基于语义解析引擎的智能问答交互系统技术方案

本发明专利技术涉及基于语义解析引擎的智能问答交互系统，包括输入模块，用来将外部命令转换为第一文字信息；预识别模块，用来识别第一文字信息是否为人为询问信息；语义分解模块，如果第一文字信息为人为询问信息，通过语义分解模块对人为询问信息进行语义解析得到语义词组；查询模块，根据语义词组查询知识图谱和问答引擎，对知识图谱的查询结果和问答引擎的查询结果进行融合，对融合结果进行验证，验证通过则生成答案。本发明专利技术能够全方位的覆盖知识库数据内容，帮助用户通过问答的形式学习掌握相关领域的知识信息。通过自主学习，精确识别用户意图，实现与用户进行智能问答，问答沟通效率高，用户体验好。用户体验好。

【技术实现步骤摘要】
基于语义解析引擎的智能问答交互系统


[0001]本专利技术涉及基于语义解析引擎的智能问答交互系统，属于电力专业的人工智能问答


技术介绍

[0002]我单位在构建一个集合工程文档库、专家库、问题库、标签库、标准体系库的知识管理系统，把电力专业技术知识领域内隐形的知识变成显性的知识，提升单位员工知识分享和学习的意愿，解决知识不能有效沉淀和传承的问题。
[0003]1、以本工程以及变电专业为先行试验领域，打造电力专业技术个性化智能知识管理应用，有效提升工程积累知识经验的服务质量与效率，完善现有智能知识库，为全体项目工程以及专业人员提供便捷、智能化、个性化知识服务能力支撑。
[0004]2、建立专业知识库与智能问答之间的知识点关联，提升工程知识检索服务的质量，实现高效利用现有知识资源，消除系统壁垒。
[0005]3、完成智能知识库在本工程以及变电专业的推广实施，从而更好的解决工程问题、总结工程经验、整合工程资料，优质高效完成工程建设，形成一套可交互的动态数据管理中心，解决知识跟人走，经验跟人走的问题，将知识和经验固化，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于语义解析引擎的智能问答交互系统，其特征在于，包括：输入模块，用来将外部命令转换为第一文字信息；预识别模块，用来识别第一文字信息是否为人为询问信息；语义分解模块，如果第一文字信息为人为询问信息，通过语义分解模块对人为询问信息进行语义解析得到语义词组；查询模块，根据语义词组查询知识图谱和问答引擎，对知识图谱的查询结果和问答引擎的查询结果进行融合，对融合结果进行验证，验证通过则生成答案；其中，根据语义词组调用知识图谱，在知识图谱中进行知识图谱查询和逻辑推理，获得知识图谱的查询结果；语义词组经接入层中转到问答引擎，问答引擎通过NLP处理、意图识别、文本检索、模型预测处理，生成问答引擎的查询结果。2.根据权利要求1所述的基于语义解析引擎的智能问答交互系统，其特征在于：所述问答引擎的数据层包括问答数据、知识库数据，依赖于数据层数据生成意图识别模型、问答模型；数据层的操作管理通过标注模块实现，标注模块面向编辑人员，支持线上问题的评测标注、知识库扩充标注。3.根据权利要求1所述的基于语义解析引擎的智能问答交互系统，其特征在于：问答引擎的逻辑层是NLU模块对语义词组进行NLP处理，针对语义词组，问答引擎的检索模块的功能是通过基于BM25模型的检索匹配功能，问答引擎的预测模块实现基于Bi
‑
LSTM算法和DSSM模型的语义匹配功能，问答引擎的规则匹配模块结合离线实验规则，实现对语义词组的规则匹配。4.根据权利要求3所述的基于语义解析引擎的智能问答交互系统，其特征在于：问答引擎的逻辑层中NLU模块对语义词组进行NLP处理包括分词、词性分析、同义词及关键词抽取、词性过滤中的一种或数种。5.根据权利要求3所述的基于语义解析引擎的智能问答交互系统，其特征在于：所述规则匹配模块、检索模块、预测模块各自并行处理得到处理子结果，对规则匹配模块、检索模块、预测模块各自的子结果按照预设策略和优先级进行融合、排序得出最终识别结果。6.根据权利要求3所述的基于语义解析引擎的智能问答交互系统，其特征在于：问答引擎的数据层还包括NLU数据库、多轮问答库，问答引擎的逻辑层还包括对话管理模块，对话管理模块包含对话状态追踪模型、对话策略学习模块、自然语言生成模块，语义词组到达逻辑层之后，经过规则匹配模块对语义词组及回答进行...

【专利技术属性】
技术研发人员：任帅辉，梁籍云，陆慧，王嘉延，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：