定更新的所述应答输入问题在所述应答索引序列中的应答索引对象；/n在确定各所述应答输入问题分别在所述应答索引序列中的应答索引对象后，根据各应答输入问题的应答索引序列、及各应答输入问题分别在所述应答索引序列中的应答索引对象，将各所述应答输入问题配置关联在相对应的目标应答服务。/n

【技术特征摘要】
1.一种基于人工智能和云计算的信息应答方法，其特征在于，应用于信息互动平台，所述信息互动平台与多个信息互动终端通信连接，所述方法包括：
获取至少一个应答输入问题、及与各应答输入问题分别对应的目标应答服务，从云端配置的应答索引序列中依次查找各所述应答输入问题，其中，所述目标应答服务通过所述信息互动平台请求的云计算服务实现；
当从所述应答索引序列中查找到所述应答输入问题时，确定所述应答输入问题在所述应答索引序列中的应答索引对象；
当从所述应答索引序列中未查找到所述应答输入问题时，在所述应答索引序列的扩展更新序列更新未查找到的所述应答输入问题，并确定更新的所述应答输入问题在所述应答索引序列中的应答索引对象；
在确定各所述应答输入问题分别在所述应答索引序列中的应答索引对象后，根据各应答输入问题的应答索引序列、及各应答输入问题分别在所述应答索引序列中的应答索引对象，将各所述应答输入问题配置关联在相对应的目标应答服务。


2.根据权利要求1所述的基于人工智能和云计算的信息应答方法，其特征在于，所述获取至少一个应答输入问题、及与各应答输入问题分别对应的目标应答服务，包括：
当检测到输入的应答输入问题时，确定各所述应答输入问题分别对应应答业务标识；
依据所述应答业务标识确定与各所述应答输入问题分别对应的目标应答服务。


3.根据权利要求1所述的基于人工智能和云计算的信息应答方法，其特征在于，所述从云端配置的应答索引序列中依次查找各所述应答输入问题，包括：
确定与各所述应答输入问题分别对应的问题语义特征和问题场景特征；
依据所述问题语义特征和所述问题场景特征，确定与各所述应答输入问题分别对应的应答索引；
通过各所述应答输入问题各自对应的应答索引，在云端配置的应答索引序列中依次查找各所述应答输入问题。


4.根据权利要求1所述的基于人工智能和云计算的信息应答方法，其特征在于，所述当从所述应答索引序列中未查找到所述应答输入问题时，在所述应答索引序列的扩展更新序列更新未查找到的所述应答输入问题，并确定更新的所述应答输入问题在所述应答索引序列中的应答索引对象，包括：
当从所述应答索引序列中未查找到所述应答输入问题时，更新与未查找到的所述应答输入问题对应的问题深度学习标注信息；
根据所述问题深度学习标注信息，在所述应答索引序列所包括的问题扩展区域的扩展更新序列中，为未查找到的所述应答输入问题分配更新节点；
将未查找到的所述应答输入问题更新于所述应答索引序列中所分配的更新节点处，以更新所述应答索引序列；
依据所述更新节点，确定更新的所述应答输入问题在更新后的应答索引序列中的应答索引对象。


5.根据权利要求1所述的基于人工智能和云计算的信息应答方法，其特征在于，所述方法还包括：
确定与各所述应答输入问题分别对应的问题频繁次数信息；
所述在确定各所述应答输入问题分别在所述应答索引序列中的应答索引对象后，根据各应答输入问题的应答索引序列、及各应答输入问题分别在所述应答索引序列中的应答索引对象，触发将各所述应答输入问题配置关联在相对应的目标应答服务，包括：
在确定各所述应答输入问题分别在所述应答索引序列中的应答索引对象后，根据包括各应答输入问题的应答索引序列、及各应答输入问题分别在所述应答索引序列中的应答索引对象，按各所述应答输入问题分别对应的问题频繁次数信息，将各所述应答输入问题配置关联在相对应的目标应答服务。


6.根据权利要求4所述的基于人工智能和云计算的信息应答方法，其特征在于，所述更新与未查找到的所述应答输入问题对应的问题深度学习标注信息的步骤，包括：
将未查找到的所述应答输入问题输入到问题深度学习标注网络中，获得所述应答输入问题对应的问题深度学习标注信息并进行更新，其中，所述问题深度学习标注信息包括所述应答输入问题的问题分类特征信息以及问题应答特征信息；
其中，所述问题深度学习标注网络通过以下方式配置获得：
获取用于训练问题深度学习标注网络的标定应答问题数据，所述标定应答问题数据中至少包括应答问题和应答问题的目标问题标注信息；
确定标定应答问题数据的标定数据向量分布以及纠偏数据向量分布，所述纠偏数据向量分布是将所述标定应答问题的语义拆分应答特征分量进行纠偏后形成的，所述标定数据向量分布和所述纠偏数据向量分布的特征标签相同；
将所述标定数据向量分布以及所述纠偏数据向量分布进行特征聚合，得到聚合标定特征，并确定所述聚合标定特征的预测问题标注信息；
基于目标问题标注信息以及所述预测问题标注信息确定差异函数值，基于所述差异函数值调整所述问题深度学习标注网络的网络权重信息并继续迭代训练，直至满足迭代停止条件时结束训练，所述目标问题标注信息用于表征所述标定应答问题数据中所述应答问题为每个不同问题标注信息下的置信度；
其中，训练得到的所述问题深度学习标注网络用于对未查找到的所述应答输入问题进行标注信息分类；
其中，所述纠偏数据向量分布通过以下方式获得：
将所述标定应答问题数据进行问题语义拆分，得到多个语义拆分问题数据，确定每个所述语义拆分问题数据向量分布的影响权重；
对所有的影响权重进行排序，得到排序结果，按照所述排序结果的排序特征，对所述多个语义拆分问题数据向量分布进行纠偏，得到由多个所述语义拆分问题数据构成的纠偏标定应答问题数据；
将所述纠偏标定应答问题数据输入至所述问题深度学习标注网络中进行特征提取，得到所述纠偏数据向量分布，所述纠偏数据向量分布中包括多个语义拆分问题数据向量分布。


7.根据权利要求6所述的基于人工智能和云计算的信息应答方法，其特征在于，所述将所述标定数据向量分布以及所述纠偏数据向量分布进行特征聚合，得到聚合标定特征的步骤，包括：
采用所述问...

【专利技术属性】
技术研发人员：冯启鹏，
申请(专利权)人：冯启鹏，
类型：发明
国别省市：江苏;32