基于人工智能的智慧应答大数据处理方法及人工智能系统技术方案

本公开实施例提供一种基于人工智能的智慧应答大数据处理方法及人工智能系统，通过暗知识提取来训练当前应答数据挖掘单元，得到当前标的应答数据挖掘单元，并且对当前标的应答数据挖掘单元进行挖掘性能测试优化当前标的应答数据挖掘单元，然后根据目标标的应答数据挖掘单元优化应答数据挖掘单元图谱中的图谱节点，从而能够使得到的应答数据挖掘单元图谱中的图谱节点更加准确，然后当检索完成时，从应答数据挖掘单元图谱中选取目标图谱节点，得到目标应答数据挖掘单元，进而提高了检索得到的目标应答数据挖掘单元的深度学习结构的准确性，进而提高后续应答数据挖掘的准确性。进而提高后续应答数据挖掘的准确性。进而提高后续应答数据挖掘的准确性。

【技术实现步骤摘要】
基于人工智能的智慧应答大数据处理方法及人工智能系统


[0001]本公开涉及基于人工智能的大数据应用
，示例性地，涉及一种基于人工智能的智慧应答大数据处理方法及人工智能系统。

技术介绍

[0002]在基于人工智能的人机对话系统中，通过对应答大数据进行挖掘，可以针对性地进行应答业务优化，以提高用户占用率。当前出现了应答数据挖掘网络架构的检索方案，通过特征检索可以降低神经网络模型的设计成本。目前的检索策略检索得到的目标应答数据挖掘单元的深度学习结构的准确性较低，导致后续应答数据挖掘的准确性较低。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本公开的目的在于提供一种基于人工智能的智慧应答大数据处理方法及人工智能系统。
[0004]第一方面，本公开提供一种基于人工智能的智慧应答大数据处理方法，应用于人工智能系统，所述人工智能系统与多个智慧业务应答设备通信连接，所述方法包括：获取业务应答大数据序列和应答数据挖掘单元图谱，所述业务应答大数据序列包括参考应答大数据和测试应答大数据；从所述应答数据挖掘单元图谱中选取参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的智慧应答大数据处理方法，其特征在于，应用于人工智能系统，所述人工智能系统与多个智慧业务应答设备通信连接，所述方法包括：获取业务应答大数据序列和应答数据挖掘单元图谱，所述业务应答大数据序列包括参考应答大数据和测试应答大数据；从所述应答数据挖掘单元图谱中选取参考图谱节点，基于参考图谱节点得到当前应答数据挖掘单元；将所述参考应答大数据输入所述当前应答数据挖掘单元和满足收敛条件的基准应答数据挖掘单元中进行暗知识提取训练，得到所述当前应答数据挖掘单元对应的当前标的应答数据挖掘单元；基于所述测试应答大数据对所述当前标的应答数据挖掘单元进行挖掘性能测试，得到挖掘性能测试信息，基于所述挖掘性能测试信息优化所述当前标的应答数据挖掘单元，得到目标标的应答数据挖掘单元；基于所述目标标的应答数据挖掘单元优化所述应答数据挖掘单元图谱中的图谱节点，并返回从所述应答数据挖掘单元图谱中选取参考图谱节点，基于参考图谱节点得到当前应答数据挖掘单元的步骤执行，直到达到检索收敛要求，从达到检索收敛要求时的应答数据挖掘单元图谱中选取目标图谱节点，基于所述目标图谱节点得到目标应答数据挖掘单元。2.