问答交互方法技术

本发明专利技术涉及人工智能及智慧医疗技术领域，公开了一种问答交互方法

【技术实现步骤摘要】
问答交互方法、装置、设备及介质


[0001]本专利技术涉及人工智能及智慧医疗
，尤其涉及一种问答交互方法
、
装置
、
设备及介质
。

技术介绍

[0002]智能客服目前应用于各行各业，它可以帮助企业实现在线服务的智能化人机协作系统，提高坐席服务的效率
、
降低人力开销及新人业务知识学习成本
。
随着大模型深入到各个垂直领域中，用户的问题会越来越专业化所需要的知识也会越来越具体
。
[0003]以智慧客服应用于智慧医疗领域中为例，现有的智能客服系统问答效果严重依赖于人工整理的知识库质量，其内部采用的机器学习或者深度学习方法均需依赖大量且高质量的问答对语料
。
然而，由于用户的问题和本地存储的回答可能会存在较大的语义鸿沟，一个问答模型很难具有好的泛化能力，对于训练时没有见过的问题，不能很好的找到相关的回答，主要是领域内的标注数据有限，问答模型受限于标注数据的体量，无法获得充分的训练，导致问答模型的泛化能力较差
。

技术实现思路

[0004]本专利技术提供一种人工智能的问答交互方法
、
装置
、
计算机设备及介质，可以对问答预料集进行扩充，便于提高目标问答模型的泛化能力，进而可以提高问答交互的准确性
。
[0005]第一方面，提供了一种问答交互方法，包括：
[0006]获取预设的问答语料集，所述问答语料集包括多个提问语料和多个回答语料；
[0007]确定每个提问语料与回答语料之间的对应关系，并基于所述对应关系分别对多个所述提问语料和多个回答语料进行标注，得到标注后语料集；
[0008]基于预设的语言生成模型对所述标注后语料集进行语料扩充，得到扩充后语料集；
[0009]根据所述扩充后语料集对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互
。
[0010]第二方面，提供了一种问答交互装置，包括：
[0011]获取模块，用于获取预设的问答语料集，所述问答语料集包括多个提问语料和多个回答语料；
[0012]确定模块，用于确定每个提问语料与回答语料之间的对应关系；
[0013]标注模块，用于基于所述对应关系分别对多个所述提问语料和多个回答语料进行标注，得到标注后语料集；
[0014]扩充模块，用于基于预设的语言生成模型对所述标注后语料集进行语料扩充，得到扩充后语料集；
[0015]训练模块，用于根据所述扩充后语料集对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互
。
[0016]第三方面，提供了一种计算机设备，包括存储器
、
处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述问答交互方法的步骤
。
[0017]第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述问答交互方法的步骤
。
[0018]上述问答交互方法
、
装置
、
计算机设备及存储介质所实现的方案中，可以获取预设的问答语料集，所述问答语料集包括多个提问语料和多个回答语料；确定每个提问语料与回答语料之间的对应关系，并基于所述对应关系分别对多个所述提问语料和多个回答语料进行标注，得到标注后语料集，基于预设的语言生成模型对所述标注后语料集进行语料扩充，得到扩充后语料集，根据所述扩充后语料集对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互，在本专利技术中，通过预设的语言生成模型，对已标注的问答语料集进行语料扩充，并利用扩充后语料集对初始问答模型进行训练，提高了目标问答模型的泛化能力，进而提高了问答交互的准确性
。
附图说明
[0019]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0020]图1是本专利技术一实施例中问答交互方法的一应用环境示意图；
[0021]图2是本专利技术一实施例中问答交互方法的一流程示意图；
[0022]图3是本专利技术一实施例中问答交互系统的示意图；
[0023]图4是本专利技术一实施例中问答交互装置的一结构示意图；
[0024]图5是本专利技术一实施例中计算机设备的一结构示意图
。
[0025]具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0027]本专利技术实施例提供的问答交互方法可应用于智能诊疗
、
远程会诊，其应用环境如图1所示，其中，客户端通过网络与服务端进行通信
。
客户端可以获取预设的问答语料集，该问答语料集包括多个提问语料和多个回答语料，然后，确定每个提问语料与回答语料之间的对应关系，并基于对应关系分别对多个提问语料和多个回答语料进行标注，得到标注后语料集，接着，基于预设的语言生成模型对所述标注后语料集进行语料扩充，得到扩充后语料集，最后，根据扩充后语料集对初始问答模型进行训练，得到目标问答模型，以通过目标问答模型进行问答交互，在本专利技术中，通过预设的语言生成模型，对已标注的问答语料集进行语料扩充，并利用扩充后语料集对初始问答模型进行训练，提高了目标问答模型的泛化能力，进而提高了问答交互的准确性
。
[0028]可选地，在一些实施例中，问答语料的来源可以是电子化的个人健康记录，包括病历
、
心电图
、
医学影像等一系列具备保存备查价值的电子化记录
。
[0029]信息查询成为很多场景中用户快速获取所需信息的渠道
。
例如在医疗领域中，可以基于人工智能模型从海量的电子病历中查询用户所需的病历信息，有助于为用户提供病历参考
。
[0030]本专利技术实施例提供的问答交互方法涉及人工智能领域中的自然语言处理方向
。
[0031]人工智能
(Artificial Intelligence,AI)
是利用数字计算机或者数字计算机控制的机器模拟
、
延伸和扩展人的智能，感知环境
、
获取知识并使用知识获得最佳结果的理论
、
方法
、
技术及应用系统
。
换句话说，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种问答交互方法，其特征在于，包括：获取预设的问答语料集，所述问答语料集包括多个提问语料和多个回答语料；确定每个提问语料与回答语料之间的对应关系，并基于所述对应关系分别对多个所述提问语料和多个回答语料进行标注，得到标注后语料集；基于预设的语言生成模型对所述标注后语料集进行语料扩充，得到扩充后语料集；根据所述扩充后语料集对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互
。2.
根据权利要求1所述的问答交互方法，其特征在于，所述根据所述扩充后语料集对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互，包括：获取初始问答模型；利用所述初始问答模型对所述扩充后语料集中的语料进行特征提取，得到提问语料特征和回答语料特征；基于预设评价函数计算所述提问语料特征和相关的回答语料特征之间的第一相关性，以及；基于预设评价函数计算所述提问语料特征和不相关的回答语料特征之间的第二相关性；根据所述第一相关性和第二相关性对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互
。3.
根据权利要求2所述的问答交互方法，其特征在于，所述根据所述第一相关性和第二相关性对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互，包括：确定当前处理的提问语料为当前处理对象；在多个回答语料中确定与所述当前处理对象不相关的
k
个回答语料，其中，
k
为正整数；根据所述当前处理对象对应的第一相关性
、
以及所述当前处理对象与
k
个回答语料之间的第二相关性对初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互
。4.
根据权利要求3所述的问答交互方法，其特征在于，所述根据所述当前处理对象对应的第一相关性
、
以及所述当前处理对象与
k
个回答语料之间的第二相关性初始问答模型进行训练，得到目标问答模型，以通过所述目标问答模型进行问答交互，包括：基于预设的语言生成模型生成提问语料与每个回答语料之间的相关分数；根据所述相关分数
、
所述当前处理对象对应的第一相关性
、
以及所述当前处理对象与
k
个回答语料之间的第二相关性对初始问答模型进行训练，得到目标问...

【专利技术属性】
技术研发人员：朱威，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：