CN108920530A - 一种信息处理方法、装置、存储介质及电子设备 - Google Patents
一种信息处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN108920530A CN108920530A CN201810585987.6A CN201810585987A CN108920530A CN 108920530 A CN108920530 A CN 108920530A CN 201810585987 A CN201810585987 A CN 201810585987A CN 108920530 A CN108920530 A CN 108920530A
- Authority
- CN
- China
- Prior art keywords
- knowledge base
- answer
- individual character
- information
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种信息处理方法及装置,首先接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数,根据所述应用接口参数确定个性知识库,根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。该方法和装置为每一个应用场景配置了对应的个性知识库,还配置了存储有所有个性知识库中共有知识点的基础数据库,个性知识库和基础知识库共同作用于具体场景,能够按照一套深度学习算法解决不同业务场景下的业务问题,从而不需要部署多个职能问答***,降低了***硬件部署成本和维护难度。
Description
技术领域
本发明涉及人工智能领域,更具体的说,是涉及一种信息处理方法、装置、存储介质及电子设备。
背景技术
当前人工智能技术已成功应用到多个领域,并在不断的发展完善中。在金融、电商等行业,智能问答机器人,是人工智能技术的一种重要应用形式。
智能问答机器人,主流的做法就是利用深度学***台上,每一个商品都各自不同,都可以作为一个具体的场景,而围绕这些不同的商品,客户可能会问到同样的问题。但是因为商品不同,同样的问题也会有不同的答案,这就要求智能机器人给出的答案应该是针对该商品的答案,不能混淆。
目前,为了提高智能问答技术提供答***性和满意度,通常针对不同的业务场景分别设置不同的智能问答***,以避免不同业务场景中相同问题的不同答案的混淆。然而,这种***部署方式由于需要部署多个智能问答***,因此硬件成本高、维护难度大。
发明内容
有鉴于此,本发明提供了一种信息处理方法、***、存储介质及电子设备,以克服现有技术中由于针对不同业务场景分别部署不同的智能问答***而导致的,***硬件成本高和维护难度大的问题。
为实现上述目的,本发明提供如下技术方案:
一种信息处理方法,包括:
接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数;
根据所述应用接口参数确定个性知识库,所述个性知识库中存储有特定业务场景的知识点;
根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,所述基础知识库中存储有各个个性知识库中的共有知识点;
根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
可选的,所述信息处理方法还包括:
结合应用场景定义应用***参数,所述应用***参数包括应用接口参数和答案可靠性参数阈值。
可选的,所述信息处理方法还包括:
为各个应用场景分别配置一个对应的个性知识库;
配置基础知识库。
可选的,所述信息处理方法还包括:
配置应用接口参数到个性知识库的路由关系。
可选的,所述根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,包括:
将所述问题信息进行分解,确定至少一个关键要素;
根据所述至少一个关键要素,分别确定出所述个性知识库和所述基础知识库中与所述问题信息匹配度最高的知识点;
将所述个性知识库中确定的知识点和所述基础知识库中确定的知识点中的答案数据确定为答案信息。
可选的,所述信息处理方法还包括:
根据所述问题信息与所述个性知识库中与所述问题信息匹配度最高的知识点的相似度确定答案可靠性参数。
可选的,所述根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案,包括:
在所述答案可靠性参数高于或等于预设阈值时,将所述个性知识库中确定的答案信息确定为最终答案;
在所述答案可靠性参数低于所述预设阈值时,将所述个性知识库和所述基础知识库中确定的答案信息进行整合,并将整合结果作为最终答案。
一种信息处理装置,包括:
问题接收模块,用于接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数;
个性知识库确定模块,用于根据所述应用接口参数确定个性知识库,所述个性知识库中存储有特定业务场景的知识点;
答案信息确定模块,用于根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,所述基础知识库中存储有各个个性知识库中的共有知识点;
答案生成模块,用于根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一种所述的信息处理方法。
一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令在执行上述任一种所述的信息处理方法。
