CN112182147A - 一种可扩展的智能问答方法及*** - Google Patents

一种可扩展的智能问答方法及*** Download PDF

Info

Publication number
CN112182147A
CN112182147A CN202010878003.0A CN202010878003A CN112182147A CN 112182147 A CN112182147 A CN 112182147A CN 202010878003 A CN202010878003 A CN 202010878003A CN 112182147 A CN112182147 A CN 112182147A
Authority
CN
China
Prior art keywords
functional entity
information
entity
question
answer
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.)
Pending
Application number
CN202010878003.0A
Other languages
English (en)
Inventor
张博文
贾鹏飞
高飞
杨宁
杨洋
韩帅
李丽华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Electric Power Research Institute Co Ltd CEPRI filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202010878003.0A priority Critical patent/CN112182147A/zh
Publication of CN112182147A publication Critical patent/CN112182147A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种可扩展的智能问答方法及***，提出了功能实体，并将功能实体扩展关联到知识图谱体系中，在知识图谱上扩展功能实体，并通过意图识别、词槽提取、实体链接，进行用户问题与功能实体的关联，应用在智能问答***中，满足用户个性化问答的场景；在用户进行个性化意图问答的时候，可以通过意图识别找到具体的功能实体，利用功能实体与图谱中其它实体的关联关系，获取相关的数据进行自动绑定，即可以实现个性化问答，突破传统知识图谱只能进行单实体、多实体、实体关系等局限于知识图谱内的图关系查询，给出满足用户特定意图问题的回答，为用户个性化问答提供灵活的支持。

