CN112527965A - 基于专业库和闲聊库相结合的自动问答实现方法和装置 - Google Patents
基于专业库和闲聊库相结合的自动问答实现方法和装置 Download PDFInfo
- Publication number
- CN112527965A CN112527965A CN202011504237.5A CN202011504237A CN112527965A CN 112527965 A CN112527965 A CN 112527965A CN 202011504237 A CN202011504237 A CN 202011504237A CN 112527965 A CN112527965 A CN 112527965A
- Authority
- CN
- China
- Prior art keywords
- question
- module
- library
- knowledge base
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010063659 Aversion Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 240000008669 Hedera helix Species 0.000 description 1
- 241000408747 Lepomis gibbosus Species 0.000 description 1
- 206010028748 Nasal obstruction Diseases 0.000 description 1
- 241000286209 Phasianidae Species 0.000 description 1
- 208000036071 Rhinorrhea Diseases 0.000 description 1
- 206010039101 Rhinorrhoea Diseases 0.000 description 1
- 244000000231 Sesamum indicum Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 241000282894 Sus scrofa domesticus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000009240 nasopharyngitis Diseases 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 235000020236 pumpkin seed Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于专业库和闲聊库相结合的自动问答实现方法和装置,属于智能问答技术领域。本发明提出了基于专业库和闲聊库相结合的自动问答实现方法,同时还提出了一种与之相匹配的基于专业知识库和闲聊库相结合的自动问答实现装置,本发明针对在线客服,采用专业知识库和图灵闲聊库相结合的办法,可以根据实际使用场景,自动实现专业知识库和闲聊库之间的切换,首先从专业知识库中匹配问题和答案,当小于阀值时,调用图灵闲聊库,通过此方法实现专业知识库和闲聊库的结合,为用户提供灵活和更加智能的在线客服功能。
Description
技术领域
本发明涉及智能问答技术领域,尤其涉及基于专业库和闲聊库相结合的自动问答实现方法和装置。
背景技术
随着人工智能的快速发展和机器学习、自然语言处理等技术的突破,越来越多商业和服务网站开通了智能问答机器人,为用户提供实时、自动、便捷的在线问答服务。智能问答***是一种针对自然语言处理的新型的信息检索***。它的出现,体现了人们对快速、准确地获取信息的热衷。智能问答***是集自然语言处理、知识表示、信息检索于一体的研究课题,建立在文本检索的基础上,但又不同于传统的搜索引擎。传统的搜索引擎要求用户输入一些关键字的组合,且对于用户提交的查询只能定位出文献或是网页,用户必须依靠自己去筛选需要的有用信息。问答***允许用户以自然语言的形式输入一个问句,最终返回给用户的也是自然语言形式的简短而准确的答案。
当前智能问答分为专业知识问答和闲聊问答,专业知识问答单调,闲聊问答不能解决业务问题,二者结合可以为用户提供更加灵活和智能的服务,因此,我们提出了基于专业库和闲聊库相结合的自动问答实现方法和装置。