经由上述的技术方案可知,与现有技术相比,本发明实施例公开了一种信息处理方法及装置,首先接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数,根据所述应用接口参数确定个性知识库,根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。该方法和装置为每一个应用场景配置了对应的个性知识库,还配置了存储有所有个性知识库中共有知识点的基础数据库,个性知识库和基础知识库共同作用于具体场景,能够按照一套深度学习算法解决不同业务场景下的业务问题,从而不需要部署多个职能问答***,降低了***硬件部署成本和维护难度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种信息处理方法的流程图;
图2为本发明实施例公开的生成最终答案的流程图;
图3为本发明实施例公开的确定答案信息的流程图;
图4为本发明实施例公开的另一种信息处理方法的流程图;
图5为本发明实施例公开的应用场景与知识库对应关系示意图;
图6为本发明实施例公开的一种信息处理装置的结构示意图;
图7为本发明实施例公开的答案生成模块的结构示意图;
图8为本发明实施例公开的答案信息确定模块的结构示意图;
图9为本发明实施例公开的另一种信息处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例公开的一种信息处理方法的流程图,所述信息处理方法可运行在智能问答***中,参见图1所示,所述方法可以包括:
步骤101:接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数。
所述问题信息可以包括用于指示应用场景的应用接口参数和问题内容数据,如所述问题信息可以为文本形式的“场景A应用接口参数,这款保险保障的疾病种类有多少?”。其中,“场景A应用接口参数”表示需要将此问题信息关联至与场景A对应的知识库中,“这款保险保障的疾病种类有多少?”为具体的问题内容数据。
本实施例中,可以以应用端参数的形式,即应用接口参数,使得智能问答***确定到与当前应用场景对应的个性知识库的路由。如表1所示,表1中左边一列是具体的应用场景描述,右边一列即为应用接口参数。根据表1,应用接口参数“Product-A”指示“产品A的在线客服”的应用场景,应用接口参数“Product-B”指示“产品B的在线客服”的应用场景,应用接口参数“Product-C”指示“产品C的在线客服”的应用场景。
应用场景描述 | 应用接口参数定义 |
产品A的在线客服 | Product-A |
产品B的在线客服 | Product-B |
产品C的在线客服 | Product-C |
…… | …… |
表1
具体的,智能问答***在对接各个不同的业务应用场景时,需要在具体应用场景和智能问答***之间的API(应用程序编程接口)上,通过应用接口参数传递应用场景描述信息。这里所述的应用场景描述信息用于指示智能问答***确定个性知识库的路由,确定客户提问的问题的答案需要从什么知识库中获取。
其中所述个性知识库为预先配置好的,一个应用场景对应一个特定的个性知识库,所述个性知识库中存储有特定业务场景的知识点。所述知识点具体的可以是知识点问答句对。不同的业务场景或者产品的所有知识点,都以问答句对的形式形成知识点,录入对应的个性知识库。
步骤102:根据所述应用接口参数确定相应的个性知识库。
所述应用接口参数传递过来的值可以是应用场景的描述信息,在智能问答***内部,应用场景描述信息可以被解析成个性知识库的索引代码信息,从而确定当前客户问询的问题需要对应到哪个个性知识库,即哪个个性知识库。例如,产品X这个应用场景的应用接口参数值可以定义为“场景XP”,产品Y这个应用场景的应用接口参数的值可以定义为“场景YP”。例如,理财产品X的应用接口参数的值可以为“lccpx”,健康险产品Y的应用接口参数的值可以为“jkxcpy”。
步骤103:根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息。
其中,所述基础知识库中存储有各个个性知识库中的共有知识点。相对于个性知识库,所述基础知识库是一种特殊的场景化知识库,各类个性知识库中的共有知识点被抽取出来放入基础知识库。个性知识库有多个,分别对应一个具体的应用场景,而基础知识库可以被各个应用场景共用,只有一个。
需要说明的是,所述个性知识库和所述基础知识库中存储的知识点可以从不同的维度进行定义,且需要配合智能问答***相应处理模块算法的需求。在配置个性知识库和基础知识库时,需要确认各个知识库中的数据结构尽量一致,以简化相关算法实现的复杂性。
本实施例中,根据所述问题信息,从所述个性知识库和所述基础知识库中抽取相关性最大的知识点作为答案信息。具体的,可以是基于智能问答***中的相关算法,在确定的个性知识库中找出与所述问题信息相关性最大的答案信息,同时也在所述基础知识库中基于同样的算法处理流程找到一个相关性最大的答案。
步骤104:根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
本实施例中,生成最终答案涉及两部分内容。一是答案可靠性参数的使用;另一个是所述基础知识库中确定的相关性最大的知识点对应答案信息和个性知识库中确定的相关性最大的知识点对应答案信息的使用逻辑,即预设答案规则。结合上述两部分内容可以生成最终的答案,并进一步反馈给客户。
具体的,根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案的一个具体实现方式可以参见图2,图2为本发明实施例公开的生成最终答案的流程图,参见图2所示,可以包括:
步骤201:判断所述答案可靠性参数是否高于或等于预设阈值,若是,进入步骤202;若否,进入步骤203。
