【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及智能问答控制方法、装置、设备及存储介质。
技术介绍
1、以5g为代表的新一代通信技术与人工智能的相互融合和推动，是构建未来数字业务及生态系统的基础，上述融合与推动在智能客服方面得到了完美体现，例如，人工智能的引入使得运营商服务各项性能指标实现大幅提升，尤其是企业运营、成本以及客户满意度，目前，智能客服常用的问答系统是利用历史问答数据所构建的深度学习网络模型实现的，或者是利用知识图谱提取问题的关键信息，再在企业知识库中匹配相应答案，但是，知识图谱方式构建知识库限制较大，对于较为复杂的实例关系，语义理解能力有限，同样，利用大量标注问答数据训练的知识问答系统的语言理解能力也是有限的，最终造成进行智能问答的质量和效率较低。
2、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种智能问答控制方法、装置、设备及存储介质，旨在解决现有技术进行智能问答的质量和效率较低技术问题。
2、为实现上述目的，本专利技术提供了一种智能问答控制方法，所述智能问答控制方法包括以下步骤：
3、通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库；
4、确定输入的问题内容与所述客服分类知识库对应类别中各知识数据的相似度；
5、根据所述相似度对所述问题内容进行问题重构；
6、对所述重构后的问题内容进行推理，得到与所述问题内容相对应
7、可选地，所述通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库之前，还包括：
8、根据知识问答应用领域采集各类知识文本数据；
9、对所述各类知识文本数据进行预处理，并为预处理后的各类知识文本数据分配目标类型标签；
10、通过文字向量化模型对分配标签后的各类知识文本数据进行转换，得到当前知识向量；
11、通过文字特征提取模型对所述当前知识向量进行特征提取，得到知识特征向量；
12、将所述知识特征向量输入至基于gru结构和softmax层构建的文本分类网络中，构建知识分类模型。
13、可选地，所述通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库，包括：
14、通过文字向量化模型对当前知识数据进行转换，得到初始知识向量；
15、通过文字特征提取模型对所述初始知识向量进行特征提取，得到目标知识特征向量；
16、通过知识分类模型对所述目标知识特征向量进行知识分类，得到各类知识特征向量；
17、根据所述各类知识特征向量与所述各类知识特征向量对应的知识数据生成各知识元组；
18、根据所述各知识元组生成客服分类知识库。
19、可选地，所述确定输入的问题内容与所述客服分类知识库对应类别中各知识数据的相似度，包括：
20、通过文字向量化模型对输入的问题内容进行转换，得到问题内容向量；
21、通过文字特征提取模型对所述问题内容向量进行特征提取，得到问题内容特征向量；
22、通过语言分类模型对所述问题内容特征向量进行分类，得到问题内容所属的知识类别；
23、确定所述客服分类知识库中与所述知识类别对应的类别，并确定所述类别中各知识数据的特征向量；
24、分别计算所述问题内容特征向量与类别中各知识数据的特征向量的余弦距离；
25、根据所述余弦距离确定所述问题内容与所述类别中各知识数据的相似度。
26、可选地，所述根据所述相似度对所述问题内容进行问题重构，包括：
27、根据所述相似度对客服分类知识库对应类别中各知识数据进行排序；
28、基于排序后的各知识数据，将最大相似度对应的知识数据作为目标知识数据；
29、对所述目标知识数据进行拼接，并实时统计拼接知识数据的字数长度；
30、在所述字数长度大于预设长度阈值时，停止拼接，获得拼接知识数据，并根据所述拼接知识数据生成目标上下文依据；
31、将所述目标上下文依据与所述问题内容进行组合。
32、可选地，所述将所述目标上下文依据与所述问题内容进行组合，包括：
33、根据目标问句结构得到上下文依据填入位置和问题内容填入位置；
34、将所述目标上下文依据填入至上下文依据填入位置，以及将所述问题内容填入至问题内容填入位置。
35、可选地，所述对重构后的问题内容进行推理，得到与所述问题内容相对应的答案，包括：
36、将所述重构后的问题内容输入至目标大语言模型；
37、通过目标大语言模型输出与所述问题内容相对应的答案。
38、此外，为实现上述目的，本专利技术还提出一种智能问答控制装置，所述智能问答控制装置包括：
39、分类模块，用于通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库；
40、确定模块，用于确定输入的问题内容与所述客服分类知识库对应类别中各知识数据的相似度；
41、重构模块，用于根据所述相似度对所述问题内容进行问题重构；
42、推理模块，用于对重构后的问题内容进行推理，得到与所述问题内容相对应的答案。
43、此外，为实现上述目的，本专利技术还提出一种智能问答控制设备，所述智能问答控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能问答控制程序，所述智能问答控制程序配置为实现如上文所述的智能问答控制方法。
44、此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有智能问答控制程序，所述智能问答控制程序被处理器执行时实现如上文所述的智能问答控制方法。
45、本专利技术提出的智能问答控制方法，通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库；确定输入的问题内容与所述客服分类知识库对应类别中各知识数据的相似度；根据所述相似度对所述问题内容进行问题重构；对所述重构后的问题内容进行推理，得到与所述问题内容相对应的答案；通过上述方式，在利用知识分类模型知识分类出客服分类知识库后，确定问题内容与知识数据的相似度，然后根据相似度进行问题重构，并基于重构后的问题内容推理出与问题内容相对应的答案，从而能够有效提升智能客服的问答质量和效率，提高用户的体验感，且无需考虑输入知识数据的格式。
本文档来自技高网...【技术保护点】
1.一种智能问答控制方法，其特征在于，所述智能问答控制方法包括以下步骤：
2.如权利要求1所述的智能问答控制方法，其特征在于，所述通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库之前，还包括：
3.如权利要求1所述的智能问答控制方法，其特征在于，所述通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库，包括：
4.如权利要求1所述的智能问答控制方法，其特征在于，所述确定输入的问题内容与所述客服分类知识库对应类别中各知识数据的相似度，包括：
5.如权利要求1所述的智能问答控制方法，其特征在于，所述根据所述相似度对所述问题内容进行问题重构，包括：
6.如权利要求5所述的智能问答控制方法，其特征在于，所述将所述目标上下文依据与所述问题内容进行组合，包括：
7.如权利要求1至6中任一项所述的智能问答控制方法，其特征在于，所述对重构后的问题内容进行推理，得到与所述问题内容相对应的答案，包括：
8.一种智能问答控制装置，其特征在于，所述智能问答控制装置包括：
9.一种智能问
10.一种存储介质，其特征在于，所述存储介质上存储有智能问答控制程序，所述智能问答控制程序被处理器执行时实现如权利要求1至7中任一项所述的智能问答控制方法。
...【技术特征摘要】
1.一种智能问答控制方法，其特征在于，所述智能问答控制方法包括以下步骤：
2.如权利要求1所述的智能问答控制方法，其特征在于，所述通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库之前，还包括：
3.如权利要求1所述的智能问答控制方法，其特征在于，所述通过知识分类模型对当前知识数据进行知识分类，得到客服分类知识库，包括：
4.如权利要求1所述的智能问答控制方法，其特征在于，所述确定输入的问题内容与所述客服分类知识库对应类别中各知识数据的相似度，包括：
5.如权利要求1所述的智能问答控制方法，其特征在于，所述根据所述相似度对所述问题内容进行问题重构，包括：
6.如权利要求5所述的智能问答控制方法，其特征在于...
【专利技术属性】
技术研发人员：高畅，赵永刚，余弦，马文利，杨明，白波，
申请(专利权)人：中移动信息技术有限公司，
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。