Description

一种可扩展的智能问答方法及***
技术领域
本发明涉及知识图谱技术领域，并且更具体地，涉及一种可扩展的智能问答方法及***。
背景技术
智能问答旨在为用户提出的自然语言问题自动提供答案。目前主要的技术包括基于知识图谱的智能问答和基于问答对的智能问答。前者主要通过将用户的问题转换成实体和谓词关系，然后通过知识图谱中的关系得到问题对应的答案；后者主要将用户的问题与问答对中的问题进行文本或语义相识度匹配，然后从问答对中选择最匹配的答案。
这些智能问答技术在特定的业务使用场景存在明显的不足，如用户问“1号主变压器40度油温是否正常”，基于知识图谱的问答可以提取出“1号主变压器”实体和其该实体的“油温”属性，但是知识图谱中只记录了实体的关系或属性信息，无法回答40度是否正常；而基于问答对的问答，存在无法穷举用户问题的问题，如，用户可能问“1号主变压器42度油温是否正常”、“2号主变压器45度油温是否正常”等。
因此，需要一种可扩展的智能问答方法。
发明内容
本发明提出一种扩展的智能问答方法及***，以解决如何实现个性化问答的问题。
为了解决上述问题，根据本发明的一个方面，提供了一种可扩展的智能问答方法，所述方法包括：
基于用户个性化问答需求构建多个功能实体，并设置每个功能实体的参数信息和训练数据模板；
将每个功能实体增加到知识图谱中，并根据每个功能实体的参数信息建立每个功能实体与所述知识图谱中相关的真实实体的关联关系；
根据所述训练数据模板和真实实体确定训练数据；
采用长短期记忆(Long Short Term Memory,LSTM)神经网络对所述训练数据进行训练，以确定功能实体意图识别和词槽提取模型；
利用所述功能实体意图识别和词槽提取模块确定与获取的个性化问题对应的功能实体信息和词槽信息，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案。
优选地，其中所述功能实体的参数信息包括：每个功能实体的名称、对应的rest服务地址URL和对应的rest服务参数。
优选地，其中所述rest服务参数，包括：来源于所述知识图谱中的实体关系或属性和所述个性化问题中的动态参数。
优选地，其中所述根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案，包括：
根据所述词槽信息绑定功能实体的rest服务参数，根据所述功能实体信息调用功能实体对应的rest服务地址URL，以获取所述个性化问题的答案。
根据本发明的另一个方面，提供了一种可扩展的智能问答***，所述***包括：
功能实体构建单元，用于基于用户个性化问答需求构建多个功能实体，并设置每个功能实体的参数信息和训练数据模板；
关联关系建立单元，用于将每个功能实体增加到知识图谱中，并根据每个功能实体的参数信息建立每个功能实体与所述知识图谱中相关的真实实体的关联关系；
训练数据确定单元，用于根据所述训练数据模板和真实实体确定训练数据；
模型确定单元，用于采用长短期记忆LSTM神经网络对所述训练数据进行训练，以确定功能实体意图识别和词槽提取模型；
答案确定单元，用于利用所述功能实体意图识别和词槽提取模块确定与获取的个性化问题对应的功能实体信息和词槽信息，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案。
优选地，其中所述功能实体的参数信息包括：每个功能实体的名称、对应的rest服务地址URL和对应的rest服务参数。
优选地，其中所述rest服务参数，包括：来源于所述知识图谱中的实体关系或属性和所述个性化问题中的动态参数。
优选地，其中所述答案确定单元，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案，包括：
根据所述词槽信息绑定功能实体的rest服务参数，根据所述功能实体信息调用功能实体对应的rest服务地址URL，以获取所述个性化问题的答案。
本发明提供了一种可扩展的智能问答方法及***，提出了功能实体，并将功能实体扩展关联到知识图谱体系中，在知识图谱上扩展功能实体，并通过意图识别、词槽提取、实体链接，进行用户问题与功能实体的关联，应用在智能问答***中，满足用户个性化问答的场景；在用户进行个性化意图问答的时候，可以通过意图识别找到具体的功能实体，利用功能实体与图谱中其它实体的关联关系，获取相关的数据进行自动绑定，即可以实现个性化问答，突破传统知识图谱只能进行单实体、多实体、实体关系等局限于知识图谱内的图关系查询，给出满足用户特定意图问题的回答，为用户个性化问答提供灵活的支持。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明实施方式的可扩展的智能问答方法100的流程图；
图2为根据本发明实施方式的设置功能实体的参数信息的示意图；
图3为根据本发明实施方式的知识图谱的示意图；
图4为根据本发明实施方式的训练数据模块的示意图；
图5为根据本发明实施方式的确定功能实体信息和词槽信息的示意图；
图6为根据本发明实施方式的可扩展的智能问答***600的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
知识图谱技术，以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。比如在电力行业信息化领域，信息***、信息应用、APP虽然词汇不同，但是它们表达的本质含义是相同的，这种本质含义如果用计算机模型来表达的话，就是概念、实体及关系，这种模型是计算机可以识别并进行计算的。通过知识图谱KG技术可以将抽象的存在于人脑中的认知转换为机器可识别、可计算的数学模型。知识表示路线可以分为语义网、属性图两种，其中，属性图模型存储组件包括neo4j、TigerGraph图数据库等，语义网存储组件较为分散，大都是基于开源+NoSQL数据库开发而成，包括Jena TDB+MangoDb、gStoreRDF数据库等。
LSTM，Long Short Term Memory，长短记忆网络，是一种特殊的RNN网络模型，可以学习长期依赖信息。
图1为根据本发明实施方式的可扩展的智能问答方法100的流程图。如图1所示，本发明实施方式提供的可扩展的智能问答方法及，提出了功能实体，并将功能实体扩展关联到知识图谱体系中，在知识图谱上扩展功能实体，并通过意图识别、词槽提取、实体链接，进行用户问题与功能实体的关联，应用在智能问答***中，满足用户个性化问答的场景；在用户进行个性化意图问答的时候，可以通过意图识别找到具体的功能实体，利用功能实体与图谱中其它实体的关联关系，获取相关的数据进行自动绑定，即可以实现个性化问答，突破传统知识图谱只能进行单实体、多实体、实体关系等局限于知识图谱内的图关系查询，给出满足用户特定意图问题的回答，为用户个性化问答提供灵活的支持。本发明实施方式提供的可扩展的智能问答方法100，从步骤101处开始，在步骤101基于用户个性化问答需求构建多个功能实体，并设置每个功能实体的参数信息和训练数据模板。
优选地，其中所述功能实体的参数信息包括：每个功能实体的名称、对应的rest服务地址URL和对应的rest服务参数。
优选地，其中所述rest服务参数，包括：来源于所述知识图谱中的实体关系或属性和所述个性化问题中的动态参数。
在本发明的实施方式中，针对用户个性化问答需求构建功能实体，设置功能实体的名称(用于意图识别)、rest服务地址URL、rest服务参数和训练数据模板。其中，rest服务参数包括两种类型，一种是来源于图谱中的实体关系或属性，一种是用户在问句中包含的动态参数。对于训练数据模板，例如：用户问句为“1号主变压器42度油温是否正常”，则标注后的训练数据模板结构为“{1号主变压器,变压器实体}{42,数值}度{油温,变压器属性,温度}是否正常)”。设置功能实体的参数信息如图2所示。
在步骤102，将每个功能实体增加到知识图谱中，并根据每个功能实体的参数信息建立每个功能实体与所述知识图谱中相关的真实实体的关联关系。