例如,预设答案规则是在所述答案可靠性参数大于或等于预设阈值时,根据第一逻辑生成最终答案;在所述答案可靠性参数小于预设阈值时,根据第二逻辑生成最终答案。因此,需要首先判断所述答案可靠性参数与预设阈值的大小。
步骤202:在所述答案可靠性参数高于或等于预设阈值时,将所述个性知识库中确定的答案信息确定为最终答案。
步骤203:在所述答案可靠性参数低于所述预设阈值时,将所述个性知识库和所述基础知识库中确定的答案信息进行整合,并将整合结果作为最终答案。
其中,所述答案可靠性参数可以根据所述问题信息与所述个性知识库中与所述问题信息匹配度最高的知识点的相似度来确定。
如所述预设阈值为0.7,在所述答案可靠性参数为0.8时,则直接采用所述个性知识库中确定的答案信息为最终答案。在所述答案可靠性参数为0.5时,则将所述个性知识库和所述基础知识库中确定的答案信息进行整合作为最终答案。
当然,在其他的实施例中,预设答案规则也可以由不同的实现,如在答案可靠性参数大于第一阈值时,采用个性知识库的答案信息作为最终答案;在答案可靠性参数小于第二阈值时,采用基础知识库的答案信息作为最终答案;在答案可靠性参数介于所述第一阈值和第二阈值之间时,将个性知识库和基础知识库的答案信息结合生成最终答案。
本实施例可以处理两个客户同时在两个应用场景进入在线客服***咨询,在不同应用场景下进入时,智能问答***就可以锁定个性知识库,即在和访客互动时,在指定的知识库范围内给予解答问题,智能问答***只需要一套基础设施,即可处理两个场景的业务问题。
本实施例中,所述信息处理方法为每一个应用场景配置了对应的个性知识库,还配置了存储有所有个性知识库中共有知识点的基础知识库,个性知识库和基础知识库共同作用于具体场景,能够按照一套深度学习算法解决不同业务场景下的业务问题,从而不需要部署多个智能问答***,降低了***硬件部署成本和维护难度。
上述实施例中,所述根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息的一个实现方式可以参见图3,图3为本发明实施例公开的确定答案信息的流程图,如图3所示,可以包括:
步骤301:将所述问题信息进行分解,确定至少一个关键要素。
所述分解可以是词分解,所述关键要素可以是词语,如“质量”、“材料”等词语。
步骤302:根据所述至少一个关键要素,分别确定出所述个性知识库和所述基础知识库中与所述问题信息匹配度最高的知识点。
根据所述问题信息的关键要素与知识库中的知识点进行匹配,确定匹配度最高的知识点,即确定知识点中问题部分数据与所述关键要素相似性最高的知识点。这个过程中,具体可以根据相同词语的数量、相似词语的扩展等技术。例如,“质量”的相似词语可以扩展为“质地”、“品质”、“质料”等。在判断问题信息中的词语与知识点中词语相同数量时,互为相似的词语可以认定为相同。例如,问题信息中的问题是“这款保险产品除了保疾病,保意外吗”,知识库中存在知识点1包括“此款保险的疾病保障年限为多久”,知识点2包括“此款保险内容包括疾病险和意外险吗”,显然,知识点2中与问题信息中共有的词语包括“保险”、“疾病”、“意外”,而知识点1与问题信息中共有的词语只包括“保险”和“疾病”,此时,判定知识点2和所述问题信息的匹配度更高。
步骤303:将所述个性知识库中确定的知识点和所述基础知识库中确定的知识点中的答案数据确定为答案信息。
其中,所述答案数据可以是文本形式的数据。这里所述的答案数据,并不是最终的答案,本实施例中,需要根据其他的一些条件,确定个性知识库和基础知识库中确定的答案数据的使用逻辑。根据上述逻辑,可以只选取个性知识库或基础知识库中确定的答案数据为最终答案,也可以将个性知识库和基础知识库中分别确定的两个答案数据整合处理为一个完整的最终答案。
在上述实施例基础上,其他实施例中还可以包括根据所述问题信息与所述个性知识库中与所述问题信息匹配度最高的知识点的相似度确定答案可靠性参数的步骤,以便于后续根据答案可靠性参数确定最终答案的生成逻辑。
在上述本发明公开的实施例的基础上,图4公开了另一种信息处理的方法,所述信息处理方法可运行在智能问答***中,参见图4所示,所述方法可以包括:
步骤401:结合应用场景定义应用***参数,所述应用***参数包括应用接口参数和答案可靠性参数的预设阈值。
这里的应用场景是广泛的定义,可以是具体的应用场景,也可以是不同的产品。所述应用***参数有两个,一个定义这些应用接口参数ap,方便客户在线咨询问题时,通过接口直接可以知道这个客户问询的信息是来自什么应用场景,也就知道智能问答***将关联到哪一个个性知识库;另一个,答案规则相关的参数sp,也即答案可靠性参数,这个参数也需要进行配置,答案生成过程中,作为依据生成最终答案。图5为本发明实施例公开的应用场景与知识库对应关系示意图,参见图5所示,包括两个应用场景,即理财产品X和理财产品Y,应用接口参数ap值分别为lccpx和jkxcpy,通过所述ap值,智能问答***可以将理财产品X的问题信息路由关联至lccpx知识库,将理财产品Y的问题信息路由关联至jkxcpy知识库。
步骤402:为各个应用场景分别配置一个对应的个性知识库,并配置基础知识库。
配置个性知识库和基础知识库,主要是收集整理出相关场景下的常见问题知识点,按照满足智能问答***算法所需的结构进行存储,不同的场景的问题,存放在相应的个性知识库里,多个场景共性的问题,就抽取出来存放到基础知识库里面。
这里场景化的知识点,例如“这个产品有优惠活动吗?”,在一个个性知识库里面对应这个问题的答案是“新人优享1000元红包,直接打入您的账户上~”,而在另一个个性知识库里面,对应类似这种问题的答案可能是“每天运动步行5000步,奖励10个积分,积分可以当钱用哟!”。对于共性的问题,比如“你好”,“如何查询我的账户信息”这类的问题,就是和场景关系不密切,但是每个场景入口的客户都可能会问到的或者表达的,即可抽取到基础知识库里面。
