一种答复问题的方法和装置制造方法及图纸

本发明专利技术公开了一种答复问题的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对各个提问文本标记标签，并从所述各个提问文本中提取出特征向量；以所述各个提问文本的特征向量作为输入、以所述各个提问文本的标签作为输出，训练神经网络，以得到答复模型；基于用户输入的待答复提问文本的特征向量和所述答复模型，确定提问意向、槽位及其对应的槽值；根据所述提问意向、所述槽位及其对应的槽值，生成答复文本。该实施方式能够解决无法对用户的问题进行准确分析，导致匹配出的答案不正确的技术问题。

【技术实现步骤摘要】
一种答复问题的方法和装置
本专利技术涉及计算机
，尤其涉及一种答复问题的方法和装置。
技术介绍
目前，智能机器人的应用已经越来越广泛，其中，问答型机器人主要服务于医院、公司的前台、咨询台、线上等，以供用户咨询。比如，现有很多大型医院在门诊大厅位置设置有问答型机器人，就诊人员可以在机器人前方语音输入自己的问题，机器人通过与后台服务器的通信搜索出问题的答案并提供给就诊人员；又比如，用户在线上浏览物品时、购买物品后，都可以向机器人提问，机器人会自动答复用户的问题。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：由于用户咨询的问题往往是多种多样的，现有技术无法对用户的问题进行准确分析，导致匹配出的答案并不是用户真正想要的答案，使得用户体验较差。
技术实现思路
有鉴于此，本专利技术实施例提供一种答复问题的方法和装置，以解决无法对用户的问题进行准确分析，导致匹配出的答案不正确的技术问题。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种答复问题的方法，包括：r>对各个提问文本标本文档来自技高网...

【技术保护点】
1.一种答复问题的方法，其特征在于，包括：/n对各个提问文本标记标签，并从所述各个提问文本中提取出特征向量；其中，所述标签包括意向标签和槽位标签；/n以所述各个提问文本的特征向量作为输入、以所述各个提问文本的标签作为输出，训练神经网络，以得到答复模型；/n基于待答复提问文本的特征向量和所述答复模型，确定提问意向、槽位及其对应的槽值；/n根据所述提问意向、所述槽位及其对应的槽值，生成答复文本。/n

【技术特征摘要】
1.一种答复问题的方法，其特征在于，包括：
对各个提问文本标记标签，并从所述各个提问文本中提取出特征向量；其中，所述标签包括意向标签和槽位标签；
以所述各个提问文本的特征向量作为输入、以所述各个提问文本的标签作为输出，训练神经网络，以得到答复模型；
基于待答复提问文本的特征向量和所述答复模型，确定提问意向、槽位及其对应的槽值；
根据所述提问意向、所述槽位及其对应的槽值，生成答复文本。


2.根据权利要求1所述的方法，其特征在于，从所述各个提问文本中提取出特征向量，包括：
对于每一个提问文本，采用如下方法提取特征向量：
分别从所述提问文本中提取出单字特征、分词特征和上下文特征；
将所述单字特征、所述分词特征和所述上下文特征组装成特征向量。


3.根据权利要求2所述的方法，其特征在于，以所述各个提问文本的特征向量作为输入、以所述各个提问文本的标签作为输出，训练神经网络，以得到答复模型，包括：
将所述各个提问文本的特征向量映射成特征数学向量；
基于所述各个提问文本对应的特征数学向量及其标签训练神经网络，以得到答复模型。


4.根据权利要求3所述的方法，其特征在于，将所述各个提问文本的特征向量映射成特征数学向量，包括：
对于每一个提问文本，采用如下方法将特征向量映射成特征数学向量：
基于单字频率字典，将各个单字特征分别映射成单字特征标识；
基于预设映射规则，将各个分词特征分别映射成分词特征标识；
基于上下文频率字典，将所述各个单字对应的上下文特征分别映射成上下文特征标识。


5.根据权利要求4所述的方法，其特征在于，所述单字频率字典录入有单字及其对应的标识，所述单字的标识描述了所述单字的历史出现频率由高到低的排序序号；和/或，
所述上下文频率字典录入有单字的上下文对应的标识，所述上下文对应的标识描述了所述单字的上下文的历史出现频率由高到低的排序序号。<...

【专利技术属性】
技术研发人员：王颖帅，李晓霞，苗诗雨，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11