本发明专利技术涉及金融科技领域的人工智能技术，揭露了一种语义问答方法，包括：获取语义问答对集合，利用所述语义问答对集合训练预构建的并行语义模型，得到语义问答模型，获取用户查询问题，对所述用户查询问题进行分词，得到查询分词结果，基于所述查询分词结果，利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回，得到语义召回结果，对所述语义召回结果进行相关度定级，根据相关度定级结果得到所述用户查询问题对应的语义查询答案。本发明专利技术还涉及区块链技术，所述语义查询答案可存储在区块链的节点中。本发明专利技术还提出一种语义问答装置、电子设备以及可读存储介质。本发明专利技术可以提高语义问答的准确性。本发明专利技术可以提高语义问答的准确性。本发明专利技术可以提高语义问答的准确性。
【技术实现步骤摘要】
语义问答方法、装置、设备及存储介质
[0001]本专利技术涉及金融科技及人工智能
，尤其涉及一种语义问答方法、装置、电子设备及可读存储介质。
技术介绍
[0002]随着人工智能的发展，通过搜索引擎进行信息智能搜索越来越重要，搜索引擎是一个对互联网信息资源进行搜索整理和分类，并储存在网络数据库中供用户查询的系统，包括信息搜集、信息分类、用户查询三部分，搜索引擎在应用场景中一方面起到引导作用，另一方面可以帮助用户了解资料库的纵深，即用户到底可以通过此网站或应用来学习和了解到知识的数量和质量级别。
[0003]现有技术中，以Elasticsearch(ES)框架为基础的搜索引擎是现阶段搜索引擎的主力军之一，虽然其因兼顾有速度快和搜词准而闻名，但是因其对搜索词条和语句的分词和算分方式也局限了其在与用户搜索词条的语义理解的交互性，导致语义问答不准确。例如：金融领域中，用户搜索
‘
咋买保险
’
，库中如果只有
‘
怎么买保险
’
，则用户很难搜出此结果，是因为
‘
咋买保险
’
ES计算得分时会围绕
‘
咋
’
，
‘
买
’
，
‘
保险
’
三个词进行评分。由于
‘
怎么买保险
’
只包含
‘
买
’
，
‘
保险
’
所以其不会被作为高分被排在前面，取而代之的又能使很多包含
‘
咋
’
，
‘
买
’
，
‘
保险
’
的搜索结果。综上所述，亟需一种能够准确理解用户输入语义准确进行语义问答的方法。
技术实现思路
[0004]本专利技术提供一种语义问答方法、装置、电子设备及可读存储介质，其主要目的在于可以提高语义问答的准确性。
[0005]为实现上述目的，本专利技术提供的一种语义问答方法，包括：
[0006]获取语义问答对集合，利用所述语义问答对集合训练预构建的并行语义模型，得到语义问答模型；
[0007]获取用户查询问题，对所述用户查询问题进行分词，得到查询分词结果；
[0008]基于所述查询分词结果，利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回，得到语义召回结果；
[0009]对所述语义召回结果进行相关度定级，根据相关度定级结果得到所述用户查询问题对应的语义查询答案。
[0010]可选地，所述利用所述语义问答对集合训练预构建的并行语义模型，得到语义问答模型，包括：
[0011]利用所述并行语义模型中的第一并行网络对所述语义问答对集合中的用户历史问题进行特征提取，得到第一语义特征向量；
[0012]利用所述并行语义模型中的第二并行网络对所述语义问答对集合中的业务标准问题进行特征提取，得到第二语义特征向量；
[0013]利用所述并行语义模型中的特征拼接层对所述第一语义特征向量及所述第二语义特征向量进行特征拼接，得到拼接特征向量，
[0014]利用所述并行语义模型中的特征拼接层中的特征分类层，得到分类结果，利用预设的损失函数计算所述分类结果的损失值，在所述损失值不满足预设的损失阈值时，调整所述并行语义模型中的模型参数，返回所述利用所述并行语义模型中的第一并行网络对所述语义问答对集合中的用户历史问题进行特征提取的步骤，直至所述损失值满足预设的损失阈值时，将所述第一并行网络及所述第二并行网络进行并联，得到所述语义问答模型。
[0015]可选地，所述对所述用户查询问题进行分词，得到查询分词结果，包括：
[0016]利用预设的分词方法对所述用户查询问题进行分词处理，得到查询分词结果。
[0017]可选地，所述基于所述查询分词结果，利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回，包括：
[0018]判断所述查询分词结果中的分词数量是否满足预设的数量阈值；
[0019]若所述查询分词结果中的分词数量不满足预设的数量阈值时，向预设终端进行错误提示；
[0020]若所述查询分词结果中的分词数量满足预设的数量阈值时，利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回。