发明内容
本发明的目的是基于专业知识库和闲聊库实现智能问答,在为用户解答专业知识问题的同时,也能为用户提供闲聊服务,增加服务的乐趣和人性化服务而提出的基于专业库和闲聊库相结合的自动问答实现方法和装置。
为了实现上述目的,本发明采用了如下技术方案:
基于专业库和闲聊库相结合的自动问答实现方法,包括有以下步骤:
S1、专业知识库准备:收集和整理在线问答的主要知识点形成专业知识库,设计为问题和解答;
S2、专业知识库问题处理:提取专业知识库中的问题,对问题进行分词处理;
S3、闲聊库准备:使用图灵的智能闲聊库,通过接口调用,输入文本,返回基于闲聊训练的文本问答;
S4、用户问题处理:获取用户的问题文本,结合结巴分词的方法对用户的问题文本进行分词处理;
S5、关键词匹配:根据S2和S4中的分词结果,提取专业知识库和客户问句中的关键词,进行关键词模糊匹配;
S6、文本相似度计算:在S5中关键词模糊匹配的基础上,对用户问句和专业知识库中相关问题的文本进行embedding,然后计算二者之间的余弦相似度;
S7、相似度阀值设定:设定阀值初始值为a1=0.1,使用样本测试数据,计算问答匹配的准确率,a2=a1+0.1,逐渐迭代,找到使样本测试数据达到最大准确率的的a值作为在专业库和闲聊库的阀值;
S8、实现智能问答:进行问句和模糊匹配结果集的文本相似度计算,取最大的文本相似度设为p,根据p与a之间的关系,自动进行专业知识库和闲聊库的切换,当p≥a时,从专业知识库中与用户问题相似度最高的问题,反馈相应的专业答案;当p<a时,从闲聊库中匹配与用户问题相似度最高的问题对应的答案,为用户提供闲聊服务。
优选的,所述S5中提到的模糊匹配与S6中提到的相似度计算方法相结合,解决了当知识库的问答条数多的时候,计算文本文本相似度的运算速度相对较慢的问题,具体的处理方法如下:
N1、提取用户问句关键词:通过jieba分词工具或哈工大NTP工具提取用户问句中的关键信息[A1,A2,A3,……];
N2、提取专业知识库问句关键词:提取业知识库问句中的关键信息[B11,B12,B13,……]……[Bk1,Bk2,Bk3,……];
N3、模糊匹配:计算[Bi1,Bi2,Bi3,……](1≤i≤k)包含用户问句[A1,A2,A3,……]中关键词的个数,选取包含用户问句关键词>0的,包含关键词的得分计算:假设共m个关键词,包含第一关键词得m分,包含第二关键词得m-1分,依次类推,根据包含关键词的数量和包含关键词得分倒序,取前30个专业知识库问句,作为模糊匹配的结果;
N4、在模糊匹配的基础上进行,用户问句和模糊匹配结果的文本相似度计算,从模型匹配的结果集中找到与用户问题文本相似度最高的问题,依据问题反馈专业库的专业答案。
优选的,所述S6中提到的余弦相似度的原理与数学中的余弦定理类似,其计算公式为:
该公式计算结果即表示文本相似度,基于文本相似度公式,转化为文本相似度算法,具体包括有:
A1、基于知识库问题的分词结果构建语料库;
A2、构建词字典索引;
A3、将问句转化为词向量;
A4、计算问句和专业知识库问题的相似度。
基于专业库和闲聊库相结合的自动问答实现装置,包括有用户模块和专业知识库模块,所述用户模块上连接有用户问句获取模块,所述用户问句获取模块上连接有用户问句分词模块,所述用户问句分词模块上连接有关键词提取模块,所述关键词提取模块与专业知识库模块均连接在专业知识库问题模糊匹配模块,所述专业知识库问题模糊匹配模块上连接有专业知识库问句分词模块,所述用户问句分词模块和专业知识库问句分词模块均与文本相似度计算模块相连接,所述相似度计算模块上连接有相似度判断模块,所述相似度判断模块分别还与闲聊库模块和专业知识库答案匹配模块相连接,所述闲聊库模块与用户模块之间连接有闲聊反馈模块,所述专业知识库答案匹配模块与用户模块之间连接有专业反馈模块。
与现有技术相比,本发明提供了基于专业库和闲聊库相结合的自动问答实现方法和装置,具备以下有益效果:
本发明提出了基于专业库和闲聊库相结合的自动问答实现方法,同时还提出了一种与之相匹配的基于专业知识库和闲聊库相结合的自动问答实现装置,本发明针对在线客服,采用专业知识库和图灵闲聊库相结合的办法,可以根据实际使用场景,自动实现专业知识库和闲聊库之间的切换,首先从专业知识库中匹配问题和答案,当小于阀值时,调用图灵闲聊库,通过此方法实现专业知识库和闲聊库的结合,为用户提供灵活和更加智能的在线客服功能;同时本发明采用了模糊匹配和计算相似度相结合的方法,有效解决了当知识库的问答条数多的时候,计算文本文本相似度的运算速度相对较慢的问题,同时也进一步保证了自动问答的专业性和准确性,增加了服务的乐趣和人性化服务。
