问题语句的处理方法、装置、设备及计算机存储介质制造方法及图纸

本申请实施例提供了一种问题语句的处理方法、装置、设备及计算机存储介质，方法包括：获取目标系统处理失败的问题语句；根据预先训练的语句替换模型，对所述问题语句进行处理，得到目标语句，所述语句替换模型为通过学习包含所述问题语句的第一样本与所述目标语句的映射关系得到，所述第一样本为基于所述目标语句中的文字替换得到；向所述目标系统反馈所述目标语句。本申请实施例能够解决目标系统中曝光误差的问题，帮助目标系统识别出正确的目标语句，从而便于目标系统根据正确的目标语句处理后续流程。理后续流程。理后续流程。

【技术实现步骤摘要】
问题语句的处理方法、装置、设备及计算机存储介质


[0001]本申请属于故障处理
，尤其涉及一种问题语句的处理方法、装置、设备及计算机存储介质。

技术介绍

[0002]在现有的订单系统中，通常会引入目标系统(又称专家系统)来对订单系统中的错误日志或异常订单进行处理。在实际应用中，目标系统通过识别错误日志或异常订单中的语句(例如关键信息)进行业务规则匹配，再按照匹配出的业务规则处理错误日志或异常订单，如修复、退回或重发异常订单等。
[0003]但是，目标系统有时识别出的语句可能与语句库中存储的已有语句不一致，例如只是意思相近但字面不同，就会导致目标系统无法匹配到对应的业务规则，进而导致目标系统处理失败。
[0004]为了解决目标系统识别出的语句与存储的语句不一致的问题，目前提出一些基于人工智能模型的目标系统，但是由于人工智能模型存在曝光误差的问题，导致目标系统识别出的语句很大几率上仍然是错误的，进而导致目标系统处理失败。

技术实现思路

[0005]本申请实施例提供一种在问题语句的处理方法、装置、设备及计算机存储介质，能够解决目标系统中曝光误差的问题，帮助目标系统识别出正确的目标语句，从而便于目标系统对错误日志或异常订单进行处理。
[0006]第一方面，本申请实施例提供一种问题语句的处理方法，方法包括：
[0007]获取目标系统处理失败时的问题语句；
[0008]根据预先训练的语句替换模型，对问题语句进行处理，得到目标语句，语句替换模型为通过学习包含问题语句的第一样本与目标语句的映射关系得到，第一样本为基于目标语句中的文字替换得到；
[0009]向目标系统反馈目标语句。
[0010]在一个实施例中，在根据预先训练的语句替换模型，对问题语句进行处理，得到目标语句之前，方法还包括：
[0011]在训练语句替换模型的过程中，将语句替换模型的解码器的输入语句中的预设比例的文字按照预设第一目标概率替换成目标语句中的文字，将预设比例的文字按照预设第二目标概率不替换为目标语句中的文字，得到第一样本；第一目标概率与第二目标概率之和为百分之百；
[0012]学习第一样本与目标语句的映射关系，得到训练好的语句替换模型。
[0013]在一个实施例中，预设比例为50％，预设第一目标概率为61.8％。
[0014]在一个实施例中，在对语句替换模型进行训练之前，方法还包括：
[0015]准备训练数据，训练数据包括语言材料；
[0016]对训练数据进行预处理，预处理包括统一训练数据的格式；
[0017]训练语句替换模型，包括：利用预处理后的训练数据训练语句替换模型。
[0018]在一个实施例中，预处理还包括：
[0019]将训练数据中的所含有的文字数量大于预设阈值的第一语句替换成与第一语句语义相同的第二语句，第二语句的所含有的文字数量小于预设阈值。
[0020]在一个实施例中，语句替换模型包括统一语言模型，统一语言模型包括序列到序列Seq-to-Seq模型。
[0021]在一个实施例中，当训练Seq-to-Seq模型时，利用集束搜索算法或者贪心搜索算法进行解码。
[0022]第二方面，本申请实施例提供了一种问题语句的处理装置，装置包括：
[0023]获取单元，用于获取目标系统处理失败的问题语句；
[0024]替换单元，用于根据预先训练的语句替换模型，对问题语句进行处理，得到目标语句，语句替换模型为通过学习包含问题语句的第一样本与目标语句的映射关系得到，第一样本为基于目标语句中的文字替换得到；
[0025]反馈单元，用于向目标系统反馈目标语句。
[0026]第三方面，本申请实施例提供了一种电子设备，设备包括：处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述的问题语句的处理方法的步骤。
[0027]第四方面，本申请实施例提供了一种计算机存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述的问题语句的处理方法的步骤。
[0028]本申请实施例的问题语句的处理方法、装置、设备及计算机存储介质，利用预先训练的语句替换模型对目标系统处理失败时的问题语句进行处理，得到正确的目标语句，并将正确的目标语句反馈给目标系统，从而使得目标系统能够根据正确的目标语句进行业务规则匹配，再按照匹配出的业务规则处理错误日志或异常订单。而本申请在训练时不仅利用真实样本，还通过目标语句中的文字替换得到与目标语句差异不大的第一样本，然后学习第一样本与目标语句的映射关系，使得模型在推断时能够根据该映射关系进行自我纠正、最终输出正确的目标语句，所以能够解决曝光误差的问题，从而能够帮助目标系统识别出正确的目标语句，便于目标系统对错误日志或异常订单进行处理。
附图说明
[0029]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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。
[0030]图1为本申请实施例提供的语句替换模型的训练方法的流程示意图；
[0031]图2示意性示出了序列到序列预测模型；
[0032]图3示意性示出了本申请实施例的训练过程；
[0033]图4为本申请实施例提供的问题语句的处理方法的流程示意图；
[0034]图5为本申请实施例提供的问题语句的处理装置的结构示意图；
[0035]图6为本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
[0036]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0037]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0038]在现有的订单系统中，通常会引入目标系统(又称专家系统)来对订单系统中的错误日志或异常订单进行处理。在实际应用中，目标系统通过识别错误日志或异常订单中的语句本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种问题语句的处理方法，其特征在于，包括：获取目标系统处理失败时的问题语句；根据预先训练的语句替换模型，对所述问题语句进行处理，得到目标语句，所述语句替换模型为通过学习包含所述问题语句的第一样本与所述目标语句的映射关系得到，所述第一样本为基于所述目标语句中的文字替换得到；向所述目标系统反馈所述目标语句。2.根据权利要求1所述的方法，其特征在于，在所述根据预先训练的语句替换模型，对所述问题语句进行处理，得到目标语句之前，所述方法还包括：在训练所述语句替换模型的过程中，将所述语句替换模型的解码器的输入语句中的预设比例的文字按照预设第一目标概率替换成所述目标语句中的文字，将所述预设比例的文字按照预设第二目标概率不替换为所述目标语句中的文字，得到所述第一样本；所述第一目标概率与所述第二目标概率之和为百分之百；学习所述第一样本与所述目标语句的映射关系，得到训练好的所述语句替换模型。3.根据权利要求2所述的方法，其特征在于，所述预设比例为50％，所述预设第一目标概率为61.8％。4.根据权利要求2所述的方法，其特征在于，在对所述语句替换模型进行训练之前，所述方法还包括：准备训练数据，所述训练数据包括语言材料；对所述训练数据进行预处理，所述预处理包括统一所述训练数据的格式；训练所述语句替换模型，包括：利用预处理后的所述训练数据训练语句替换模型。5.根据权利要求4所述的方...

【专利技术属性】
技术研发人员：丁鹏勇，吕正林，舒敏根，刘虹，徐海勇，李莉，李飞龙，汪帆，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：