步骤403:配置应用接口参数到个性知识库的路由关系。
将应用接口参数到个性知识库的路由关系配置好后,后续可以根据具体场景发出的问题信息中的应用接口参数,直接确定对应的个性知识库,并从确定的个性知识库中获取答案信息。
步骤404:接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数。
步骤405:根据所述应用接口参数确定个性知识库。
其中,所述个性知识库中存储有特定业务场景的知识点。
步骤406:根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息。
所述基础知识库中存储有各个个性知识库中的共有知识点。
步骤407:根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
本实施例中,预先配置好应用***参数、个性知识库和基础知识库,个性知识库和基础知识库共同作用于具体场景,能够按照一套深度学习算法解决不同业务场景下的业务问题,从而不需要部署多个职能问答***,降低了***硬件部署成本和维护难度。具体的一个应用中,在不同的应用场景下进入在线客服***进行问题咨询时,智能问答***可以根据问题信息中携带的应用接口参数锁定获取答案信息的知识库,在锁定的知识库中查找问题信息的答案信息。因此,只要预先配置应用***参数和其与个性知识库的映射关系,就能够实现在一套智能问答***中可处理多种业务场景的目的。
需要说明的是,同时进行的应用场景扩展到非产品这一级别,例如服务种类的不同渠道,售前咨询场景,售后咨询场景等,基础知识库可以是一个,也可以是多个。最终答案的生成逻辑,采取什么形式不重要,只需确定答案规则配置信息sp使用与否和逻辑变更的关系。同一个应用场景下应用接口参数可以指定多个参数来指定智能问答***索引个性知识库。将应用接口参数用作参考知识库来源,知识库路由依据智能问答***算法对问题的理解自行判断并锁定。包含但不局限于上述内容提到的变异应用,都在本申请的保护范围之内。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
上述本发明公开的实施例中详细描述了方法,对于本发明的方法可采用多种形式的装置实现,因此本发明还公开了一种装置,下面给出具体的实施例进行详细说明。
图6为本发明实施例公开的一种信息处理装置的结构示意图,所述信息处理装置可运行在智能问答***中,参见图6所示,所述信息处理装置60可以包括:
问题接收模块601,用于接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数。
本实施例中,可以以应用端参数的形式,即应用接口参数,使得智能问答***确定到与当前应用场景对应的个性知识库的路由。
具体的,智能问答***在对接各个不同的业务应用场景时,需要在具体应用场景和智能问答***之间的API(应用程序编程接口)上,通过应用接口参数传递业务场景描述信息。这里所述的业务场景描述信息用于指示智能问答***进行个性知识库的路由,确定客户提问的问题的答案需要从什么知识库中获取。
其中所述个性知识库为预先配置好的,一个应用场景对应一个特定的个性知识库,所述个性知识库中存储有特定业务场景的知识点。所述知识点具体的可以是知识点问答句对。不同的业务场景或者产品的所有知识点,都以问答句对的形式形成知识点,录入对应的个性知识库。
个性知识库确定模块602,用于根据所述应用接口参数确定相应的个性知识库,所述个性知识库中存储有特定业务场景的知识点。
所述应用接口参数传递过来的值可以是应用场景的场景描述信息,在智能问答***内部,场景描述信息可以被解析成个性知识库的索引代码信息,从而确定当前客户问询的问题需要对应到哪个业务场景知识库,即哪个个性知识库。例如,产品X这个应用场景的应用接口参数值可以定义为“场景XP”,产品Y这个应用场景的应用接口参数的值可以定义为“场景YP”。例如,理财产品X的应用接口参数的值可以为“lccpx”,健康险产品Y的应用接口参数的值可以为“jkxcpy”。
答案信息确定模块603,用于根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,所述基础知识库中存储有各个个性知识库中的共有知识点。
其中,所述基础知识库中存储有各个个性知识库中的共有知识点。相对于个性知识库,所述基础知识库是一种特殊的场景化知识库,各类个性知识库中的共有知识点被抽取出来放入基础知识库。个性知识库有多个,分别对应一个具体的应用场景,而基础知识库可以被各个应用场景共用,只有一个。
需要说明的是,所述个性知识库和所述基础知识库中存储的知识点可以从不同的维度进行定义,且需要配合智能问答***相应处理模块算法的需求。在配置个性知识库和基础知识库时,需要确认各个知识库中的数据结构尽量一致,以简化相关算法实现的复杂性。
本实施例中,所述答案信息确定模块603具体可以是基于智能问答***中的相关算法,在确定的个性知识库中找出与所述问题信息相关性最大的答案信息,同时也在所述基础知识库中基于同样的算法处理流程找到一个相关性最大的答案。
答案生成模块604,用于根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
本实施例中,生成最终答案涉及两部分内容。一是答案可靠性参数的使用;另一个是所述基础知识库中确定的相关性最大的知识点对应答案信息和个性知识库中确定的相关性最大的知识点对应答案信息的使用逻辑,即预设答案规则。结合上述两部分内容可以生成最终的答案,并进一步反馈给客户。
在一个示意性的实例中,所述答案生成模块604的具体结构可以参见图7,图7为本发明实施例公开的答案生成模块的结构示意图,如图7所示,所述答案生成模块604可以包括:
