一种智能答疑的方法、装置、介质及电子设备制造方法及图纸

本申请公开了一种智能答疑的方法、装置、介质及电子设备。该方法包括：若接收到用户提问的问题描述，则对所述问题描述进行分词处理，得到至少一个语素；在预先构建好的知识库中基于预设匹配规则进行搜索，得到候选答案；通过相似度计算得到各个候选答案与问题描述的相似度，并基于所述相似度对所述候选答案进行排序；根据各候选答案的相似度与预设阈值的比较结果，确定各候选答案的相似度等级；根据所述相似度等级，确定目标答案，并返回所述目标答案。采用本技术方案，可以提高问题回答的实时性，同时针对相同或者相类似的问题，可以直接通过匹配得到相应的答案，有效提高重复问题的答疑效率。题的答疑效率。题的答疑效率。

【技术实现步骤摘要】
一种智能答疑的方法、装置、介质及电子设备


[0001]本申请涉及人工智能
，尤其涉及一种智能答疑的方法、装置、介质及电子设备。

技术介绍

[0002]随着科技水平的迅速发展，在线答疑已经成为儿童学习和成人学习过程中非常重要的一部分。其中，在线答疑即在用户提出问题之后，基于教师在线给出该问题的答案，以提高用户的学习效率。
[0003]然而，对于教育机构而言，提供在线的教师的应聘难度大，而且重复性问题会给教师带来不必要的精力损耗，同时又会因为教师无法保证24小时在线，会对在线问题的回答带来迟滞。

