本申请提供了一种人工智能问答模型生成方法、问答方法、装置及存储介质。该人工智能问答模型生成方法包括：获取初始问题以及与初始问题对应的答案；对初始问题进行语料处理，得到初始问题的关键词；根据初始问题的关键词从预设的基础语料库中获取每个关键词的同义词；根据获取的同义词对每个与同义词对应的关键词进行替换，生成相似问题集；将相似问题集与初始问题及答案关联，生成问答模型。本申请只需输入初始问题和答案即可在此基础上自动扩展与之相关的问题，丰富问题库，同时提高问答模型在投入使用后对问题识别的准确性，从而作出正确响应。出正确响应。出正确响应。
【技术实现步骤摘要】
人工智能问答模型生成方法、问答方法、装置及存储介质
[0001]本申请涉及人工智能
，尤其涉及一种人工智能问答模型生成方法、问答方法、装置及存储介质。
技术介绍
[0002]目前在电信、银行、互联网等行业的都开始采用人工智能客服服务。人工智能客服一般是由问题库、答案库以及查询系统组成，但目前的人工智能客服需要在系统初期通过人工辅助将问题库里的每个问题和答案库里每一个答案做一一对应才能投入使用。在用户采用不同表述进行询问时可能会出现无法正确响应的情况，正确识别率较低。
技术实现思路
[0003]本申请实施例提供了一种人工智能问答模型生成方法、问答方法、装置、存储介质及计算机设备，能够提高人工智能的语音识别准确率。
[0004]第一方面，本申请提供了一种人工智能问答模型生成方法，所述方法包括：
[0005]获取初始问题以及与所述初始问题对应的答案；
[0006]对所述初始问题进行语料处理，得到所述初始问题的关键词；
[0007]根据所述初始问题的关键词从预设的基础语料库中获取每个关键词的同义词；
[0008]根据获取的同义词对每个与所述同义词对应的关键词进行替换，生成相似问题集；
[0009]将所述相似问题集与所述初始问题及所述答案关联，生成问答模型。
[0010]在其中一个实施例中，所述对所述初始问题进行语料处理，得到所述初始问题的关键词，包括：
[0011]通过预设的语料清洗模型对所述初始问题进行语料清洗，得到待处理语料；
[0012]对所述待处理语料进行分词处理，得到所述初始问题的关键词。
[0013]在其中一个实施例中，所述根据所述初始问题的关键词从预设的基础语料库中获取每个关键词的同义词，包括：
[0014]根据所述初始问题对应的语义情感确定每个关键词的词性；
[0015]根据每个关键词及所述关键词的词性从所述基础语料库获取每个关键词的同义词。
[0016]在其中一个实施例中，执行所述根据所述初始问题对应的语义场景确定每个关键词的词性之前，所述根据所述初始问题的关键词从预设的基础语料库中获取每个关键词的同义词还包括：
[0017]通过预设的情感分析模型确定所述初始问题的语义情感。
[0018]在其中一个实施例中，所述对所述待处理语料进行分词处理，得到所述初始问题的关键词，包括：
[0019]将所述待处理语料划分为多个字符串；
[0020]根据所述基础语料库对每个字符串进行匹配；
[0021]若所述待处理语料中任意一个字符串在所述基础语料库中不存在相同的词组，则重新对所述待处理语料进行字符串划分；
[0022]若所述基础语料库中存在与所述字符串相同的词组，则将所述字符串确定为一个分词，直至所述基础语料的每个字符串均被确定为一个分词；
[0023]将各字符串对应的分词确定为所述初始问题的关键词。
[0024]第二方面，本申请提供了一种人工智能问答方法，包括：
[0025]获取提问语句；
[0026]将所述提问语句输入利用如上述任一项实施例所述的人工智能问答模型生成方法生成的问答模型中进行问题匹配；
[0027]将相似度达到阈值的问题确定为目标问题；
[0028]根据所述目标问题确定所述提问语句的答案。
[0029]第三方面，本申请提供了一种人工智能问答模型生成装置，包括：
[0030]第一获取模块，用于获取初始问题以及与所述初始问题对应的答案；
[0031]关键词提取模块，用于对所述初始问题进行语料处理，得到所述初始问题的关键词；
[0032]第二获取模块，用于根据所述初始问题的关键词从预设的基础语料库中获取每个关键词的同义词；
[0033]问题集生成模块，用于根据获取的同义词对每个与所述同义词对应的关键词进行替换，生成相似问题集；
[0034]模型生成模块，用于将所述相似问题集与所述初始问题及所述答案关联，生成问答模型。
[0035]第四方面，本申请提供了一种人工智能问答装置，包括：
[0036]第三获取模块，用于获取提问语句；
