一种智能问答方法、设备、装置及存储介质制造方法及图纸

本申请提供一种智能问答方法、设备、装置及存储介质；本申请中，获取目标对象提出的目标问题，在存储问答关系对的问答知识库中未查找到目标问题对应的目标答案后，基于目标问题中各个分词对应的上下文语句信息，对目标问题中的各个分词进行特征向量提取，得到相应的第一语义特征；基于第一语义特征，在预设问答库中检索与目标问题之间的语义特征相似度达到相似度阈值的标准问题；获取标准问题对应的第一标准答案，并将第一标准答案作为目标问题对应的目标答案；结合目标问题的整体语句信息，提取目标问题对应的第一语义特征，而不是仅参考单个关键词，提升识别的准确性，且可直接返回目标答案，提升搜索效率。提升搜索效率。提升搜索效率。

【技术实现步骤摘要】
一种智能问答方法、设备、装置及存储介质


[0001]本申请涉及自然语言处理
，尤其涉及一种智能问答方法、设备、装置及存储介质。

技术介绍

[0002]随着人工智能技术的发展，智能问答技术以节约人力资源的优势，广泛应用于各个行业。
[0003]目前，智能问答技术中采用关键词加排序的方式，对目标对象提出的问题进行识别匹配并反馈。具体的，采用关键词的方式对目标对象提出的问题进行识别匹配，并对识别匹配出的多个可能的问题进行排序后反馈给目标对象，由目标对象自身对多个可能的问题进行筛选，最终返回目标对象筛选出的问题对应的具体办事事项链接，由目标对象点击链接后获取问题答案。
[0004]显然，通过目前的方式可以满足目标对象的搜索需求，但是无法直接地给出具体答案，且采用关键词加排序的方式进行识别匹配时，对于细粒度的问题并不能有效的识别匹配，导致无法精确地匹配答案。
[0005]因此，如何准确识别匹配与目标对象提出的问题，以精确地匹配答案且提高搜索效率是目前需要解决的问题。

技术实现思路

[0006]本申请提供一种智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能问答方法，其特征在于，该方法包括：获取目标对象提出的目标问题；在存储问答关系对的问答知识库中未查找到所述目标问题对应的目标答案后，基于所述目标问题中各个分词对应的上下文语句信息，对所述目标问题中的各个分词进行特征向量提取，得到相应的第一语义特征；基于所述第一语义特征，在预设问答库中检索与所述目标问题之间的语义相似度达到相似度阈值的标准问题；获取所述标准问题对应的第一标准答案，并将所述第一标准答案作为所述目标问题对应的目标答案。2.如权利要求1所述的方法，其特征在于，通过如下方式在所述问答知识库中查找所述目标问题对应的目标答案：对所述目标问题进行分词处理，确定所述目标问题中的关键词以及所述关键的词性信息；基于所述关键词以及所述词性信息，对所述目标问题与所述问答知识库中的问题模板进行匹配，并获得匹配结果；基于所述匹配结果，在所述问答知识库中查找所述目标问题对应的目标答案。3.如权利要求2所述的方法，其特征在于，所述基于所述匹配结果，在所述问答知识库中查找所述目标问题对应的目标答案，具体包括：若所述匹配结果表征存在与所述目标问题匹配的目标问题模板，则在所述问答知识库中，获取所述目标问题模板对应的第二标准答案，并将所述第二标准答案作为所述目标问题对应的目标答案；或若所述匹配结果表征不存在与所述目标问题匹配的目标问题模板，则确定在所述问答知识库中未查找到所述目标问题对应的目标答案。4.如权利要求1所述的方法，其特征在于，所述获取目标对象提出的目标问题之后，在存储问答关系对的问答知识库中查找所述目标问题对应的目标答案之前，还包括：通过文本卷积神经网络，识别所述目标问题对应的事项类型；在所述问答知识库中查找所述事项类型对应的事项问题集合；在所述事项问题集合中，查找与所述目标问题匹配的事项问题。5.如权利要求1所述的方法，其特征在于，所述对所述目标问题中的各个分词进行特征向量提取，得到相应的第一语义特征，包括：通过ALBert模型对所述目标问题中的各个分词进行特征向量提取，得到相应的第一语义特征；所述基于所述第一语义特征，在预设问答库中检索与所述目标问题之间的语义相似度达到相似度阈值的标准问题，包括：针对所述预设问答库中的任一预设问题，基于所述第一语义特征以及所述预设问题对应的第二语义特征，通过欧式距离算法，确定所述预设问题与所述目标问题之间的语义相似度；基于所述语义相似度，在所述预设问答库中存储的所有预设问题中，检索语义相似度达到相似度阈值的预设问题，并将检索...

【专利技术属性】
技术研发人员：苏晓伟，赵峂，汪铎，宋吉胜，刘墩建，陈维强，孙永良，于涛，李建伟，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：