一种智能问答实现方法及一种智能问答系统技术方案

本发明专利技术公开了一种智能问答实现方法及一种智能问答系统，属于智能问答技术领域，该智能问答实现方法采用检索式智能问答与基于知识图谱的智能问答相结合，基于云边端协同实现，云上部署有知识图谱，NLP相关模型和Elasticsearch；边上部署有语音识别模型和语音合成模型；终端设备上部署有语音采集装置及语音播放装置。本发明专利技术可以实现在高精度的情况下，提高问答系统的实时性，提升用户体验。

【技术实现步骤摘要】
一种智能问答实现方法及一种智能问答系统
本专利技术涉及智能问答
，具体地说是一种智能问答实现方法及一种智能问答系统。
技术介绍
随着工业互联网和人工智能的快速发展，云边协同成为非常火热的技术，人工智能和云计算结合已经成为主流方向。现在很多智能产品已经成为生活、工作必备。智能机器人的应用中其关键的核心技术与智能问答有很大的关系，提高智能问答的精度以及实时性能够很大程度的提升用户体验。
技术实现思路
本专利技术的技术任务是针对以上不足之处，提供一种智能问答实现方法及一种智能问答系统，可以在高精度的情况下，提高问答系统的实时性，提升用户体验。本专利技术解决其技术问题所采用的技术方案是：一种智能问答实现方法，采用检索式智能问答与基于知识图谱的智能问答相结合，基于云边端协同实现，云上部署有知识图谱，NLP相关模型和Elasticsearch；边上部署有语音识别模型和语音合成模型；终端设备上部署有语音采集装置及语音播放装置。该智能问答实现方法充分利用云计算强大的计算能力，支持许多复杂的深度学习算法同时进行推理，使得模型可以在高精准确率的情况下进行更加实时的响应。将语音识别和语音合成放到了边端，这个可以更加方便的响应用户的请求。对于后端的知识图谱，由于知识图谱是分不同领域，例如医疗、企业、财经、家庭等不同领域，数据量很大，因此把知识图谱放到了云端。对于NLP，这是一个综合的技术，涉及到分词、意图识别、关系抽取、实体识别、事件抽取等技术，这些技术目前采用很多深度学习方法进行识别。云端的ElasticSearch，是目前最常用的分布式搜索技术，可以更快搜索到用户想要的内容。进一步的，该方法的具体实现过程如下：1)、通过构建不同领域的知识图谱，根据已有数据，搭建不同领域的知识库；2)、把离线训练好的模型分别部署到云和边上；3)、用户通过语音采集装置进行声音采集，然后将采集到的数据通过边上的语音识别模型进行语音转化为文字，并将其上传到云上；4)、云上的NLP相关模型识别和抽取问题中的信息，组成知识图谱中的三元组信息，并查询相应的答案；利用Elasticsearch技术搜索相似度比较高的答案；把两者的答案进行对齐和相关性排序，从而找出最优的答案；5)、把最优答案传送到边上，利用语音合成技术回答用户的问题。优选的，所述数据采集的获取方式包括利用爬虫技术获取以及从领域中相关合作的企业或单位中获取；对elasticsearch中的数据采取实时的进行爬虫获取。优选的，所有模型的部署都采用容器的方式，采用portainer随时对容器进行下发，从而边上模型可以进行随时更新。优选的，语音转化的文字信息利用MQTT协议传到云上；所述最优答案通过MQTT协议传送到边上。优选的，NLP相关模型首先利用分词技术例如hannlp对问题进行分词，把分词好的句子利用实体识别识别出相关信息，利用关系抽取技术抽取问答中的关系，利用事件抽取技术抽取出问答中的相关信息。本专利技术还要求保护一种智能问答系统，该系统云端部署有知识图谱，NLP相关模型和Elasticsearch；边端部署有语音识别模型和语音合成模型；终端设备部署有语音采集装置及语音播放装置。该系统将语音识别和语音合成放到边端，可以更加方便的响应用户的请求；对于后端的知识图谱，由于知识图谱是分不同领域，例如医疗、企业、财经、家庭等不同领域，数据量很大，因此把知识图谱放到了云端；对于NLP，这是一个综合的技术，涉及到分词、意图识别、关系抽取、实体识别、事件抽取等技术，这些技术目前采用很多深度学习方法进行识别；云端的ElasticSearch，是目前最常用的分布式搜索技术，可以更快搜索到用户想要的内容。进一步的，该系统的实现过程如下：1)、通过构建不同领域的知识图谱，根据已有数据，搭建不同领域的知识库；数据的采集，一部分利用爬虫技术、一部分从相关合作的企业和单位中获取；对于elasticsearch中的数据，我们大部分都是通过爬虫获取，elasticsearch中的数据，我们实时的进行爬取。2)、把离线训练好的模型分别部署到云和边上，例如NLP相关模型就是存储在云上，语音识别和语音合成模型存储在边上，所有模型的部署都是采用容器的方式，因此采用portainer随时对容器进行下发，从而边上模型可以进行随时更新；3)、用户通过语音采集装置进行声音采集，然后将采集到的数据通过边上的语音识别模型进行语音转化为文字，并将文字信息利用MQTT协议上传到云上；4)、云上的NLP相关模型识别和抽取问题中的信息，首先利用分词技术例如hannlp对问题进行分词，把分好词的句子利用实体识别，识别出相关信息。利用关系抽取技术抽取问答中的关系，利用事件抽取技术抽取出问答中的相关信息。然后把相关信息组成知识图谱中的三元组信息，并查询相应的答案；利用Elasticsearch搜索相似度比较高的答案；把两者的答案进行对齐和相关性排序，从而找出最优的答案；5)、把最优答案通过MQTT协议传送到边上，利用语音合成技术回答用户的问题。本专利技术还要求保护一种智能问答实现装置，包括：至少一个存储器和至少一个处理器；所述至少一个存储器，用于存储机器可读程序；所述至少一个处理器，用于调用所述机器可读程序，执行上述的智能问答实现方法。本专利技术还要求保护计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述的智能问答实现方法。本专利技术的一种智能问答实现方法及一种智能问答系统与现有技术相比，具有以下有益效果：本智能问答实现方法及智能问答系统主要是解决问答型任务，利用语音识别、语音合成、知识图谱、NLP相关技术进行搭建，模型把精确度高的复杂模型放到云端进行执行，很好的解决了在高精度的情况下，提高问答系统的实时性的问题。该方法或系统实现了一个基于云边端框架的智能问答系统，在不损失系统的实时性的情况下，进一步提高了模型的精度。附图说明图1是本专利技术实施例提供的智能问答系统架构图；具体实施方式下面结合具体实施例对本专利技术作进一步说明。本实施例中针对一种智能问答机器人，针对各种场景进行设计，例如基于家庭服务类型的机器人，帮助家庭主人进行室内各种设备进行管理，公司导游的机器人，可以帮助来访人员介绍公司相关情况等，除此之外还涉及了各种预警机器人，辅助人们更好的进行设备管理。这些机器人中的关键核心技术与智能问答有很大的关系，本实施方式主要介绍智能机器人中的智能问答系统的实现。智能问答系统采用的技术包括知识图谱、深度学习、NLP、语音识别、搜索引擎相关知识。本专利技术实施例提供一种智能问答实现方法，采用检索式智能问答与基于知识图谱的智能问答相结合，基于云边端协同实现。云上部署有知识图谱，NLP相关模型和Elasticsearch；边上部署有语音识别模型和语音合成模型；终端设本文档来自技高网...