[0021]可选地，所述利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回，包括：
[0022]利用所述语义问答模型中的第一并行网络对所述用户查询问题进行特征提取，得到第一查询向量；
[0023]遍历所述问题库中的问题，利用所述语义问答模型中的第一并行网络对遍历到的问题进行特征提取，得到第二查询向量；
[0024]计算所述第一查询向量及所述第二查询向量的语义相似度，将所述问题库中语义相似度满足预设相似阈值的问题进行召回。
[0025]可选地，利用下述公式计算语义相似度：
[0026][0027]其中，cos(,B)表示第一查询向量A及第二查询向量B的语义相似度。
[0028]可选地，所述对所述语义召回结果进行相关度定级，根据相关度定级结果得到所述用户查询问题对应的语义查询答案，包括：
[0029]根据语义相似度对所述语义召回结果中召回的问题进行相关度降序排列，得到召回标题序列；
[0030]利用预设的定级阈值对所述召回标题序列进行定级分类，得到定级标题序列，并将问题库中定级标题序列对应的问题答案作为所述用户查询问题对应的语义查询答案。
[0031]为了解决上述问题，本专利技术还提供一种语义问答装置，所述装置包括：
[0032]模型训练模块，用于获取语义问答对集合，利用所述语义问答对集合训练预构建的并行语义模型，得到语义问答模型；
[0033]语义召回模块，用于获取用户查询问题，对所述用户查询问题进行分词，得到查询分词结果，基于所述查询分词结果，利用所述语义问答模型对所述用户查询问题及预构建
的问题库中的问题进行语义召回，得到语义召回结果；
[0034]定级查询模块，用于对所述语义召回结果进行相关度定级，根据相关度定级结果得到所述用户查询问题对应的语义查询答案。
[0035]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0036]存储器，存储至少一个计算机程序；及
[0037]处理器，执行所述存储器中存储的计算机程序以实现上述所述的语义问答方法。
[0038]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的语义问答方法。
[0039]本专利技术通过训练预构建的并行语义模型，得到语义问答模型，对用户查询问题进行分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种语义问答方法，其特征在于，所述方法包括：获取语义问答对集合，利用所述语义问答对集合训练预构建的并行语义模型，得到语义问答模型；获取用户查询问题，对所述用户查询问题进行分词，得到查询分词结果；基于所述查询分词结果，利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回，得到语义召回结果；对所述语义召回结果进行相关度定级，根据相关度定级结果得到所述用户查询问题对应的语义查询答案。2.如权利要求1所述的语义问答方法，其特征在于，所述利用所述语义问答对集合训练预构建的并行语义模型，得到语义问答模型，包括：利用所述并行语义模型中的第一并行网络对所述语义问答对集合中的用户历史问题进行特征提取，得到第一语义特征向量；利用所述并行语义模型中的第二并行网络对所述语义问答对集合中的业务标准问题进行特征提取，得到第二语义特征向量；利用所述并行语义模型中的特征拼接层对所述第一语义特征向量及所述第二语义特征向量进行特征拼接，得到拼接特征向量，利用所述并行语义模型中的特征拼接层中的特征分类层，得到分类结果，利用预设的损失函数计算所述分类结果的损失值，在所述损失值不满足预设的损失阈值时，调整所述并行语义模型中的模型参数，返回所述利用所述并行语义模型中的第一并行网络对所述语义问答对集合中的用户历史问题进行特征提取的步骤，直至所述损失值满足预设的损失阈值时，将所述第一并行网络及所述第二并行网络进行并联，得到所述语义问答模型。3.如权利要求1所述的语义问答方法，其特征在于，所述对所述用户查询问题进行分词，得到查询分词结果，包括：利用预设的分词方法对所述用户查询问题进行分词处理，得到查询分词结果。4.如权利要求1中所述的语义问答方法，其特征在于，所述基于所述查询分词结果，利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回，包括：判断所述查询分词结果中的分词数量是否满足预设的数量阈值；若所述查询分词结果中的分词数量不满足预设的数量阈值时，向预设终端进行错误提示；若所述查询分词结果中的分词数量满足预设的数量阈值时，利用所述语义问答模型对所述用户查询问题及预构建的问题库中的问题进行语义召回。5.如权利要求3所述...
【专利技术属性】
技术研发人员：袁冶，赵晓辉，
申请(专利权)人：平安科技深圳有限公司，
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。