附图说明
图1为本发明提出的基于专业库和闲聊库相结合的自动问答实现方法的方法流程示意图;
图2为本发明提出的基于专业库和闲聊库相结合的自动问答实现装置的结构示意图。
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。
实施例1:
请参阅图1-2,基于专业库和闲聊库相结合的自动问答实现方法,包括有以下步骤:
S1、专业知识库准备:收集和整理在线问答的主要知识点形成专业知识库,设计为问题和解答;
S2、专业知识库问题处理:提取专业知识库中的问题,对问题进行分词处理;
S3、闲聊库准备:使用图灵的智能闲聊库,通过接口调用,输入文本,返回基于闲聊训练的文本问答;
S4、用户问题处理:获取用户的问题文本,结合结巴分词的方法对用户的问题文本进行分词处理;
S5、关键词匹配:根据S2和S4中的分词结果,提取专业知识库和客户问句中的关键词,进行关键词模糊匹配;
S6、文本相似度计算:在S5中关键词模糊匹配的基础上,对用户问句和专业知识库中相关问题的文本进行embedding,然后计算二者之间的余弦相似度;
S7、相似度阀值设定:设定阀值初始值为a1=0.1,使用样本测试数据,计算问答匹配的准确率,a2=a1+0.1,逐渐迭代,找到使样本测试数据达到最大准确率的的a值作为在专业库和闲聊库的阀值;
S8、实现智能问答:进行问句和模糊匹配结果集的文本相似度计算,取最大的文本相似度设为p,根据p与a之间的关系,自动进行专业知识库和闲聊库的切换,当p≥a时,从专业知识库中与用户问题相似度最高的问题,反馈相应的专业答案;当p<a时,从闲聊库中匹配与用户问题相似度最高的问题对应的答案,为用户提供闲聊服务。
S5中提到的模糊匹配与S6中提到的相似度计算方法相结合,解决了当知识库的问答条数多的时候,计算文本文本相似度的运算速度相对较慢的问题,具体的处理方法如下:
N1、提取用户问句关键词:通过jieba分词工具或哈工大NTP工具提取用户问句中的关键信息[A1,A2,A3,……];
N2、提取专业知识库问句关键词:提取业知识库问句中的关键信息[B11,B12,B13,……]……[Bk1,Bk2,Bk3,……];
N3、模糊匹配:计算[Bi1,Bi2,Bi3,……](1≤i≤k)包含用户问句[A1,A2,A3,……]中关键词的个数,选取包含用户问句关键词>0的,包含关键词的得分计算:假设共m个关键词,包含第一关键词得m分,包含第二关键词得m-1分,依次类推,根据包含关键词的数量和包含关键词得分倒序,取前30个专业知识库问句,作为模糊匹配的结果;
N4、在模糊匹配的基础上进行,用户问句和模糊匹配结果的文本相似度计算,从模型匹配的结果集中找到与用户问题文本相似度最高的问题,依据问题反馈专业库的专业答案。
S6中提到的余弦相似度的原理与数学中的余弦定理类似,其计算公式为:
该公式计算结果即表示文本相似度,基于文本相似度公式,转化为文本相似度算法,具体包括有:
A1、基于知识库问题的分词结果构建语料库;
A2、构建词字典索引;
A3、将问句转化为词向量;
A4、计算问句和专业知识库问题的相似度。
基于专业库和闲聊库相结合的自动问答实现装置,包括有用户模块和专业知识库模块,用户模块上连接有用户问句获取模块,用户问句获取模块上连接有用户问句分词模块,用户问句分词模块上连接有关键词提取模块,关键词提取模块与专业知识库模块均连接在专业知识库问题模糊匹配模块,专业知识库问题模糊匹配模块上连接有专业知识库问句分词模块,用户问句分词模块和专业知识库问句分词模块均与文本相似度计算模块相连接,相似度计算模块上连接有相似度判断模块,相似度判断模块分别还与闲聊库模块和专业知识库答案匹配模块相连接,闲聊库模块与用户模块之间连接有闲聊反馈模块,专业知识库答案匹配模块与用户模块之间连接有专业反馈模块。
本发明提出了基于专业库和闲聊库相结合的自动问答实现方法和装置,该方法创造性的通过对用户反馈的历史记录进行整理和分词处理,对用户的反馈内容进行剖析,同时还设计有用户情绪识别模型,可以用于对用户的反馈记录的进行识别和分析,辅助客服判断用户的情绪,进而有助于客服对用户做出合适的反馈,能够提供更好的客服服务。
实施例2:
基于实施例1又有所不同之处在于;
专业知识库准备
收集和整理在线问答的主要知识点形成专业知识库,设计为问题和解答,例如:
【问题】感冒了吃什么比较好?