[0037]问题匹配模块，用于将所述提问语句输入利用如上述任一项实施例所述的人工智能问答模型生成方法生成的问答模型中进行问题匹配；
[0038]目标问题确定模块，用于将相似度达到阈值的问题确定为目标问题；
[0039]答案确定模块，用于根据所述目标问题确定所述提问语句的答案。
[0040]第五方面，本申请提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述任一项实施例所述的人工智能问答模型生成方法或如上述实施例所述人工智能问答方法的步骤。
[0041]第六方面，本申请提供了一种计算机设备，包括：一个或多个处理器，以及存储器；
[0042]所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如上述任一项实施例所述人工智能问答模型生成方法或如上述实施例所述人工智能问答方法的步骤。
[0043]从以上技术方案可以看出，本申请实施例具有以下优点：
[0044]本申请提供的人工智能问答模型生成方法，获取初始问题及与初始问题对应的答案，对初始问题进行语料处理，提取出初始问题的关键词，以初始问题的关键词为基础从预
设的基础语料库获取每个关键词的同义词，通过对初始问题中的关键词进行同义词替换，生成初始问题的相似问题集，实现问题库的自动扩展，将生成的相似问题集与其对应的初始问题以及答案进行关联，生成问答模型。只需输入初始问题和答案即可在此基础上自动扩展与之相关的问题，丰富问题库，同时提高问答模型在投入使用后对问题识别的准确性，从而作出正确响应。
附图说明
[0045]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0046]图1为一个实施例中，人工智能问答模型生成方法的流程示意图；
[0047]图2为一个实施例中，对初始问题进行语料处理，得到初始问题的关键词步骤的流程示意图；
[0048]图3为一个实施例中，根据初始问题的关键词从预设的基础语料库中获取每个关键词的同义词步骤的流程示意图；
[0049]图4为一个实施例中，对待处理语料进行分词处理，得到初始问题的关键词步骤的流程示意图；
[0050]图5为一个实施例中，人工智能问答方法的流程示意图；
[0051]图6为一个实施例中，人工智能问答模型生成装置的结构框图；
[0052]图7为一个实施例中，人工智能问答装置的结构框图；
[0053本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人工智能问答模型生成方法，其特征在于，所述方法包括：获取初始问题以及与所述初始问题对应的答案；对所述初始问题进行语料处理，得到所述初始问题的关键词；根据所述初始问题的关键词从预设的基础语料库中获取每个关键词的同义词；根据获取的同义词对每个与所述同义词对应的关键词进行替换，生成相似问题集；将所述相似问题集与所述初始问题及所述答案关联，生成问答模型。2.根据权利要求1所述的人工智能问答模型生成方法，其特征在于，所述对所述初始问题进行语料处理，得到所述初始问题的关键词，包括：通过预设的语料清洗模型对所述初始问题进行语料清洗，得到待处理语料；对所述待处理语料进行分词处理，得到所述初始问题的关键词。3.根据权利要求2所述的人工智能问答模型生成方法，其特征在于，所述根据所述初始问题的关键词从预设的基础语料库中获取每个关键词的同义词，包括：根据所述初始问题对应的语义情感确定每个关键词的词性；根据每个关键词及所述关键词的词性从所述基础语料库获取每个关键词的同义词。4.根据权利要求3所述的人工智能问答模型生成方法，其特征在于，执行所述根据所述初始问题对应的语义场景确定每个关键词的词性之前，所述根据所述初始问题的关键词从预设的基础语料库中获取每个关键词的同义词还包括：通过预设的情感分析模型确定所述初始问题的语义情感。5.根据权利要求2所述的人工智能问答模型生成方法，其特征在于，所述对所述待处理语料进行分词处理，得到所述初始问题的关键词，包括：将所述待处理语料划分为多个字符串；根据所述基础语料库对每个字符串进行匹配；若所述待处理语料中任意一个字符串在所述基础语料库中不存在相同的词组，则重新对所述待处理语料进行字符串划分；若所述基础语料库中存在与所述字符串相同的词组，则将所述字符串确定为一个分词，直至所述基础语料的每个字符串均被确定为一个分词；将各字符串对应的分词确定为...
【专利技术属性】
技术研发人员：王欢，李英杰，曾波，周振辉，
申请(专利权)人：网思科技股份有限公司，
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。