技术实现思路

[0004]本申请实施例提供一种智能答疑的方法、装置、介质及电子设备。通过预先搭建的数据库对用户提出的问题进行在线答疑，可以提高问题回答的实时性，同时针对相同或者相类似的问题，可以直接通过匹配得到相应的答案，有效提高重复问题的答疑效率。
[0005]本申请实施例提供一种智能答疑的方法，所述方法包括：
[0006]若接收到用户提问的问题描述，则对所述问题描述进行分词处理，得到至少一个语素；
[0007]在预先构建好的知识库中基于预设匹配规则进行搜索，得到候选答案；
[0008]通过相似度计算得到各个候选答案与问题描述的相似度，并基于所述相似度对所述候选答案进行排序；
[0009]根据各候选答案的相似度与预设阈值的比较结果，确定各候选答案的相似度等级；
[0010]根据所述相似度等级，确定目标答案，并返回所述目标答案。
[0011]进一步的，在接收到用户提问的问题描述之后，所述方法还包括：
[0012]对所述问题描述进行预处理，得到预处理结果；其中，所述预处理方式包括全半角转换、大小写转换、繁简体转换以及无意义符号移除中的至少一种；
[0013]基于所述预处理结果进行纠错处理和扩展处理，得到归一化处理结果；
[0014]相应的，对所述问题描述进行分词处理，包括：
[0015]对所述问题描述的归一化处理结果进行分词处理。
[0016]进一步的，在对所述问题描述进行分词处理，得到至少一个语素之前，所述方法还包括：
[0017]获取所述问题描述的上下文环境；
[0018]基于所述上下文环境，确定所述问题描述的所属类型；其中，所述类型包括辅导方式、所属科目、提问方式以及是否引用原题中的至少一种；
[0019]相应的，在预先构建好的知识库中基于预设匹配规则进行搜索，得到候选答案，包括：
[0020]在预先构建好的知识库中基于所属类型进行划分，并基于预设匹配规则进行搜索，在所划分的当前分区内得到候选答案。
[0021]进一步的，对所述问题描述进行分词处理，得到至少一个语素，包括：
[0022]基于预先确定的切分粒度信息、切分依据信息以及自定义词典，采用HanLP分词工具对所述问题描述进行分词得到至少一个语素。
[0023]进一步的，通过相似度计算得到各个候选答案与问题描述的相似度，并基于所述相似度对所述候选答案进行排序，包括：
[0024]采用预先训练好的词向量模型对各个候选答案词向量与所述问题描述的词向量的相似度进行计算，得到第一相似度分数；以及，采用预先构建的BM25算法对各个候选答案与所述问题描述的各语素的相似度进行计算，得到第二相似度分数；
[0025]根据所述第一相似度分数和所述第二相似度分数，确定各个候选答案与问题描述的相关性分数；
[0026]基于所述相关性分数对所述候选答案进行排序。
[0027]进一步的，采用预先构建的BM25算法对各个候选答案与所述问题描述的各语素的相似度进行计算，得到第二相似度分数，包括：
[0028]对于每个候选答案，计算每个语素与候选答案的子相似度分数，
[0029]最后，将语素相对于候选答案的子相似度分数采用如下公式进行加权求和，从而得到问题描述与候选答案的第二相似度分数；
[0030][0031]其中，Q为问题描述，q
i
为Q的分词得到语素，d为候选答案，R(q
i
,d)为子相似度分数，Score(Q,d)为问题描述与候选答案的第二相似度分数。
[0032]进一步的，采用如下公式计算第二相似度分数：
[0033][0034]其中，k1为第一调节因子，b为第二调节因子，f
i
为q
i
在d中的出现频率，dl为d的长度，avgdl为所有候选答案的平均长度。
[0035]本申请实施例还提供了一种智能答疑的装置，所述装置包括：
[0036]分词模块，用于若接收到用户提问的问题描述，则对所述问题描述进行分词处理，得到至少一个语素；
[0037]候选答案搜索模块，用于在预先构建好的知识库中基于预设匹配规则进行搜索，得到候选答案；
[0038]相似度计算模块，用于通过相似度计算得到各个候选答案与问题描述的相似度，并基于所述相似度对所述候选答案进行排序；
[0039]相似度等级确定模块，用于根据各候选答案的相似度与预设阈值的比较结果，确定各候选答案的相似度等级；
[0040]目标答案确定模块，用于根据所述相似度等级，确定目标答案，并返回所述目标答案。
[0041]本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的智能答疑的方法。
[0042]本申请实施例还提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的智能答疑的方法。
[0043]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0044]本申请利提供的技术方案，具备智能学习能力，基于强大的AI、大数据、云计算等技术，可以将用户疑问智能添加到知识库中，通过不断地服务，可以积累更多疑问来解决复杂的问题，让知识库在不断的积累中不断更新优化和完善，在提高回复的准确性和效率，而且随着深度学习和NLP(Natural Language Processing，自然语言处理)等技术的进步，智能答疑的优势会越来越明显。智能答疑和在线答疑平台就构成一个良好数据循环，不断促进两方发展。
附图说明
[0045]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0046]图1是本申请实施例一提供的智能答疑的方法的流程示意图；
[0047]图2是本申请实施例二提供的智能答疑的方法的流程示意图；
[0048]图3是本申请实施例三提供的智能答疑的装置的结构示意图；
[0049]图4是本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
[0050]为使本申请的目的、技术方案和优点更加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能答疑的方法，其特征在于，所述方法包括：若接收到用户提问的问题描述，则对所述问题描述进行分词处理，得到至少一个语素；在预先构建好的知识库中基于预设匹配规则进行搜索，得到候选答案；通过相似度计算得到各个候选答案与问题描述的相似度，并基于所述相似度对所述候选答案进行排序；根据各候选答案的相似度与预设阈值的比较结果，确定各候选答案的相似度等级；根据所述相似度等级，确定目标答案，并返回所述目标答案。2.根据权利要求1所述的方法，其特征在于，在接收到用户提问的问题描述之后，所述方法还包括：对所述问题描述进行预处理，得到预处理结果；其中，所述预处理方式包括全半角转换、大小写转换、繁简体转换以及无意义符号移除中的至少一种；基于所述预处理结果进行纠错处理和扩展处理，得到归一化处理结果；相应的，对所述问题描述进行分词处理，包括：对所述问题描述的归一化处理结果进行分词处理。3.根据权利要求1所述的方法，其特征在于，在对所述问题描述进行分词处理，得到至少一个语素之前，所述方法还包括：获取所述问题描述的上下文环境；基于所述上下文环境，确定所述问题描述的所属类型；其中，所述类型包括辅导方式、所属科目、提问方式以及是否引用原题中的至少一种；相应的，在预先构建好的知识库中基于预设匹配规则进行搜索，得到候选答案，包括：在预先构建好的知识库中基于所属类型进行划分，并基于预设匹配规则进行搜索，在所划分的当前分区内得到候选答案。4.根据权利要求1所述的方法，其特征在于，对所述问题描述进行分词处理，得到至少一个语素，包括：基于预先确定的切分粒度信息、切分依据信息以及自定义词典，采用HanLP分词工具对所述问题描述进行分词得到至少一个语素。5.根据权利要求1所述的方法，其特征在于，通过相似度计算得到各个候选答案与问题描述的相似度，并基于所述相似度对所述候选答案进行排序，包括：采用预先训练好的词向量模型对各个候选答案词向量与所述问题描述的词向量的相似度进行计算，得到第一相似度分数；以及，采用预先构建的BM25算法对各个候选答案与所述问题描述的各语素的相似度进行计算，得到第二相似度分数；根据...

【专利技术属性】
技术研发人员：吕凡，桑杉，张振伟，张帆，
申请(专利权)人：北京东大正保科技有限公司，
类型：发明
国别省市：