【解答】鸡蛋,鹌鹑蛋,芝麻,南瓜子仁等。
【问题】感冒了不适合吃什么?
【解答】白扁豆,咸鱼,油条,猪油(板油)等。
【问题】感冒有哪些症状?
【解答】头痛,浑身忽冷忽热,咽痛,发烧,咽喉干燥及灼热感,流鼻涕,鼻塞,发热伴寒战,情绪性感冒等。
专业知识库问题处理
提取专业知识库的问题,进行分词处理,例如:
“感冒有哪些症状”
分词后:[‘感冒’,‘有’,‘哪些’,‘症状’]
准备闲聊库
使用图灵的智能闲聊库,通过接口调用,输入文本,返回基于闲聊训练的文本问答。
关键词匹配
(1)提取用户问句的关键词;
(2)提取知识库问题的关键词;
(3)取前30个专业知识库问句,具体的提取方法,专业知识库问题的关键词提取结果:[B11,B12,B13,……]……[Bk1,Bk2,Bk3,……],计算[Bi1,Bi2,Bi3,……](1<=i<=k)包含用户问句[A1,A2,A3,……]中关键词的个数,选取包含用户问句关键词>0的,包含关键词的得分计算:假设共m个关键词,包含第一关键词得m分,包含第二关键词得m-1分,依次类推,根据包含关键词的数量和包含关键词得分倒序,取前30个专业知识库问句,作为模糊匹配的结果。
在关键词匹配的基础上进行文本相似度计算
文本相似度算法实现
基于文本相似度公式,转化为文本相似度算法,具体包括:
(1)基于知识库问题的分词结果构建语料库;
(2)构建词字典索引;
(3)将问句转化为词向量;
(4)计算问句和专业知识库问题的相似度。
相似度阀值设定
按照阀值迭代和准确率的关系,
样本库选择:随机选择用户问句300句,设定a1=0.1,计算准确率p1;
ai=a(i-1)+0.1,pi;
1<=i<=300;
pm=max(pi)
am为阀值
得到文本相似度阀值为0.3
智能问答实现
(1)进行问句和模糊匹配结果集的文本相似度计算,取最大的文本相似度设为p;
(2)进行专业知识库和闲聊库的切换,p>=a从专业知识库进行问题的匹配;p<a从闲聊库中进行问题的匹配,给出问题的答案。
以上,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.基于专业库和闲聊库相结合的自动问答实现方法,其特征在于,包括有以下步骤:
S1、专业知识库准备:收集和整理在线问答的主要知识点形成专业知识库,设计为问题和解答;
S2、专业知识库问题处理:提取专业知识库中的问题,对问题进行分词处理;
S3、闲聊库准备:使用图灵的智能闲聊库,通过接口调用,输入文本,返回基于闲聊训练的文本问答;
S4、用户问题处理:获取用户的问题文本,结合结巴分词的方法对用户的问题文本进行分词处理;
S5、关键词匹配:根据S2和S4中的分词结果,提取专业知识库和客户问句中的关键词,进行关键词模糊匹配;
S6、文本相似度计算:在S5中关键词模糊匹配的基础上,对用户问句和专业知识库中相关问题的文本进行embedding,然后计算二者之间的余弦相似度;
S7、相似度阀值设定:设定阀值初始值为a1=0.1,使用样本测试数据,计算问答匹配的准确率,a2=a1+0.1,逐渐迭代,找到使样本测试数据达到最大准确率的的a值作为在专业库和闲聊库的阀值;
S8、实现智能问答:进行问句和模糊匹配结果集的文本相似度计算,取最大的文本相似度设为p,根据p与a之间的关系,自动进行专业知识库和闲聊库的切换,当p≥a时,从专业知识库中与用户问题相似度最高的问题,反馈相应的专业答案;当p<a时,从闲聊库中匹配与用户问题相似度最高的问题对应的答案,为用户提供闲聊服务。
2.根据权利要求1所述的基于专业库和闲聊库相结合的自动问答实现方法,其特征在于:所述S5中提到的模糊匹配与S6中提到的相似度计算方法相结合,解决了当知识库的问答条数多的时候,计算文本文本相似度的运算速度相对较慢的问题,具体的处理方法如下:
N1、提取用户问句关键词:通过jieba分词工具或哈工大NTP工具提取用户问句中的关键信息[A1,A2,A3,……];
N2、提取专业知识库问句关键词:提取业知识库问句中的关键信息[B11,B12,B13,……]……[Bk1,Bk2,Bk3,……];
N3、模糊匹配:计算[Bi1,Bi2,Bi3,……](1≤i≤k)包含用户问句[A1,A2,A3,……]中关键词的个数,选取包含用户问句关键词>0的,包含关键词的得分计算:假设共m个关键词,包含第一关键词得m分,包含第二关键词得m-1分,依次类推,根据包含关键词的数量和包含关键词得分倒序,取前30个专业知识库问句,作为模糊匹配的结果;