在本发明的实施方式中，将功能实体增加到知识图谱中，并根据步骤101的参数信息，与知识图谱中相关的真实实体进行绑定。例如，将变压器油温判断功能实体与变压器实体进行关联，绑定后的知识图谱如图3所示。
在步骤103，根据所述训练数据模板和真实实体确定训练数据。
在本发明的实施方中，功能实体绑定到知识图谱中后，基于配置的训练数据模板根据关联的实体进行海量的训练数据的生成。如图4所示，根据模板“{变压器实体}{42,数值,(^[0-9]{1,3})$}度{油温,变压器属性,温度}是否正常”可以结合知识图谱中绑定的变压器实体和设置的数值正则表达式关系，生成如：“{1号主变压器,变压器实体}{42,数值}度{油温,变压器属性,温度}是否正常)”、“{2号主变压器,变压器实体}{55,数值}度{油温,变压器属性,温度}是否正常)”、“{3号主变压器,变压器实体}{180,数值}度{油温,变压器属性,温度}是否正常)”等的海量样本数据。
在步骤104，采用长短期记忆LSTM神经网络对所述训练数据进行训练，以确定功能实体意图识别和词槽提取模型。
在本发明的实施方式中，基于海量样本数据，采用LSTM神经网络训练生成功能实体意图识别和词槽提取模型，一是支持对用户个性化问句进行意图识别(q_template部分)，用于将用户输入转化为某个功能实体，二是对用户个性化问句词槽提取(parsed部分)，将用户输入中的关键信息进行提取，并进行实体链接。例如，用户输入的可能是3号变，则需进行实体链接为3号主变压器。
在步骤105，利用所述功能实体意图识别和词槽提取模块确定与获取的个性化问题对应的功能实体信息和词槽信息，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案。
优选地，其中所述根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案，包括：
根据所述词槽信息绑定功能实体的rest服务参数，根据所述功能实体信息调用功能实体对应的rest服务地址URL，以获取所述个性化问题的答案。
在本发明的实施方式中，当用户输入个性化问题时，通过上述模型找到对应的功能实体信息(q_template)及词槽信息(parsed)。确定功能实体信息和词槽信息的过程如图5所示。在获取到功能实体信息和词槽信息后，绑定步骤101中功能实体设置的rest服务参数，然后调用功能实体设置对应的服务地址URL，返回用户所需的答案。
图6为根据本发明实施方式的可扩展的智能问答***600的结构示意图。如图6所示，本发明实施方式提供的可扩展的智能问答***600，包括：功能实体构建单元601、关联关系建立单元602、训练数据确定单元603、模型确定单元604和答案确定单元605。
优选地，所述功能实体构建单元601，用于基于用户个性化问答需求构建多个功能实体，并设置每个功能实体的参数信息和训练数据模板。
优选地，其中所述功能实体的参数信息包括：每个功能实体的名称、对应的rest服务地址URL和对应的rest服务参数。
优选地，其中所述rest服务参数，包括：来源于所述知识图谱中的实体关系或属性和所述个性化问题中的动态参数。
优选地，所述关联关系建立单元602，用于将每个功能实体增加到知识图谱中，并根据每个功能实体的参数信息建立每个功能实体与所述知识图谱中相关的真实实体的关联关系。
优选地，所述训练数据确定单元603，用于根据所述训练数据模板和真实实体确定训练数据。
优选地，所述模型确定单元604，用于采用长短期记忆LSTM神经网络对所述训练数据进行训练，以确定功能实体意图识别和词槽提取模型。
优选地，所述答案确定单元605，用于利用所述功能实体意图识别和词槽提取模块确定与获取的个性化问题对应的功能实体信息和词槽信息，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案。
优选地，其中所述答案确定单元605，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案，包括：
根据所述词槽信息绑定功能实体的rest服务参数，根据所述功能实体信息调用功能实体对应的rest服务地址URL，以获取所述个性化问题的答案。
本发明的实施例的可扩展的智能问答***600与本发明的另一个实施例的可扩展的智能问答方法100相对应，在此不再赘述。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.一种可扩展的智能问答方法，其特征在于，所述方法包括：
基于用户个性化问答需求构建多个功能实体，并设置每个功能实体的参数信息和训练数据模板；
将每个功能实体增加到知识图谱中，并根据每个功能实体的参数信息建立每个功能实体与所述知识图谱中相关的真实实体的关联关系；
根据所述训练数据模板和真实实体确定训练数据；
采用长短期记忆LSTM神经网络对所述训练数据进行训练，以确定功能实体意图识别和词槽提取模型；
利用所述功能实体意图识别和词槽提取模块确定与获取的个性化问题对应的功能实体信息和词槽信息，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案。
2.根据权利要求1所述的方法，其特征在于，所述功能实体的参数信息包括：每个功能实体的名称、对应的rest服务地址URL和对应的rest服务参数。
3.根据权利要求2所述的方法，其特征在于，所述rest服务参数，包括：来源于所述知识图谱中的实体关系或属性和所述个性化问题中的动态参数。
4.根据权利要求2所述的方法，其特征在于，所述根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案，包括：
根据所述词槽信息绑定功能实体的rest服务参数，根据所述功能实体信息调用功能实体对应的rest服务地址URL，以获取所述个性化问题的答案。
5.一种可扩展的智能问答***，其特征在于，所述***包括：
功能实体构建单元，用于基于用户个性化问答需求构建多个功能实体，并设置每个功能实体的参数信息和训练数据模板；
关联关系建立单元，用于将每个功能实体增加到知识图谱中，并根据每个功能实体的参数信息建立每个功能实体与所述知识图谱中相关的真实实体的关联关系；
训练数据确定单元，用于根据所述训练数据模板和真实实体确定训练数据；
模型确定单元，用于采用长短期记忆LSTM神经网络对所述训练数据进行训练，以确定功能实体意图识别和词槽提取模型；
答案确定单元，用于利用所述功能实体意图识别和词槽提取模块确定与获取的个性化问题对应的功能实体信息和词槽信息，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案。
6.根据权利要求5所述的***，其特征在于，所述功能实体的参数信息包括：每个功能实体的名称、对应的rest服务地址URL和对应的rest服务参数。
7.根据权利要求6所述的***，其特征在于，所述rest服务参数，包括：来源于所述知识图谱中的实体关系或属性和所述个性化问题中的动态参数。
8.根据权利要求6所述的***，其特征在于，所述答案确定单元，根据所述功能实体信息、词槽信息和功能实体的参数信息确定所述个性化问题的答案，包括：
根据所述词槽信息绑定功能实体的rest服务参数，根据所述功能实体信息调用功能实体对应的rest服务地址URL，以获取所述个性化问题的答案。
CN202010878003.0A 2020-08-27 2020-08-27 一种可扩展的智能问答方法及*** Pending CN112182147A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010878003.0A CN112182147A (zh) 2020-08-27 2020-08-27 一种可扩展的智能问答方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010878003.0A CN112182147A (zh) 2020-08-27 2020-08-27 一种可扩展的智能问答方法及***