参数判断模块701,用于判断所述答案可靠性参数是否高于或等于预设阈值。
例如,预设答案规则是在所述答案可靠性参数大于或等于预设阈值时,根据第一逻辑生成最终答案;在所述答案可靠性参数小于预设阈值时,根据第二逻辑生成最终答案。因此,需要首先判断所述答案可靠性参数与预设阈值的大小。
第一答案生成模块702,用于在所述答案可靠性参数高于或等于预设阈值时,将所述个性知识库中确定的答案信息确定为最终答案。
第二答案生成模块703,用于在所述答案可靠性参数低于所述预设阈值时,将所述个性知识库和所述基础知识库中确定的答案信息进行整合,并将整合结果作为最终答案。
其中,所述答案可靠性参数可以根据所述问题信息与所述个性知识库中与所述问题信息匹配度最高的知识点的相似度来确定。
如所述预设阈值为0.7,在所述答案可靠性参数为0.8时,则直接采用所述个性知识库中确定的答案信息为最终答案。在所述答案可靠性参数为0.5时,则将所述个性知识库和所述基础知识库中确定的答案信息进行整合作为最终答案。
当然,在其他的实施例中,预设答案规则也可以由不同的实现,如在答案可靠性参数大于第一阈值时,采用个性知识库的答案信息作为最终答案;在答案可靠性参数小于第二阈值时,采用基础知识库的答案信息作为最终答案;在答案可靠性参数介于所述第一阈值和第二阈值之间时,将个性知识库和基础知识库的答案信息结合生成最终答案。
本实施例可以处理两个客户同时在两个应用场景进入在线客服***咨询,在不同应用场景下进入时,智能问答***就可以锁定个性知识库,即在和访客互动时,在指定的知识库范围内给予解答问题,智能问答***只需要一套基础设施,即可处理两个场景的业务问题。
本实施例中,所述信息处理装置为每一个应用场景配置了对应的个性知识库,还配置了存储有所有个性知识库中共有知识点的基础知识库,个性知识库和基础知识库共同作用于具体场景,能够按照一套深度学习算法解决不同业务场景下的业务问题,从而不需要部署多个智能问答***,降低了***硬件部署成本和维护难度。
上述实施例中,所述答案信息确定模块603的一种具体结构可以参见图8,图8为本发明实施例公开的答案信息确定模块的结构示意图,如图8所示,所述答案信息确定模块603可以包括:
问题分解模块801,用于将所述问题信息进行分解,确定至少一个关键要素。
所述分解可以是词分解,所述关键要素可以是词语,如“质量”、“材料”等词语。
匹配度确定模块802,用于根据所述至少一个关键要素,分别确定出所述个性知识库和所述基础知识库中与所述问题信息匹配度最高的知识点。
根据所述问题信息的关键要素与知识库中的知识点进行匹配,确定匹配度最高的知识点,即确定知识点中问题部分数据与所述关键要素相似性最高的知识点。这个过程中,具体可以根据相同词语的数量、相似词语的扩展等技术。例如,“质量”的相似词语可以扩展为“质地”、“品质”、“质料”等。在判断问题信息中的词语与知识点中词语相同数量时,互为相似的词语可以认定为相同。
答案信息确定子模块803,用于将所述个性知识库中确定的知识点和所述基础知识库中确定的知识点中的答案数据确定为答案信息。
这里所述的答案数据,并不是最终的答案,本实施例中,需要根据其他的一些条件,确定个性知识库和基础知识库中确定的答案数据的使用逻辑。根据上述逻辑,可以只选取个性知识库或基础知识库中确定的答案数据为最终答案,也可以将个性知识库和基础知识库中分别确定的两个答案数据整合处理为一个完整的最终答案。
在上述实施例基础上,其他实施例中还可以包括用于根据所述问题信息与所述个性知识库中与所述问题信息匹配度最高的知识点的相似度确定答案可靠性参数的模块,以便于后续根据答案可靠性参数确定最终答案的生成逻辑。
图9为本发明实施例公开的另一种信息处理装置的结构示意图,所述信息处理装置可运行在智能问答***中,如图9所示,信息处理装置90可以包括:
参数配置模块901,用于结合应用场景定义应用***参数,所述应用***参数包括应用接口参数和答案可靠性参数的预设阈值。
这里的应用场景是广泛的定义,可以是具体的应用场景,也可以是不同的产品。所述应用***参数有两个,一个定义这些应用接口参数ap,方便客户在线咨询问题时,通过接口直接可以知道这个客户问询的信息是来自什么应用场景,也就知道智能问答***将关联到哪一个个性知识库;另一个,答案规则相关的参数sp,也即答案可靠性参数,这个参数也需要进行配置,答案生成过程中,作为依据生成最终答案。
知识库配置模块902,用于为各个应用场景分别配置一个对应的个性知识库,并配置基础知识库。
配置个性知识库和基础知识库,主要是收集整理出相关场景下的常见问题知识点,按照满足智能问答***算法所需的结构进行存储,不同的场景的问题,存放在相应的个性知识库里,多个场景共性的问题,就抽取出来存放到基础知识库里面。
路由配置模块903,用于配置应用接口参数到个性知识库的路由关系。
将应用接口参数到个性知识库的路由关系配置好后,后续可以根据具体场景发出的问题信息中的应用接口参数,直接确定对应的个性知识库,并从确定的个性知识库中获取答案信息。
问题接收模块601,用于接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数。
个性知识库确定模块602,用于根据所述应用接口参数确定个性知识库,所述个性知识库中存储有特定业务场景的知识点。
答案信息确定模块603,用于根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息。
其中,所述基础知识库中存储有各个个性知识库中的共有知识点。
答案生成模块604,用于根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