N4、在模糊匹配的基础上进行,用户问句和模糊匹配结果的文本相似度计算,从模型匹配的结果集中找到与用户问题文本相似度最高的问题,依据问题反馈专业库的专业答案。
4.基于专业库和闲聊库相结合的自动问答实现装置,其特征在于:包括有用户模块和专业知识库模块,所述用户模块上连接有用户问句获取模块,所述用户问句获取模块上连接有用户问句分词模块,所述用户问句分词模块上连接有关键词提取模块,所述关键词提取模块与专业知识库模块均连接在专业知识库问题模糊匹配模块,所述专业知识库问题模糊匹配模块上连接有专业知识库问句分词模块,所述用户问句分词模块和专业知识库问句分词模块均与文本相似度计算模块相连接,所述相似度计算模块上连接有相似度判断模块,所述相似度判断模块分别还与闲聊库模块和专业知识库答案匹配模块相连接,所述闲聊库模块与用户模块之间连接有闲聊反馈模块,所述专业知识库答案匹配模块与用户模块之间连接有专业反馈模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011504237.5A CN112527965A (zh) | 2020-12-18 | 2020-12-18 | 基于专业库和闲聊库相结合的自动问答实现方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011504237.5A CN112527965A (zh) | 2020-12-18 | 2020-12-18 | 基于专业库和闲聊库相结合的自动问答实现方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112527965A true CN112527965A (zh) | 2021-03-19 |
Family
ID=75001527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011504237.5A Pending CN112527965A (zh) | 2020-12-18 | 2020-12-18 | 基于专业库和闲聊库相结合的自动问答实现方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112527965A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139041A (zh) * | 2021-04-20 | 2021-07-20 | 山东新一代信息产业技术研究院有限公司 | 一种模块化的智能问答方法及*** |
CN113360626A (zh) * | 2021-07-02 | 2021-09-07 | 北京容联七陌科技有限公司 | 一种智能客服机器人的多场景混合问答推荐方法 |
CN113553405A (zh) * | 2021-06-11 | 2021-10-26 | 中国农业银行股份有限公司浙江省分行 | 基于中文bert模型智能机器人的实现方法和*** |
CN113569028A (zh) * | 2021-07-27 | 2021-10-29 | 北京政信1890智能科技有限公司 | 智能客服知识库模型训练方法、装置及电子设备 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067858A (zh) * | 2006-09-28 | 2007-11-07 | 腾讯科技(深圳)有限公司 | 一种网络广告实现方法及装置 |
CN101373532A (zh) * | 2008-07-10 | 2009-02-25 | 昆明理工大学 | 旅游领域faq中文问答***实现方法 |
WO2009033339A1 (fr) * | 2007-09-14 | 2009-03-19 | Zte Corporation | Système de questions/réponses interactif en mode intelligent et procédé de traitement |
US20130085745A1 (en) * | 2011-10-04 | 2013-04-04 | Salesforce.Com, Inc. | Semantic-based approach for identifying topics in a corpus of text-based items |
