【技术实现步骤摘要】
支持多知识来源的询问答复方法、装置和电子设备
本专利技术涉及自动答复
，尤其涉及一种支持多知识来源的询问答复方法、装置和电子设备。
技术介绍
随着近年来互联网的高速发展，网络购物在人们生活中扮演的角色也越来越重要了。用户通过网络了解产品信息的最常见形式是浏览商家的宣传页或是产品详细信息页面，这种方式有自己的局限性，用户需要对大量的信息进行浏览和比较才能获得自己想要的信息，导致用户并不能得到满意的体验。在用户需要有针对性的信息时，往往需要咨询售前客服，用自己的语言向售前客服人员咨询产品信息，然后客服人员通过自身经验或查阅相关信息页面或文档之后对用户问题进行回答。人工回答用户的问题存在一些缺点。由于人的生理限制，对于用户的问题往往需要较长的时间来进行阅读、思考和回复，很难做到“秒回”，且长时间的客服工作会导致人出错的机率增加。此外，随着用户数量的增长，一个客服人员往往需要同时与多个用户进行问答对话，客服人员不足时还需要雇佣更多的客服人员，这些情况使得的客服的成本随之增长。为了应对这些情况，问答系统应运而生。问答系统是一种计算机程序，它会尝试去理解用户提出的问题，并且利用近似于人类风格的自然语言来迅速地、准确地且便于人理解地进行回答。将问答系统用于产品信息的问答，可以进一步地满足用户需求，实现高效准确地问答、劳动力的解放和客服成本的降低。针对具体的行业和领域，通常会存在一些现成的知识，如非结构化或者半结构化的产品信息文档或者是结构化的产品信息数据库等，有些领域会存在一些针对用户常见问题编写的问答对。通过利用这...
【技术保护点】
1.一种支持多知识来源的询问答复方法，其特征在于，包括：/n确定询问语句文本；/n将所述询问语句文本分别输入多个答复单元，得到每个答复单元输出的回复，其中，所述多个答复单元均为互不相同知识来源的询问答复单元；/n以预设决策规则处理所有答复单元的回复，输出答复语句。/n
【技术特征摘要】
1.一种支持多知识来源的询问答复方法，其特征在于，包括：
确定询问语句文本；
将所述询问语句文本分别输入多个答复单元，得到每个答复单元输出的回复，其中，所述多个答复单元均为互不相同知识来源的询问答复单元；
以预设决策规则处理所有答复单元的回复，输出答复语句。
2.根据权利要求1所述的支持多知识来源的询问答复方法，其特征在于，所述多个答复单元包括第一答复单元、第二答复单元和第三答复单元，对应地，
所述第一答复单元采用基于文本相似度匹配的知识来源进行答复输出第一回复，所述第二答复单元采用基于知识图谱的知识来源进行答复输出第二回复，所述第三答复单元采用基于机器阅读理解的知识来源进行答复输出第三回复。
3.根据权利要求2所述的支持多知识来源的询问答复方法，其特征在于，将所述询问语句文本输入第一答复单元，输出第一回复，具体包括：
将所述询问语句文本输入文本嵌入式表示模型，输出询问语句特征矩阵；
将所述询问语句特征矩阵与预先构建的常见问答库中的任一问题对应的特征向量输入第一相似度模型，输出对应的第一相似度；
确定所述第一相似度中数值最大的所述常见问答库中的问题对应的回复语句为第一回复；
其中，所述文本嵌入式表示模型是基于样本询问语句文本采用BERT网络结构进行训练得到的，所述第一相似度模型是基于样本询问语句特征矩阵、样本所述常见问答库中问题对应的特征矩阵和相似度标签进行训练得到的。
4.根据权利要求3所述的支持多知识来源的询问答复方法，其特征在于，将所述询问语句文本输入第二答复单元，输出第二回复，具体包括：
将所述询问语句文本输入文本嵌入式表示模型，输出询问语句特征矩阵；
将所述询问语句特征矩阵输入问题实体识别模型，输出询问语句关键词；
将所述询问语句关键词填入预先编写模版生成查询语句，采用所述查询语句在预先构建的知识图谱数据库中进行查询，得到查询结果；
将所述查询结果填入自然语言编写模版生成第二回复；
其中，所述文本嵌入式表示模型是基于样本询问语句文本采用BERT网络结构进行训练得到的，所述问题实体识别模型是基于样本询问语句特征矩阵和对应的询问语句关键词标签进行训练得到的。
5.根据权利要求4所述的支持多知识来源的询问答复方法，其特征在于，将所述询问语句文本输入第三答复单元，输出第三回复，具体包括：
确定所述询问语句文本和预先构建的语料库中的任一相关文本的第二相似度；
确定所述第二相似度降序排列中前预设个数的语料...
【专利技术属性】
技术研发人员：程渤，赵帅，韦翔晟，陈俊亮，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。