本实施例中,预先配置好应用***参数、个性知识库和基础知识库,个性知识库和基础知识库共同作用于具体场景,能够按照一套深度学习算法解决不同业务场景下的业务问题,从而不需要部署多个职能问答***,降低了***硬件部署成本和维护难度。
上述实施例中的所述的任意一种信息处理装置包括处理器和存储器,上述实施例中的问题接收模块、个性知识库确定模块、答案信息确定模块、答案生成模块等均作为程序模块存储在存储器中,由处理器执行存储在所述存储器中的上述程序模块来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序模块。内核可以设置一个或多个,通过调整内核参数来实现回访数据的处理。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述实施例中所述的信息处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述实施例中所述的信息处理方法。
进一步,本实施例提供了一种电子设备,包括处理器以及存储器。其中存储器用于存储所述处理器的可执行指令,所述处理器配置为经由执行所述可执行指令来执行上述实施例中所述的信息处理方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种信息处理方法,其特征在于,包括:
接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数;
根据所述应用接口参数确定相应的个性知识库,所述个性知识库中存储有特定业务场景的知识点;
根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,所述基础知识库中存储有各个个性知识库中的共有知识点;
根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
2.根据权利要求1所述的信息处理方法,其特征在于,在接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数之前,所述信息处理方法还包括:
结合应用场景定义应用***参数,所述应用***参数包括所述应用接口参数和所述答案可靠性参数的预设阈值。
3.根据权利要求1所述的信息处理方法,其特征在于,在接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数之前,所述信息处理方法还包括:
为各个应用场景分别配置一个对应的个性知识库;
配置基础知识库。
4.根据权利要求3所述的信息处理信息处理方法,其特征在于,在接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数之前,所述信息处理方法还包括:
配置所述应用接口参数到个性知识库的路由关系。
5.根据权利要求1所述的信息处理信息处理方法,其特征在于,所述根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,包括:
将所述问题信息进行分解,确定至少一个关键要素;
根据所述至少一个关键要素,分别确定出所述个性知识库和所述基础知识库中与所述问题信息匹配度最高的知识点;
将所述个性知识库中确定的知识点和所述基础知识库中确定的知识点中的答案数据确定为答案信息。
6.根据权利要求5所述的信息处理方法,其特征在于,所述根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,还包括:
根据所述问题信息与所述个性知识库中与所述问题信息匹配度最高的知识点的相似度确定答案可靠性参数。
7.根据权利要求1所述的信息处理方法,其特征在于,所述根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案,包括:
在所述答案可靠性参数高于或等于预设阈值时,将所述个性知识库中确定的答案信息确定为最终答案;
在所述答案可靠性参数低于所述预设阈值时,将所述个性知识库和所述基础知识库中确定的答案信息进行整合,并将整合结果作为最终答案。
8.一种信息处理装置,其特征在于,包括:
问题接收模块,用于接收问题信息,所述问题信息包括用于指示应用场景的应用接口参数;
个性知识库确定模块,用于根据所述应用接口参数确定相应的个性知识库,所述个性知识库中存储有特定业务场景的知识点;
答案信息确定模块,用于根据所述问题信息,从所述个性知识库和基础知识库中分别确定与所述问题信息对应的答案信息,所述基础知识库中存储有各个个性知识库中的共有知识点;
答案生成模块,用于根据答案可靠性参数和预设答案规则,依据所述个性知识库和所述基础知识库中确定的答案信息生成最终答案。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任一项所述的信息处理方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令在执行权利要求1-7任一项所述的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810585987.6A CN108920530B (zh) | 2018-06-08 | 2018-06-08 | 一种信息处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810585987.6A CN108920530B (zh) | 2018-06-08 | 2018-06-08 | 一种信息处理方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108920530A true CN108920530A (zh) | 2018-11-30 |
