System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能处理,具体涉及一种ai智能问答优化方法、系统及电子设备。
技术介绍
1、目前ai智能对话机器人市面上很常见,分布于各个场景中通过ai智能问答协助客服进行回应用户的问题、帮助用户实现高效查询检索等。ai智能问答最核心的问题在于提升智能问答的应答率与准确率,优化用户体验。一些相关技术中,ai智能问答没有相关指标对整体系统进行考评,当出现错误答复或无效答复情况时,开发人员大多依靠个人工作经验单独针对用户负面反馈的问题进行优化,这样的优化改进方式效率低、效果差,没有固定的衡量依据与标准,还可能对其他正面反馈情况造成影响,导致整体性能下降。
技术实现思路
1、有鉴于此,本说明书实施例提供了一种ai智能问答优化方法、系统及电子设备,能够对ai智能问答进行科学高效优化,提升用户体验。
2、根据第一方面,本说明书实施例提供了一种ai智能问答优化方法,所述方法应用于智能问答服务器,所述方法包括:
3、获取ai智能问答的历史记录数据,所述历史记录数据包括与多次用户咨询相对应的多个咨询记录项,所述咨询记录项包括初始咨询问题数据、ai语义问题数据、ai智能答复数据以及用户反馈信息;
4、根据所述用户反馈信息对多个所述咨询记录项进行统计以确定有效应答率,并确定所述有效应答率是否满足预设目标阈值;
5、响应于所述有效应答率不满足所述预设目标阈值,根据所述用户反馈信息从所述历史记录数据中选取出未被采纳的多个无效记录项;
6、分别根
7、可选的,分别根据多个所述无效记录项中的所述ai语义问题数据、所述ai智能答复数据,针对所述智能问答服务器的识别匹配策略进行优化,包括:
8、针对所述无效记录项中的所述ai智能答复数据进行语义分析,以确定所述ai智能答复数据中是否包含实质性答复内容;
9、响应于所述ai智能答复数据中不包含实质性答复内容,确定所述ai智能答复数据为兜底回复;
10、根据兜底回复相应的所述ai语义问题数据确定所述智能问答服务器能否对所述初始咨询问题数据进行识别;
11、响应于能够对所述初始咨询问题数据进行识别,对所述智能问答服务器中的知识数据库进行扩增;
12、响应于不能对所述初始咨询问题数据进行识别,对所述智能问答服务器的知识匹配规则进行优化;
13、响应于所述ai智能答复数据中包含实质性答复内容,确定所述ai智能答复数据为错误回复;
14、根据错误回复相应的所述ai语义问题数据确定所述智能问答服务器能否对所述初始咨询问题数据进行准确识别;
15、响应于能够对所述初始咨询问题数据进行准确识别,对所述智能问答服务器的知识匹配规则进行优化;
16、响应于不能对所述初始咨询问题数据进行准确识别,针对所述初始咨询问题数据进行重新泛化。
17、可选的,所述用户反馈信息包括采纳反馈、无明确反馈与负面反馈;
18、根据所述用户反馈信息对多个所述咨询记录项进行统计以确定有效应答率,包括:
19、统计确定总咨询量、总回复量与兜底回复量,根据所述总咨询量、所述总回复量与所述兜底回复量计算确定ai智能问答的知识命中率:
20、khr=(tr-bpr)/tcv
21、其中,khr表示所述知识命中率,tr表示所述总回复量,bpr表示所述兜底回复量,tcv表示所述总咨询量;
22、统计确定所述无明确反馈与所述负面反馈的次数,根据所述无明确反馈与所述负面反馈的次数计算确定知识采纳率:
23、ka=1-(so+uce)/(tr-bpr)
24、其中,ka表示所述知识采纳率,so表示负面反馈的次数,uce表示无明确反馈的次数;
25、根据所述知识命中率与所述知识采纳率的乘积确定所述有效应答率:
26、err=khr*ka
27、其中,err表示所述有效应答率。
28、可选的,针对所述无效记录项中的所述ai智能答复数据进行语义分析,以确定所述ai智能答复数据中是否包含实质性答复内容,包括:
29、通过语义分析确定所述ai智能答复数据是否采用预设的固定句式;
30、响应于所述ai智能答复数据采用预设的固定句式,确定所述ai智能答复数据中无实质性答复内容。
31、可选的,根据兜底回复相应的所述ai语义问题数据确定所述智能问答服务器能否对所述初始咨询问题数据进行识别,包括:
32、响应于所述ai语义问题数据的内容为空值,则确定所述智能问答服务器不能对所述初始咨询问题数据进行识别;