根据权利要求1所述的基于人工智能的智慧应答大数据处理方法，其特征在于，所述将所述参考应答大数据输入当前应答数据挖掘单元和满足收敛条件的基准应答数据挖掘单元中进行暗知识提取训练，得到所述当前应答数据挖掘单元对应的当前标的应答数据挖掘单元，包括：将所述参考应答大数据输入所述当前应答数据挖掘单元中进行应答数据挖掘，得到当前应答数据挖掘信息；将所述参考应答大数据输入所述满足收敛条件的基准应答数据挖掘单元中进行应答数据挖掘，得到基准应答数据挖掘信息；基于所述当前应答数据挖掘信息和所述基准应答数据挖掘信息计算暗知识提取收敛评价指标，基于所述暗知识提取收敛评价指标优化所述当前应答数据挖掘单元；并返回将所述参考应答大数据输入所述当前应答数据挖掘单元中进行应答数据挖掘，得到当前应答数据挖掘信息的步骤循环执行，直到满足暗知识提取训练收敛要求时，得到所述当前应答数据挖掘单元对应的当前标的应答数据挖掘单元。3.根据权利要求2所述的基于人工智能的智慧应答大数据处理方法，其特征在于，所述基于所述当前应答数据挖掘信息和所述基准应答数据挖掘信息计算暗知识提取收敛评价指标，基于所述暗知识提取收敛评价指标优化所述当前应答数据挖掘单元，包括：计算所述当前应答数据挖掘信息和所述基准应答数据挖掘信息之间的差异数据，得到第一收敛评价指标；计算所述当前应答数据挖掘信息和所述参考应答大数据中标注应答数据挖掘信息之间的差异数据，得到第二收敛评价指标；基于所述第一收敛评价指标和第二收敛评价指标计算得到所述暗知识提取收敛评价指标；基于所述暗知识提取收敛评价指标计算单元梯度参数，基于所述单元梯度参数反向优
化所述当前应答数据挖掘单元中的单元权重配置信息。4.根据权利要求3所述的基于人工智能的智慧应答大数据处理方法，其特征在于，所述基于所述第一收敛评价指标和第二收敛评价指标计算得到所述暗知识提取收敛评价指标，包括：将所述当前应答数据挖掘单元和所述满足收敛条件的基准应答数据挖掘单元进行有向无回路单元结构转换，得到第一单元结构和第二单元结构；计算所述第一单元结构和所述第二单元结构之间的结构差异，基于所述结构差异得到第三收敛评价指标；基于所述第一收敛评价指标、所述第二收敛评价指标和所述第三收敛评价指标得到第一目标暗知识提取收敛评价指标。5.根据权利要求4所述的基于人工智能的智慧应答大数据处理方法，其特征在于，所述基于所述第一收敛评价指标、所述第二收敛评价指标和所述第三收敛评价指标得到第一目标暗知识提取收敛评价指标，包括：获取预设运行占用资源率，并获取所述当前应答数据挖掘单元对应的单元占用资源率；计算所述单元占用资源率与所述预设运行占用资源率之间的差异数据，得到第四收敛评价指标；基于所述第一收敛评价指标、所述第二收敛评价指标、所述第三收敛评价指标和所述第四收敛评价指标得到第二目标暗知识提取收敛评价指标。6.根据权利要求5所述的基于人工智能的智慧应答大数据处理方法，其特征在于，所述获取所述当前应答数据挖掘单元对应的单元占用资源率，包括：获取所述应答数据挖掘单元图谱的初始待检索的特征提取结构中各个候选特征挖掘操作对应的占用资源率信息；从所述占用资源率信息中查找所述当前应答数据挖掘单元中各个候选特征挖掘操作对应的占用资源率；计算所述当前应答数据挖掘单元中各个候选特征挖掘操作对应的占用资源率之和，得到所述单元占用资源率。7.根据权利要求1
‑
6中任意一项所述的基于人工智能的智慧应答大数据处理方法，其特征在于，所述基于所述测试应答大数据对所述当前标的应答数据挖掘单元进行挖掘性能测试，得到挖掘性能测试信息，基于所述挖掘性能测试信息优化所述当前标的应答数据挖掘单元，得到目标标的应答数据挖掘单元，包括：将所述测试应答大数据输入所述当前标的应答数据挖掘单元中进行应答数据挖掘...

【专利技术属性】
技术研发人员：马冬生，
申请(专利权)人：马冬生，
类型：发明
国别省市：