CN108920530B CN108920530B (zh) | 2022-01-28 |
Family
ID=64419323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810585987.6A Active CN108920530B (zh) | 2018-06-08 | 2018-06-08 | 一种信息处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108920530B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078313A (zh) * | 2019-12-09 | 2020-04-28 | 神州数码融信软件有限公司 | 一种业务参数配置方法 |
CN111651554A (zh) * | 2020-04-17 | 2020-09-11 | 世纪保众(北京)网络科技有限公司 | 基于自然语言理解及处理的保险问答回答的方法和装置 |
CN113051388A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 一种智能问答方法、装置、电子设备及存储介质 |
CN113094474A (zh) * | 2021-06-08 | 2021-07-09 | 深圳追一科技有限公司 | 智能问答方法和装置、服务器、计算机可读存储介质 |
CN113724036A (zh) * | 2021-07-29 | 2021-11-30 | 阿里巴巴(中国)有限公司 | 提供问题咨询服务的方法及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150261849A1 (en) * | 2014-03-13 | 2015-09-17 | International Business Machines Corporation | System and method for question answering by reformulating word problems |
CN105631022A (zh) * | 2015-12-29 | 2016-06-01 | 上海智臻智能网络科技股份有限公司 | 信息处理方法及装置 |
CN105912692A (zh) * | 2016-04-22 | 2016-08-31 | 华讯方舟科技有限公司 | 一种智能语音对话的方法和装置 |
CN105912527A (zh) * | 2016-04-19 | 2016-08-31 | 北京高地信息技术有限公司 | 根据自然语言输出答案的方法、装置及*** |
CN106649786A (zh) * | 2016-12-28 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于深度问答的答案检索方法及装置 |
CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
CN107357855A (zh) * | 2017-06-29 | 2017-11-17 | 北京神州泰岳软件股份有限公司 | 支持场景关联的智能问答方法及装置 |
CN107908803A (zh) * | 2017-12-26 | 2018-04-13 | 上海智臻智能网络科技股份有限公司 | 问答交互的响应方法及装置、存储介质、终端 |
CN107992610A (zh) * | 2017-12-15 | 2018-05-04 | 泰康保险集团股份有限公司 | 一种自动问答方法、装置、设备及存储介质 |
-
2018
- 2018-06-08 CN CN201810585987.6A patent/CN108920530B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150261849A1 (en) * | 2014-03-13 | 2015-09-17 | International Business Machines Corporation | System and method for question answering by reformulating word problems |
CN105631022A (zh) * | 2015-12-29 | 2016-06-01 | 上海智臻智能网络科技股份有限公司 | 信息处理方法及装置 |
CN105912527A (zh) * | 2016-04-19 | 2016-08-31 | 北京高地信息技术有限公司 | 根据自然语言输出答案的方法、装置及*** |
CN105912692A (zh) * | 2016-04-22 | 2016-08-31 | 华讯方舟科技有限公司 | 一种智能语音对话的方法和装置 |
CN106649786A (zh) * | 2016-12-28 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于深度问答的答案检索方法及装置 |
CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
CN107357855A (zh) * | 2017-06-29 | 2017-11-17 | 北京神州泰岳软件股份有限公司 | 支持场景关联的智能问答方法及装置 |
CN107992610A (zh) * | 2017-12-15 | 2018-05-04 | 泰康保险集团股份有限公司 | 一种自动问答方法、装置、设备及存储介质 |