CN104516986A (zh) * | 2015-01-16 | 2015-04-15 | 青岛理工大学 | 一种语句识别方法及装置 |
CN105956047A (zh) * | 2016-04-26 | 2016-09-21 | 北京橙鑫数据科技有限公司 | 搜索方法和装置 |
CN106844686A (zh) * | 2017-01-26 | 2017-06-13 | 武汉奇米网络科技有限公司 | 基于solr的智能客服问答机器人及其实现方法 |
CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
CN107480123A (zh) * | 2017-06-28 | 2017-12-15 | 武汉斗鱼网络科技有限公司 | 一种垃圾弹幕的识别方法、装置及计算机设备 |
WO2018014759A1 (zh) * | 2016-07-18 | 2018-01-25 | 阿里巴巴集团控股有限公司 | 一种聚类数据表的展现方法、装置和*** |
CN108229919A (zh) * | 2018-01-17 | 2018-06-29 | 四川同兴达建设咨询有限公司 | 一种工程项目造价管理*** |
CN108763355A (zh) * | 2018-05-16 | 2018-11-06 | 深圳市三宝创新智能有限公司 | 一种基于用户的智能机器人交互数据处理***及方法 |
CN108763356A (zh) * | 2018-05-16 | 2018-11-06 | 深圳市三宝创新智能有限公司 | 一种基于相似句搜索的智能机器人闲聊***及方法 |
CN108920599A (zh) * | 2018-06-27 | 2018-11-30 | 北京计算机技术及应用研究所 | 一种基于知识本体库的问答***答案精准定位和抽取方法 |
CN109977204A (zh) * | 2019-03-08 | 2019-07-05 | 科讯嘉联信息技术有限公司 | 一种基于知识库的智能问答***和方法 |
CN111159363A (zh) * | 2018-11-06 | 2020-05-15 | 航天信息股份有限公司 | 一种基于知识库的问题答案确定方法及装置 |
CN111400340A (zh) * | 2020-03-12 | 2020-07-10 | 杭州城市大数据运营有限公司 | 一种自然语言处理方法、装置、计算机设备和存储介质 |
CN111784408A (zh) * | 2020-07-13 | 2020-10-16 | 深圳市诚识科技有限公司 | 一种基于互联网大数据的服务推广方法和服务推广*** |
-
2020
- 2020-12-18 CN CN202011504237.5A patent/CN112527965A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067858A (zh) * | 2006-09-28 | 2007-11-07 | 腾讯科技(深圳)有限公司 | 一种网络广告实现方法及装置 |
WO2009033339A1 (fr) * | 2007-09-14 | 2009-03-19 | Zte Corporation | Système de questions/réponses interactif en mode intelligent et procédé de traitement |
CN101373532A (zh) * | 2008-07-10 | 2009-02-25 | 昆明理工大学 | 旅游领域faq中文问答***实现方法 |
US20130085745A1 (en) * | 2011-10-04 | 2013-04-04 | Salesforce.Com, Inc. | Semantic-based approach for identifying topics in a corpus of text-based items |
CN104516986A (zh) * | 2015-01-16 | 2015-04-15 | 青岛理工大学 | 一种语句识别方法及装置 |
