本说明书实施例提供一种基于多模型匹配的交互咨询方法，分别构建词频相似度模型、词向量相似度模型和神经网络相似度模型，并基于知识产权知识图谱构建模板问句语句库，提供语音交互组件，用于获取咨询时产生的语音信息，并将其转换为文字信息，利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，对每个处理结果匹配多个模板问句，将匹配到的模板问句提供给用户，供用户选择，基于用户选择的模板问句生成并提供咨询结果信息。通过多种模型来分别进行匹配，能够适应多种问题的匹配特性，提高匹配准确度从而提高咨询准确度。配准确度从而提高咨询准确度。配准确度从而提高咨询准确度。
【技术实现步骤摘要】
一种基于多模型匹配的交互咨询方法、装置和电子设备
[0001]本申请涉及计算机领域，尤其涉及一种基于多模型匹配的交互咨询方法、装置和电子设备。
技术介绍
[0002]随着人工智能的发展，智能客服渐渐兴起，它具有人工客服所不具备的优势，能够帮助客服人员更加高效简便地完成客服业务，减少重复劳动的人力成本。
[0003]如今，智能客服大多是通过语音识别和自然语言处理相结合的方式，但是经常无法准确地理解或者回答用户的问题。
[0004]智能客服的主要工作方式之一是根据提问者所提问题在模板问题库中匹配相应的问答，其中的关键是提问者问题与模板问题的文本相似度匹配。现阶段文本相似度的主要实现模型有三种，一种是基于统计方法的加权技术，通过计算词频向量的余弦值来获得文本相似度；第二种是词向量，通过训练得到每个词在k维空间的词向量，据此获得两个文本的相似度；第三种是深度学习神经网络，通过大量数据训练得到神经网络模型来计算相似度。
[0005]业内在进行匹配前多会选择一种方式来建模，利用构建模型来匹配模板问题。
[0006]然而，以上方式实际上是以单一的匹配方式进行匹配，在遇到大量复杂的问题时，单一的匹配方式难以同时适应多种问题的匹配特性，导致匹配准确度容易波动，因此，有必要提供一种准确度高的咨询方法。
技术实现思路
[0007]本说明书实施例提供一种基于多模型匹配的交互咨询方法、装置和电子设备，用以提高咨询的准确度。
[0008]本说明书实施例提供一种基于多模型匹配的交互咨询方法，包括：
[0009]分别构建词频相似度模型、词向量相似度模型和神经网络相似度模型，并基于知识产权知识图谱构建模板问句语句库；
[0010]提供语音交互组件，用于获取咨询时产生的语音信息，并将其转换为文字信息；
[0011]利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，对每个处理结果匹配多个模板问句，将匹配到的模板问句提供给用户，供用户选择；
[0012]基于用户选择的模板问句生成并提供咨询结果信息。
[0013]可选地，还包括：
[0014]按照预设的归一化规则对模板问句与文字信息的匹配对进行归一化转化并排序，筛选出头部多个模板问句；
[0015]所述将匹配到的模板问句提供给用户，包括：
[0016]将筛选出的头部多个模板问句提供给用户。
[0017]可选地，还包括：
[0018]基于用户的反馈对归一化规则进行修正。
[0019]可选地，还包括：
[0020]若用户未选择提供的模板问句，则引导用户补充咨询信息，并获取用户补充的咨询信息并将其转换成文字信息；
[0021]所述利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，包括：
[0022]结合用户补充的文字信息，利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理。
[0023]可选地，还包括：
[0024]对匹配到的多个模板问句进行去重。
[0025]可选地，所述对匹配到的多个模板问句进行去重，包括：
[0026]对去重的模板问句进行权重倍增。
[0027]可选地，还包括：
[0028]构建模板问句语句库的索引树，所述索引树不同层级具有按照对应
层次划分得到的
节点，通过索引方式对文字信息按照索引树进行节点匹配，根据匹配到的节点调用对应的模板问句语句库，以进行匹配。
[0029]本说明书实施例提供一种基于多模型匹配的交互咨询装置，包括：
[0030]建模模块，分别构建词频相似度模型、词向量相似度模型和神经网络相似度模型，并基于知识产权知识图谱构建模板问句语句库；
[0031]交互模块，提供语音交互组件，用于获取咨询时产生的语音信息，并将其转换为文字信息；
[0032]匹配模块，利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，对每个处理结果匹配多个模板问句，将匹配到的模板问句提供给用户，供用户选择；
[0033]咨询结果模块，基于用户选择的模板问句生成并提供咨询结果信息。
[0034]可选地，还包括：