Publications (1)

Publication Number Publication Date
CN112182147A true CN112182147A (zh) 2021-01-05

Family

ID=73925439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010878003.0A Pending CN112182147A (zh) 2020-08-27 2020-08-27 一种可扩展的智能问答方法及***

Country Status (1)

Country Link
CN (1) CN112182147A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113420125A (zh) * 2021-06-25 2021-09-21 深圳索信达数据技术有限公司 基于行业类型的问答对确定方法、***、存储介质及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113420125A (zh) * 2021-06-25 2021-09-21 深圳索信达数据技术有限公司 基于行业类型的问答对确定方法、***、存储介质及设备
CN113420125B (zh) * 2021-06-25 2023-09-19 深圳索信达数据技术有限公司 基于行业类型的问答对确定方法、***、存储介质及设备

Similar Documents

Publication Publication Date Title
CN108446286B (zh) 一种自然语言问句答案的生成方法、装置及服务器
CN108491486B (zh) 模拟病人问诊对话方法、装置、终端设备及存储介质
JP2020071869A (ja) 動画基盤求人求職マッチングサーバーおよび方法
CN109408821B (zh) 一种语料生成方法、装置、计算设备及存储介质
WO2019084810A1 (zh) 一种信息处理方法及终端、计算机存储介质
CN106649742A (zh) 数据库维护方法和装置
CN107633005A (zh) 一种基于课堂教学内容的知识图谱构建、对比***及方法
CN110297893B (zh) 自然语言问答方法、装置、计算机装置及存储介质
CN111309887B (zh) 一种训练文本关键内容提取模型的方法和***
CN116561538A (zh) 问答评分方法、问答评分装置、电子设备及存储介质
CN111553138B (zh) 用于规范内容结构文档的辅助写作方法及装置
TWI674517B (zh) 資訊交互的方法及裝置
CN117501283A (zh) 文本到问答模型***
CN113742446A (zh) 一种基于路径排序的知识图谱问答方法及***
CN113705191A (zh) 样本语句的生成方法、装置、设备及存储介质
CN116956116A (zh) 文本的处理方法和装置、存储介质及电子设备
CN116821373A (zh) 基于图谱的prompt推荐方法、装置、设备及介质
CN117290488A (zh) 基于大模型的人机交互方法、装置、电子设备及存储介质
CN117808946A (zh) 基于大语言模型的二次元角色构建方法及***
CN113705792A (zh) 基于深度学习模型的个性化推荐方法、装置、设备及介质
CN112182147A (zh) 一种可扩展的智能问答方法及***
CN117520520A (zh) 一种基于知识图谱的知识查询方法和装置
CN110263346B (zh) 基于小样本学习的语意分析方法、电子设备及存储介质
CN113571196A (zh) 构建医疗训练样本的方法及装置、医疗文本的检索方法
CN117473034A (zh) 交互文本处理方法、装置、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