一种保险业务场景问答推荐方法及其相关设备技术

本申请实施例属于AI智能问答技术领域，涉及一种保险业务场景问答推荐方法及其相关设备，包括获取保险对话业务场景下的问题文本；对问题文本进行问题实体抽取和问题关系抽取，通过预设的问题实体相似知识库和预设的问题关系相似知识库，构建候选问题实体集和候选问题关系集，大大简化模型复杂度，提高模型运行速度，同时，在构建学习评分模型时，结合候选问题实体集、候选问题关系集和候选答案集，进行模型训练，获得包含丰富语义信息的表示向量，使学习评分模型训练不仅利用知识图谱结构化信息，还利用知识图谱实体和关系的语义信息，提高问题关系抽取的正确率，通过学习评分模型获得最优评分时问题答案，以此提高知识库问答回答问题的正确率。回答问题的正确率。回答问题的正确率。

【技术实现步骤摘要】
一种保险业务场景问答推荐方法及其相关设备


[0001]本申请涉及AI智能问答
，尤其涉及一种保险业务场景问答推荐方法及其相关设备。

技术介绍

[0002]对话系统是人工智能的一个重要分支，有任务驱动型对话系统、问答系统、开放域聊天等子系统。其中，任务驱动型对话系统一般需要通过与用户进行多轮对话，逐步收集完成任务所需的必要信息，给用户提供相应的服务；而问答系统则侧重于直接理解用户的问题，给出精准的答案，必要时系统也会向用户主动发问以进行澄清。常见的问答系统基于常见问题(FAQ)的相似度计算，但是为了给用户提供更精准的回答，基于知识图谱的问答系统受到了越来越多的关注。
[0003]现有的知识库问答主要有三种模式，分别为仅使用知识图谱结构化的信息进行检索对比，获取答案数据进行回返、使用预训练模型和深度网络将实体识别输出的mention链接至知识图谱或者仅利用问句文本和候选关系确定问题关系。因此，现有技术在进行AI智能问答上，还存在问答推荐方式较多，造成推荐准确率无法保证的问题。

