一种智能问答方法、装置、系统及电子设备制造方法及图纸

本说明书一个或多个实施例公开了一种智能问答方法、装置、系统及电子设备，该方法包括：通过预设向量生成规则将接收到的用户请求处理的问题数据，转换为对应的问题向量；然后，从预设向量数据库中查找与问题向量满足相似度匹配条件的问题向量作为目标问题向量，之后，根据查找到的目标问题向量确定该目标问题向量对应的目标问题数据，并返回目标问题数据关联的目标答案数据。从而，将问题转换为向量的方式，并使用向量匹配的方式从已有的向量数据库中查找相匹配的目标问题向量，减少了匹配任务量，提升匹配效率；而且以向量代表问题数据进行匹配，能够避免因为问题表述差异而导致分词不同影响匹配准确率的问题，进而提升问题匹配答案的准确率。匹配答案的准确率。匹配答案的准确率。

【技术实现步骤摘要】
一种智能问答方法、装置、系统及电子设备


[0001]本文件涉及人工智能
，尤其涉及一种智能问答方法、装置、系统及电子设备。

技术介绍

[0002]目前的智能问答任务中，在机器人获取到智能问答任务中请求的问题之后，一般会根据请求的问题，与问题数据库中问题进行相似度匹配，然后将最终匹配到的问题关联的答案返回给机器人。
[0003]然而，问题匹配过程是基于对问题进行分词的方式进行比对分析以确定结果，由于分词比对的匹配方式任务量较大，导致匹配效率不高，而且，由于问题表述差异，使用分词比对进行匹配的结果准确率不高。
[0004]为此，亟需找到一种新的智能问答方案。

