采用神经网络算法的智能化问答信息处理方法及软件产品技术

本发明专利技术实施例涉及人工神经网络、聊天机器人和数字化技术领域，提供一种采用神经网络算法的智能化问答信息处理方法及软件产品，能够基于人工智能和大数据技术挖掘出提问文本所对应的提问兴趣文本，并聚合得到反映提问者的真实提问意向的AI机器人提问优化交互文本，这样可以通过AI提问合规性校对文本准确、稳定地实现在线AI机器人对话文本的合规性检测，提高聊天机器人chatting robot的对话交互智能性。此外，本发明专利技术实施例可涉及数字孪生业务、在线教育业务、供应链金融业务和社交娱乐业务等领域，可扩展性强。可扩展性强。可扩展性强。

【技术实现步骤摘要】
采用神经网络算法的智能化问答信息处理方法及软件产品


[0001]本专利技术涉及人工神经网络、聊天机器人和数字化
，尤其涉及一种采用神经网络算法的智能化问答信息处理方法及软件产品。

技术介绍

[0002]智能问答系统（Intelligent Question Answering System，IQAS）是基于大数据（Big data）处理技术，将积累的无序语料信息进行有序和科学的整理，并建立基于人工智能（Artificial Intelligence，AI）及其专家系统（Expert System，ES）分支的算法模型。
[0003]智能问答系统可以指导新增加的语料咨询和服务信息，节约人力资源，提高信息处理的自动性，在数字化时代降低各类在线业务的运行成本。IQAS可以广泛应用于数字孪生业务、在线教育业务、供应链金融业务和社交娱乐业务等。
[0004]在智能问答系统的实际运行过程中，针对AI提问信息的合规性分析一直是一个重点研究的方向。

技术实现思路

[0005]本专利技术提供一种采用神经网络算法的智能化问答信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用神经网络算法的智能化问答信息处理方法，其特征在于，应用于智能化问答处理服务器，所述方法包括：对在线AI机器人对话文本中的提问段落进行文本内容抽取，得到所述提问段落对应的提问文本、以及所述在线AI机器人对话文本的AI机器人聊天文本；对所述提问文本进行文本语义向量挖掘，得到所述提问文本对应的多级文本语义向量，其中，所述多级文本语义向量包括表征级文本语义向量、以及除表征级之外的隐含级文本语义向量；依据所述隐含级文本语义向量对所述表征级文本语义向量进行提问兴趣推演，以生成所述提问文本对应的提问兴趣文本，所述提问兴趣文本为所述提问段落完成了意向挖掘的文本；将所述提问兴趣文本与所述AI机器人聊天文本进行聚合，得到AI机器人提问优化交互文本；将所述AI机器人提问优化交互文本与AI提问合规性校对文本进行配对；结合所述AI机器人提问优化交互文本与AI提问合规性校对文本的配对结果，确定AI提问合规性校对标签。2.如权利要求1所述的方法，其特征在于，所述对在线AI机器人对话文本中的提问段落进行文本内容抽取，得到所述提问段落对应的提问文本、以及所述在线AI机器人对话文本的AI机器人聊天文本，包括：对在线AI机器人对话文本中的原始提问段落进行活跃文本单元识别，得到所述原始提问段落对应的提问词句分布特征；依据所述提问词句分布特征，对所述在线AI机器人对话文本中的提问段落进行文本内容抽取，得到所述提问段落对应的提问文本、以及所述在线AI机器人对话文本的AI机器人聊天文本。3.如权利要求1所述的方法，其特征在于，所述将所述提问兴趣文本与所述AI机器人聊天文本进行聚合，得到AI机器人提问优化交互文本，包括：将所述提问兴趣文本与所述AI机器人聊天文本进行聚合，得到原始AI机器人提问优化交互文本；对所述原始AI机器人提问优化交互文本进行更新操作，得到AI机器人提问优化交互文本。4.如权利要求3所述的方法，其特征在于，所述对所述原始AI机器人提问优化交互文本进行更新操作，得到AI机器人提问优化交互文本，包括：依据所述提问文本的词向量描述值、以及所述AI机器人聊天文本的词向量描述值，确定所述提问文本的描述值变化、以及所述AI机器人聊天文本的描述值变化；依据所述提问文本的描述值变化、以及所述AI机器人聊天文本的描述值变化，确定所述原始AI机器人提问优化交互文本的描述值变化；结合所述原始AI机器人提问优化交互文本的描述值变化、以及所述提问文本的描述值变化，对所述原始AI机器人提问优化交互文本的词向量描述值进行修改，得到AI机器人提问优化交互文本。5.如权利要求1所述的方法，其特征在于，所述将所述AI机器人提问优化交互文本与AI
提问合规性校对文本进行配对，包括：分别挖掘所述AI机器人提问优化交互文本中提问优化段落对应的提问优化段落语义向量、以及AI提问合规性校对文本中提问校对段落对应的提问校对段落语义向量；依据所述提问优化段落语义向量、以及所述提问校对段落语义向量，确定所述AI机器人提问优化交互文本与AI提问合规性校对文本的共性度量值；依据所述共性度量值，将所述AI机器人提问优化交互文本与AI提问合规性校对文本进行配对。6.如权利要求1所述的方法，其特征在于，所述对所述提问文本进行文本语义向量挖掘，得到所述提问文本对应的多级文本语义向量，包括：对所述提问文本进行多级第一滑动平均操作，得到所述提问文本对应的表征级文本语义向量、以及除表征级之外的隐含级文本语义向量；依据所述隐含级文本语义向量对所述表征级文本语义向量进行提问兴趣推演，以生成所述提问文本对应的提问兴趣文本，包括：对所述表征级文本语义向量进行多级第二滑动平均操作，得到所述提问文本对应的多级文本语义聚合向量，其中，每级文本语义聚合向量为上下游滑动平均层输出的文本语义向量和所述隐含级文本语义向量聚合得到；依据所述多级文本语义聚合向量，确定所述提问文本对应的提问兴趣文本。7.如权利要求1所述的方法，其特征在于，所述提问文本包括基础提问文本，所述对所述提问文本进行文本语义向量挖掘，得到所述提问文本对应的多级文本语义向量，包括：通过第一设定神经网络算法中第一设定输出组件的特征挖掘节点，对所述基础提问文本进行文本语义向量挖掘，得到所述基础提问文本对应的多级文本语义向量，其中，所述多级文本语义向量包括表征级文本语义向量、以及除表征级之外的隐含级文本语义向量；依据隐含级文本语义向量对所述表征级文本语义向量进行提问兴趣推演，以生成所述提问文本对应的提问兴趣文本，包括：通过所述第一设定输出组件的特征翻译节点，依据所...

【专利技术属性】
技术研发人员：熊琼湘，
申请(专利权)人：哈尔滨涛茹科技有限公司，
类型：发明
国别省市：