技术实现思路

[0004]本申请实施例的目的在于提出一种保险业务场景问答推荐方法及其相关设备，以解决现有技术在进行AI智能问答上，还存在问答推荐方式较多，造成推荐准确率无法保证的问题。
[0005]为了解决上述技术问题，本申请实施例提供一种保险业务场景问答推荐方法，采用了如下所述的技术方案：
[0006]一种保险业务场景问答推荐方法，包括下述步骤：
[0007]获取保险对话业务场景下的问题文本；
[0008]对所述问题文本进行问题实体抽取和问题关系抽取，获取相应的问题实体数据和问题关系数据；
[0009]基于所述问题实体数据和预设的第一筛选规则，从预设的问题实体相似知识库中筛选出预设数量的问题实体相似数据，构建候选问题实体集；
[0010]基于所述问题关系数据和预设的第二筛选规则，从预设的问题关系相似知识库中筛选出预设数量的问题关系相似数据，构建候选问题关系集；
[0011]将所述候选问题实体集和所述候选问题关系集作为输入集，输入预先学习训练完成的学习评分模型；
[0012]获取所述候选问题实体集中任一元素和所述候选问题关系集中任一元素进行组合，获取组合结果所对应的候选答案，构建候选答案集；
[0013]通过所述学习训练完成的学习评分模型对所述候选问题实体集、所述候选问题关系集和所述候选答案集进行综合评分，通过综合评分结果筛选出最终输出的问题答案推荐
给目标客户。
[0014]进一步的，在执行所述对所述问题文本进行问题实体抽取和问题关系抽取，获取相应的问题实体数据和问题关系数据的步骤之前，所述方法还包括：
[0015]预先连接预设的问题实体抽取子模型和问题关系抽取子模型，其中，所述问题实体抽取子模型包括问题实体识别组件，所述问题关系抽取子模型包括问题关系识别组件；
[0016]所述对所述问题文本进行问题实体抽取和问题关系抽取，获取相应的问题实体数据和问题关系数据的步骤，具体包括：
[0017]根据所述问题实体识别组件对所述问题文本进行问题实体向量获取，其中，所述问题实体识别组件由BERT+CRF综合模型构成；
[0018]以预构建的候选知识图谱对应的实体表示向量为监督信号，与所述问题实体向量进行对比，获取所述问题实体向量对应的问题实体名称，其中，所述预构建的候选知识图谱为根据问题实体相似性所预先构建的知识图谱；
[0019]根据所述问题关系识别组件对所述问题文本进行问题关系向量获取，根据所述问题关系向量获取所述问题文本中的问题关系，其中，所述问题关系识别组件由Sentence
‑
BERT模型构成。
[0020]进一步的，所述问题实体抽取子模型还包括问题实体链接组件，所述基于所述问题实体数据和预设的第一筛选规则，从预设的问题实体相似知识库中筛选出预设数量的问题实体相似数据，构建候选问题实体集的步骤，具体包括：
[0021]通过所述问题实体链接组件，将所述问题实体名称链接至所述问题实体相似知识库中，其中，所述问题实体相似知识库中包含了若干个问题实体名称及所述若干个问题实体名称所分别对应的问题实体向量；
[0022]根据所述问题实体向量从所述问题实体相似知识库中筛选出与所述问题实体向量间误差在预设可允许范围内的所有问题实体名称作为初选问题实体；
[0023]根据所述问题实体向量对所有初选问题实体进行向量误差排序，根据排序筛选出所述预设数量的初选问题实体，构建候选问题实体集。
[0024]进一步的，所述问题关系抽取子模型还包括问题关系链接组件，所述基于所述问题关系数据和预设的第二筛选规则，从预设的问题关系相似知识库中筛选出预设数量的问题关系相似数据，构建候选问题关系集的步骤，具体包括：
[0025]通过所述问题关系链接组件，将所述问题关系向量链接至所述问题关系相似知识库中，其中，所述问题关系相似知识库中包含了若干个问题关系向量，以及所述若干个问题关系向量所分别对应的问题关系表示文本；
[0026]根据所述问题关系向量从所述问题关系相似知识库中匹配到误差在预设可允许范围内的若干个问题关系向量；
[0027]获取所述若干个问题关系向量所分别对应的问题关系表示文本，构建候选问题关系集。
[0028]进一步的，在执行所述将所述候选问题实体集和所述候选问题关系集作为输入集，输入预先学习训练完成的学习评分模型的步骤之前，所述方法还包括：
[0029]获取所述问题实体相似知识库、所述问题关系相似知识库和预设的答案实体知识库中的所有问题实体数据、所有问题关系数据、所有答案实体数据；
[0030]根据所述所有问题实体数据、所有问题关系数据、所有答案实体数据构建初始化的保险产品知识图谱；
[0031]根据所述初始化的保险产品知识图谱中各个问题实体、各个问题关系、各个答案实体构建[问题实体
‑
问题关系
‑
答案实体]形式的三元组；
[0032]根据所述初始化的保险产品知识图谱对应的空间映射矩阵，获取每个三元组所包含的模长信息和角度信息；
[0033]根据预设的评分函数、所述每个三元组所包含的模长信息和角度信息，计算所述初始化的保险产品知识图谱的评分值；