技术实现思路

[0005]本说明书一个或多个实施例的目的是提供一种智能问答方法、装置、系统及电子设备，以通过将用户请求的问题数据转换成问题向量的方式，从已有的预设向量数据库中查找相似度匹配的目标问题向量，再根据查找到的目标问题向量对应的目标问题数据，确定该目标问题数据关联的目标答案数据，从而，以向量查询的方式优化问题匹配过程，提升智能问答效率以及准确率。
[0006]为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
[0007]第一方面，提出了一种智能问答方法，包括：
[0008]接收用户请求处理的问题数据，所述问题数据中至少携带有询问内容；
[0009]基于预设向量生成规则将所述问题数据转换为对应的问题向量；
[0010]基于所述问题向量，从预设向量数据库中查找与所述问题向量满足相似度匹配条件的问题向量作为目标问题向量，其中，所述预设向量数据库中存储有多个已有的问题数据与对应问题向量的映射关系；
[0011]根据查找到的目标问题向量确定该目标问题向量对应的目标问题数据，并返回所述目标问题数据关联的目标答案数据。
[0012]第二方面，提出了一种智能问答装置，包括：
[0013]接收模块，用于接收用户请求处理的问题数据，所述问题数据中至少携带有询问内容；
[0014]转换模块，用于基于预设向量生成规则将所述问题数据转换为对应的问题向量；
[0015]查找模块，用于基于所述问题向量，从预设向量数据库中查找与所述问题向量满足相似度匹配条件的问题向量作为目标问题向量，其中，所述预设向量数据库中存储有多个已有的问题数据与对应问题向量的映射关系；
[0016]返回模块，用于根据查找到的目标问题向量确定该目标问题向量对应的目标问题
数据，并返回所述目标问题数据关联的目标答案数据。
[0017]第三方面，提出了一种智能问答系统，包括：用户终端，以及第二方面所述的智能问答装置；其中，
[0018]所述用户终端，用于采集用户请求处理的问题数据，并将所述问题数据发送给所述智能问答装置；
[0019]所述智能问答装置，用于接收用户请求处理的问题数据，所述问题数据中至少携带有询问内容；基于预设向量生成规则将所述问题数据转换为对应的问题向量；基于所述问题向量，从预设向量数据库中查找与所述问题向量满足相似度匹配条件的问题向量作为目标问题向量，其中，所述预设向量数据库中存储有多个已有的问题数据与对应问题向量的映射关系；根据查找到的目标问题向量确定该目标问题向量对应的目标问题数据，并返回所述目标问题数据关联的目标答案数据。
[0020]第四方面，提出了一种电子设备，包括：
[0021]处理器；以及
[0022]被安排成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第一方面所述的智能问答方法。
[0023]第五方面，提出了一种计算机可读存储介质，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包括多个应用程序的电子设备执行时，使得所述电子设备执行第一方面所述的智能问答方法。
[0024]由以上说明书一个或多个实施例提供的技术方案可见，通过预设向量生成规则将接收到的用户请求处理的问题数据，转换为对应的问题向量；然后，从预设向量数据库中查找与问题向量满足相似度匹配条件的问题向量作为目标问题向量，之后，根据查找到的目标问题向量确定该目标问题向量对应的目标问题数据，并返回目标问题数据关联的目标答案数据。从而，将问题转换为向量的方式，并使用向量匹配的方式从已有的向量数据库中查找相匹配的目标问题向量，减少了匹配任务量，提升匹配效率；而且以向量代表问题数据进行匹配，能够避免因为问题表述差异而导致分词不同影响匹配准确率的问题，进而提升问题匹配答案的准确率。
附图说明
[0025]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对一个或多个实施例或现有技术描述中所需要使用的附图做简单介绍，显而易见地，以下描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1是本说明书实施例所适用的场景架构示意图之一。
[0027]图2是本说明书实施例所适用的场景架构示意图之二。
[0028]图3是本说明书实施例提供的智能问答方法的步骤示意图。
[0029]图4是本说明书的一个实施例提供的智能问答装置的结构示意图。
[0030]图5是本说明书的一个实施例提供的电子设备的结构示意图。
具体实施方式
[0031]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的一个或多个实施例只是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0032]当前智能问答方案中，针对智能问答任务中请求的问题，会将该请求的问题进行分词处理，然后与问题数据库中每个问题(这些问题也同样按照分词处理方式划分)进行分词的比对，从中选择相似度排序前N个问题，然后再从这前N个问题中确定最匹配的问题作为任务响应返回。由于分词比对的匹配方式任务量较大，导致匹配效率不高，而且，由于问题表述差异，使用分词比对进行匹配的结果准确率不高。
[0033]为此，本说明书实施例提出了一种新的智能问答方案，通过预设向量生成规则将接收到的用户请求处理的问题数据，转换为对应的问题向量；然后，从预设向量数据库中查找与问题向量满足相似度匹配条件的问题向量作为目标问题向量，之后，根据查找到的目标问题向量确定该目标问题向量对应的目标问题数据，并返回目标问题数据关联的目标答案数据。从而，将问题转换为向量的方式，并使用向量匹配的方式从已有的向量数据库中查找相匹配的目标问题向量，减少了匹配任务量，提升匹配效率；而且以向量代表问题数据进行匹配，能够避免因为问题表述差异而导致分词不同影响匹配准确率的问题，进而提升问题匹配答案的准确率。
[003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，包括：接收用户请求处理的问题数据，所述问题数据中至少携带有询问内容；基于预设向量生成规则将所述问题数据转换为对应的问题向量；基于所述问题向量，从预设向量数据库中查找与所述问题向量满足相似度匹配条件的问题向量作为目标问题向量，其中，所述预设向量数据库中存储有多个已有的问题数据与对应问题向量的映射关系；根据查找到的目标问题向量确定该目标问题向量对应的目标问题数据，并返回所述目标问题数据关联的目标答案数据。2.如权利要求1所述的智能问答方法，其特征在于，所述预设向量数据库通过以下方式建立：获取多个已有的问题数据，其中，每个已有问题数据均关联有对应的答案数据；针对多个已有的问题数据中每个问题数据分别执行：基于预设向量生成算法将所述问题数据转换为对应的问题向量；将多个已有的问题数据中每个问题数据转换得到的问题向量汇总，建立预设向量数据库。3.如权利要求1或2所述的智能问答方法，其特征在于，基于预设向量生成规则将所述问题数据转换为对应的问题向量，具体包括：基于设定向量生成算法将所述问题数据生成对应的问题向量，所述设定向量生成算法至少包含：向量空间模型算法和/或局部敏感哈希算法；或者，基于向量生成模型为所述问题数据预测对应的问题向量，其中，所述向量生成模型是基于问题数据样本以及对应的样本标签反复训练得到。4.如权利要求3所述的智能问答方法，其特征在于，所述问题数据为询问文本；或者，所述问题数据为询问文本和询问图像；其中，所述询问图像是用户在请求处理询问文本时拍摄的用户图像。5.如权利要求4所述的智能问答方法，其特征在于，基于设定向量生成算法将所述问题数据生成对应的问题向量，具体包括：判断所述问题数据是否包含询问图像；如果判断所述问题数据包含询问图像，则使用向量空间模型算法将问题数据中询问文本生成对应的文本向量，以及，使用快速特征点提取和描述算法从问题数据中询问图像提取图像特征并生成用于描述特征的图像向量；将所述文本向量和所述图像向量作为所述问题数据的问题向量；如果判断所述问题数据不包含询问图像，则使用向量空间模型算法将问题数据生成对应的文本向量，将所述文本向量作为所述问题数据的问题向量。6.如权利要求3所述的智能问答方法，其特征在于，基于向量生成模型为所述问题数据预测对应的问题向量，具体包括：判断所述问题数据是否包含询问图像；如果判断所述问题数据包含询问图像，则将所述问题数据中询问文本输入基于询问文本样本训练的第一向量生成模型，并基于输出结果预测文本向量；以及，将所述问题数据中询问图像输入基于询问图像样本训练的第二向量生成模型...

【专利技术属性】
技术研发人员：谭奇力，任展，
申请(专利权)人：达闼科技北京有限公司，
类型：发明
国别省市：