33、响应于所述ai语义问题数据的内容不为空,则确定所述智能问答服务器能够对所述初始咨询问题数据进行识别;
34、对所述智能问答服务器中的知识数据库进行扩增,包括;
35、所述智能问答服务器针对所述初始咨询问题数据生成知识补充请求指令,并接收与所述知识补充请求指令相对应的答案数据;
36、将所述初始咨询问题数据与相应的所述答案数据合并作为补充知识数据项,将所述补充知识数据项添加到所述知识数据库中以对所述知识数据库进行扩增。
37、可选的,根据错误回复相应的所述ai语义问题数据确定所述智能问答服务器能否对所述初始咨询问题数据进行准确识别,包括:
38、针对所述初始咨询问题数据与相应的所述ai语义问题数据进行语义分析,以计算确定二者间语义相似程度,并将所述语义相似程度与预设相似度阈值进行对比;
39、响应于所述语义相似程度超过所述预设相似度阈值,确定所述智能问答服务器能够对所述初始咨询问题数据进行准确识别;
40、响应于所述语义相似程度未超过所述预设相似度阈值,确定所述智能问答服务器不能对所述初始咨询问题数据进行准确识别。
41、可选的,针对所述初始咨询问题数据进行重新泛化,包括:
42、针对所述初始咨询问题数据进行多角度泛化,生成多个泛化关联语句;
43、分别确定多个所述泛化关联语句与所述初始咨询问题数据间的语义相似程度;
44、选取语义相似程度最高的所述泛化关联语句作为新的ai语义问题数据。
45、可选的,对所述智能问答服务器的知识匹配规则进行优化,包括:
46、将所述初始咨询问题数据按优先级依次与多种会话类型相应的语义库进行匹配,以确定与所述初始咨询问题数据相适配的目标语义,并将所述目标语义作为新的ai语义问题数据;
47、针对新的ai语义问题数据,在所述智能问答服务器的所述知识数据库中进行检索,并根据检索结果确定ai智能答复数据。
48、在第二方面,本说明书实施例还提供了一种ai智能问答优化系统,所述系统本文档来自技高网...
【技术保护点】
1.一种AI智能问答优化方法,其特征在于,所述方法应用于智能问答服务器,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,分别根据多个所述无效记录项中的所述AI语义问题数据、所述AI智能答复数据,针对所述智能问答服务器的识别匹配策略进行优化,包括:
3.根据权利要求1所述的方法,其特征在于,所述用户反馈信息包括采纳反馈、无明确反馈与负面反馈;
4.根据权利要求2所述的方法,其特征在于,针对所述无效记录项中的所述AI智能答复数据进行语义分析,以确定所述AI智能答复数据中是否包含实质性答复内容,包括:
5.根据权利要求2所述的方法,其特征在于,根据兜底回复相应的所述AI语义问题数据确定所述智能问答服务器能否对所述初始咨询问题数据进行识别,包括:
6.根据权利要求2所述的方法,其特征在于,根据错误回复相应的所述AI语义问题数据确定所述智能问答服务器能否对所述初始咨询问题数据进行准确识别,包括:
7.根据权利要求2所述的方法,其特征在于,针对所述初始咨询问题数据进行重新泛化,包括:
8.根据权利要
9.一种AI智能问答优化系统,其特征在于,所述系统应用于智能问答服务器,包括:
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任意一项所述的方法。
...【技术特征摘要】
1.一种ai智能问答优化方法,其特征在于,所述方法应用于智能问答服务器,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,分别根据多个所述无效记录项中的所述ai语义问题数据、所述ai智能答复数据,针对所述智能问答服务器的识别匹配策略进行优化,包括:
3.根据权利要求1所述的方法,其特征在于,所述用户反馈信息包括采纳反馈、无明确反馈与负面反馈;
4.根据权利要求2所述的方法,其特征在于,针对所述无效记录项中的所述ai智能答复数据进行语义分析,以确定所述ai智能答复数据中是否包含实质性答复内容,包括:
5.根据权利要求2所述的方法,其特征在于,根据兜底回复相应的所述ai语义问题数据确定所述智能问答服务器能否对所...
【专利技术属性】
技术研发人员:陆书杰,田维彬,黄晨新,李梦颖,戴晓路,
申请(专利权)人:杭州北冥星火科技有限公司,
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。