[0035]按照预设的归一化规则对模板问句与文字信息的匹配对进行归一化转化并排序，筛选出头部多个模板问句；
[0036]所述将匹配到的模板问句提供给用户，包括：
[0037]将筛选出的头部多个模板问句提供给用户。
[0038]可选地，还包括：
[0039]基于用户的反馈对归一化规则进行修正。
[0040]可选地，还包括：
[0041]若用户未选择提供的模板问句，则引导用户补充咨询信息，并获取用户补充的咨询信息并将其转换成文字信息；
[0042]所述利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，包括：
[0043]结合用户补充的文字信息，利用构建的词频相似度模型、词向量相似度模型和神
经网络相似度模型分别对所述文字信息进行处理。
[0044]可选地，还包括：
[0045]对匹配到的多个模板问句进行去重。
[0046]可选地，所述对匹配到的多个模板问句进行去重，包括：
[0047]对去重的模板问句进行权重倍增。
[0048]可选地，还包括：
[0049]构建模板问句语句库的索引树，所述索引树不同层级具有按照对应
层次划分得到的
节点，通过索引方式对文字信息按照索引树进行节点匹配，根据匹配到的节点调用对应的模板问句语句库，以进行匹配。
[0050]本说明书实施例还提供一种电子设备，其中，该电子设备包括：
[0051]处理器；以及，
[0052]存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项方法。
[0053]本说明书实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述任一项方法。
[0054]本说明书实施例提供的各种技术方案通过分别构建词频相似度模型、词向量相似度模型和神经网络相似度模型，并基于知识产权知识图谱构建模板问句语句库，提供语音交互组件，用于获取咨询时产生的语音信息，并将其转换为文字信息，利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，对每个处理结果匹配多个模板问句，将匹配到的模板问句提供给用户，供用户选择，基于用户选择的模板问句生成并提供咨询结果信息。通过多种模型来分别进行匹配，能够适应多种问题的匹配特性，提高匹配准确度从而提高咨询准确度。
附图说明
[0055]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多模型匹配的交互咨询方法，其特征在于，包括：分别构建词频相似度模型、词向量相似度模型和神经网络相似度模型，并基于知识产权知识图谱构建模板问句语句库；提供语音交互组件，用于获取咨询时产生的语音信息，并将其转换为文字信息；利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，对每个处理结果匹配多个模板问句，将匹配到的模板问句提供给用户，供用户选择；基于用户选择的模板问句生成并提供咨询结果信息。2.根据权利要求1所述的方法，其特征在于，还包括：按照预设的归一化规则对模板问句与文字信息的匹配对进行归一化转化并排序，筛选出头部多个模板问句；所述将匹配到的模板问句提供给用户，包括：将筛选出的头部多个模板问句提供给用户。3.根据权利要求2所述的方法，其特征在于，还包括：基于用户的反馈对归一化规则进行修正。4.根据权利要求1所述的方法，其特征在于，还包括：若用户未选择提供的模板问句，则引导用户补充咨询信息，并获取用户补充的咨询信息并将其转换成文字信息；所述利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理，包括：结合用户补充的文字信息，利用构建的词频相似度模型、词向量相似度模型和神经网络相似度模型分别对所述文字信息进行处理。5.根据权利要求1所述的方法，其特征在于，还包括：对匹配到的多个模板问句进行去重。6.根据权利要求5所述的方法，其特征在于，所述对匹配到的多个模板问句进行去重，包括：对去重的模板问句进行权重倍增。7.根据权利要求1所述的方法，其特征在于，还包括：构建模板问句语句库的索引树，所述索引树不同层级具有按照对应技术领域层次划分得到的技术领域节点，通过索引方式对文字信息按照索引树进行节点匹配，根据匹配到的节点调用对应的模板问句语句库，以进行匹配。8.一种基于多模型匹配的交互咨询装置，其特征在于，包括：建模模块，分别构建词频相似度模型、词向量相似度模型和神经网络相似度模型，并基于知识产权知识图谱构建模板问句语句库；交互模块，提供语音交互组件，用于获取咨询时产生的语音信息，...
【专利技术属性】
技术研发人员：黄沛雯，汪思雨，王凯迪，
申请(专利权)人：上海城市地理信息系统发展有限公司，
类型：发明
国别省市：
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。