CN107908803A (zh) * | 2017-12-26 | 2018-04-13 | 上海智臻智能网络科技股份有限公司 | 问答交互的响应方法及装置、存储介质、终端 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111078313A (zh) * | 2019-12-09 | 2020-04-28 | 神州数码融信软件有限公司 | 一种业务参数配置方法 |
CN111651554A (zh) * | 2020-04-17 | 2020-09-11 | 世纪保众(北京)网络科技有限公司 | 基于自然语言理解及处理的保险问答回答的方法和装置 |
CN113051388A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 一种智能问答方法、装置、电子设备及存储介质 |
CN113051388B (zh) * | 2021-04-30 | 2024-02-02 | 中国银行股份有限公司 | 一种智能问答方法、装置、电子设备及存储介质 |
CN113094474A (zh) * | 2021-06-08 | 2021-07-09 | 深圳追一科技有限公司 | 智能问答方法和装置、服务器、计算机可读存储介质 |
CN113724036A (zh) * | 2021-07-29 | 2021-11-30 | 阿里巴巴(中国)有限公司 | 提供问题咨询服务的方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108920530B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108920530A (zh) | 一种信息处理方法、装置、存储介质及电子设备 | |
US11501763B2 (en) | Machine learning tool for navigating a dialogue flow | |
CN108595494B (zh) | 答复信息的获取方法及装置 | |
Phillips | A theory of requisite decision models | |
Zhdanova et al. | Community-driven ontology matching | |
Fonseca et al. | Artificial neural networks for job shop simulation | |
CN109376759A (zh) | 用户信息分类方法、装置、计算机设备和存储介质 | |
US11030265B2 (en) | Cross-platform data matching method and apparatus, computer device and storage medium | |
Vanthienen et al. | From decision tables to expert system shells | |
CN110019736A (zh) | 基于语言模型的问答匹配方法、***、设备及存储介质 | |
CN110210233B (zh) | 预测模型的联合构建方法、装置、存储介质及计算机设备 | |
CN108717441A (zh) | 问题模板所对应的谓词的确定方法及装置 | |
CN111368096A (zh) | 基于知识图谱的信息分析方法、装置、设备和存储介质 | |
CN108549685A (zh) | 行为分析方法、装置、***及可读存储介质 | |
CN114722281B (zh) | 基于用户画像及用户选课行为的培训课程配置方法、装置 | |
CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN113887933A (zh) | 基于人工智能的数据处理方法、装置、设备及存储介质 | |
CN114510579A (zh) | 一种基于医疗知识图谱的疾病自动问答***、设备及介质 | |
CN114564595A (zh) | 知识图谱更新方法、装置及电子设备 | |
CN117271791A (zh) | 一种基于大语言模型优化知识图谱的方法及*** | |
CN113641791A (zh) | 专家推荐方法、电子设备及存储介质 | |
WO2023165123A1 (zh) | 线上问诊方法、装置、设备及存储介质 | |
CN116523598A (zh) | 一种医疗器械推荐方法、***、存储介质 | |
CN109544206A (zh) | 商机处理方法、装置、计算机设备和存储介质 | |
CN115082084A (zh) | 基于双区块链的信息处理方法、***、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: Floor 36, Zheshang Building, No. 718 Jianshe Avenue, Jiang'an District, Wuhan, Hubei 430019 Patentee after: TK.CN INSURANCE Co.,Ltd. Patentee after: TAIKANG INSURANCE GROUP Co.,Ltd. Address before: Taikang Life Building, 156 fuxingmennei street, Xicheng District, Beijing 100031 Patentee before: TAIKANG INSURANCE GROUP Co.,Ltd. Patentee before: TK.CN INSURANCE Co.,Ltd. |
|
CP03 | Change of name, title or address |