[0034]通过随机负采样技术，获得负样本，并通过预设的损失函数和所述负样本计算所述初始化的保险产品知识图谱的损失值；
[0035]根据SGD优化方法，反复优化所述初始化的保险产品知识图谱，直到所述评分值和所述损失值都满足预设的要求条件，所述学习评分模型学习训练完成，将反复优化后最终获得的保险产品知识图谱作为答案实体筛选知识图谱。
[0036]进一步的，所述获取所述候选问题实体集中任一元素和所述候选问题关系集中任一元素进行组合，获取组合结果所对应的候选答案，构建候选答案集的步骤，具体包括：
[0037]从所述候选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保险业务场景问答推荐方法，其特征在于，包括下述步骤：获取保险对话业务场景下的问题文本；对所述问题文本进行问题实体抽取和问题关系抽取，获取相应的问题实体数据和问题关系数据；基于所述问题实体数据和预设的第一筛选规则，从预设的问题实体相似知识库中筛选出预设数量的问题实体相似数据，构建候选问题实体集；基于所述问题关系数据和预设的第二筛选规则，从预设的问题关系相似知识库中筛选出预设数量的问题关系相似数据，构建候选问题关系集；将所述候选问题实体集和所述候选问题关系集作为输入集，输入预先学习训练完成的学习评分模型；获取所述候选问题实体集中任一元素和所述候选问题关系集中任一元素进行组合，获取组合结果所对应的候选答案，构建候选答案集；通过所述学习训练完成的学习评分模型对所述候选问题实体集、所述候选问题关系集和所述候选答案集进行综合评分，通过综合评分结果筛选出最终输出的问题答案推荐给目标客户。2.根据权利要求1所述的保险业务场景问答推荐方法，其特征在于，在执行所述对所述问题文本进行问题实体抽取和问题关系抽取，获取相应的问题实体数据和问题关系数据的步骤之前，所述方法还包括：预先连接预设的问题实体抽取子模型和问题关系抽取子模型，其中，所述问题实体抽取子模型包括问题实体识别组件，所述问题关系抽取子模型包括问题关系识别组件；所述对所述问题文本进行问题实体抽取和问题关系抽取，获取相应的问题实体数据和问题关系数据的步骤，具体包括：根据所述问题实体识别组件对所述问题文本进行问题实体向量获取，其中，所述问题实体识别组件由BERT+CRF综合模型构成；以预构建的候选知识图谱对应的实体表示向量为监督信号，与所述问题实体向量进行对比，获取所述问题实体向量对应的问题实体名称，其中，所述预构建的候选知识图谱为根据问题实体相似性所预先构建的知识图谱；根据所述问题关系识别组件对所述问题文本进行问题关系向量获取，根据所述问题关系向量获取所述问题文本中的问题关系，其中，所述问题关系识别组件由Sentence
‑
BERT模型构成。3.根据权利要求2所述的保险业务场景问答推荐方法，其特征在于，所述问题实体抽取子模型还包括问题实体链接组件，所述基于所述问题实体数据和预设的第一筛选规则，从预设的问题实体相似知识库中筛选出预设数量的问题实体相似数据，构建候选问题实体集的步骤，具体包括：通过所述问题实体链接组件，将所述问题实体名称链接至所述问题实体相似知识库中，其中，所述问题实体相似知识库中包含了若干个问题实体名称及所述若干个问题实体名称所分别对应的问题实体向量；根据所述问题实体向量从所述问题实体相似知识库中筛选出与所述问题实体向量间误差在预设可允许范围内的所有问题实体名称作为初选问题实体；
根据所述问题实体向量对所有初选问题实体进行向量误差排序，根据排序筛选出所述预设数量的初选问题实体，构建候选问题实体集。4.根据权利要求2所述的保险业务场景问答推荐方法，其特征在于，所述问题关系抽取子模型还包括问题关系链接组件，所述基于所述问题关系数据和预设的第二筛选规则，从预设的问题关系相似知识库中筛选出预设数量的问题关系相似数据，构建候选问题关系集的步骤，具体包括：通过所述问题关系链接组件，将所述问题关系向量链接至所述问题关系相似知识库中，其中，所述问题关系相似知识库中包含了若干个问题关系向量，以及所述若干个问题关系向量所分别对应的问题关系表示文本；根据所述问题关系向量从所述问题关系相似知识库中匹配到误差在预设可允许范围内的若干个问题关系向量；获取所述若干个问题关系向量所分别对应的问题关系表示文本，构建候选问题关系集。5.根据权利要求1至4任一项所述的保险业务场景问答推荐方法，其特征在于，在执行所述将所述候选问题实体集和所述候选问题关系集作为输入集，输入预先学习训练完成的学习评分模型的步骤之前，所述方法还包括：获取所述问题实体相似知识库、所述问题关系相似知识库和预设的答案实体知识库中的所有问题实体数据、所有问题关系数据、所有答案实体数据；根据所述所有问题实体数据、所有问题关系数据、所有答案实体数据构建初始化的保险产品知识图谱；根据所述初始化的保...

【专利技术属性】
技术研发人员：孔令格，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：