【技术保护点】
1.一种智能问答实现方法，其特征在于采用检索式智能问答与基于知识图谱的智能问答相结合，基于云边端协同实现，云上部署有知识图谱，NLP相关模型和Elasticsearch；边上部署有语音识别模型和语音合成模型；终端设备上部署有语音采集装置及语音播放装置。/n

【技术特征摘要】
1.一种智能问答实现方法，其特征在于采用检索式智能问答与基于知识图谱的智能问答相结合，基于云边端协同实现，云上部署有知识图谱，NLP相关模型和Elasticsearch；边上部署有语音识别模型和语音合成模型；终端设备上部署有语音采集装置及语音播放装置。


2.根据权利要求1所述的一种智能问答实现方法，其特征在于具体实现过程如下：
1)、通过构建不同领域的知识图谱，根据已有数据，搭建不同领域的知识库；
2)、把离线训练好的模型分别部署到云和边上；
3)、用户通过语音采集装置进行声音采集，然后将采集到的数据通过边上的语音识别模型进行语音转化为文字，并将其上传到云上；
4)、云上的NLP相关模型识别和抽取问题中的信息，组成知识图谱中的三元组信息，并查询相应的答案；利用Elasticsearch搜索相似度比较高的答案；把两者的答案进行对齐和相关性排序，从而找出最优的答案；
5)、把最优答案传送到边上，利用语音合成技术回答用户的问题。


3.根据权利要求2所述的一种智能问答实现方法，其特征在于所述数据采集的获取方式包括利用爬虫技术获取以及从领域中相关合作的企业或单位中获取；对elasticsearch中的数据采取实时的进行爬虫获取。


4.根据权利要求2所述的一种智能问答实现方法，其特征在于所有模型的部署都采用容器的方式，采用portainer随时对容器进行下发。


5.根据权利要求2所述的一种智能问答实现方法，其特征在于文字信息通过MQTT协议传到云上；所述最优答案通过MQTT协议传送到边上。


6.根据权利...

【专利技术属性】
技术研发人员：冯落落，宋虎，李锐，王建华，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东;37