CN105956047A (zh) * | 2016-04-26 | 2016-09-21 | 北京橙鑫数据科技有限公司 | 搜索方法和装置 |
WO2018014759A1 (zh) * | 2016-07-18 | 2018-01-25 | 阿里巴巴集团控股有限公司 | 一种聚类数据表的展现方法、装置和*** |
CN106844686A (zh) * | 2017-01-26 | 2017-06-13 | 武汉奇米网络科技有限公司 | 基于solr的智能客服问答机器人及其实现方法 |
CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
CN107480123A (zh) * | 2017-06-28 | 2017-12-15 | 武汉斗鱼网络科技有限公司 | 一种垃圾弹幕的识别方法、装置及计算机设备 |
CN108229919A (zh) * | 2018-01-17 | 2018-06-29 | 四川同兴达建设咨询有限公司 | 一种工程项目造价管理*** |
CN108763355A (zh) * | 2018-05-16 | 2018-11-06 | 深圳市三宝创新智能有限公司 | 一种基于用户的智能机器人交互数据处理***及方法 |
CN108763356A (zh) * | 2018-05-16 | 2018-11-06 | 深圳市三宝创新智能有限公司 | 一种基于相似句搜索的智能机器人闲聊***及方法 |
CN108920599A (zh) * | 2018-06-27 | 2018-11-30 | 北京计算机技术及应用研究所 | 一种基于知识本体库的问答***答案精准定位和抽取方法 |
CN111159363A (zh) * | 2018-11-06 | 2020-05-15 | 航天信息股份有限公司 | 一种基于知识库的问题答案确定方法及装置 |
CN109977204A (zh) * | 2019-03-08 | 2019-07-05 | 科讯嘉联信息技术有限公司 | 一种基于知识库的智能问答***和方法 |
CN111400340A (zh) * | 2020-03-12 | 2020-07-10 | 杭州城市大数据运营有限公司 | 一种自然语言处理方法、装置、计算机设备和存储介质 |
CN111784408A (zh) * | 2020-07-13 | 2020-10-16 | 深圳市诚识科技有限公司 | 一种基于互联网大数据的服务推广方法和服务推广*** |
Non-Patent Citations (1)
Title |
---|
杨秀璋,颜娜, 北京航空航天大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139041A (zh) * | 2021-04-20 | 2021-07-20 | 山东新一代信息产业技术研究院有限公司 | 一种模块化的智能问答方法及*** |
CN113553405A (zh) * | 2021-06-11 | 2021-10-26 | 中国农业银行股份有限公司浙江省分行 | 基于中文bert模型智能机器人的实现方法和*** |
CN113360626A (zh) * | 2021-07-02 | 2021-09-07 | 北京容联七陌科技有限公司 | 一种智能客服机器人的多场景混合问答推荐方法 |
CN113569028A (zh) * | 2021-07-27 | 2021-10-29 | 北京政信1890智能科技有限公司 | 智能客服知识库模型训练方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112527965A (zh) | 基于专业库和闲聊库相结合的自动问答实现方法和装置 | |
CN108304437B (zh) | 一种自动问答方法、装置及存储介质 | |
CN110046240B (zh) | 结合关键词检索与孪生神经网络的目标领域问答推送方法 | |
CN108681574B (zh) | 一种基于文本摘要的非事实类问答答案选择方法及*** | |
CN108345585A (zh) | 一种基于深度学习的自动问答方法 | |
CN110096567A (zh) | 基于qa知识库推理的多轮对话回复选择方法、*** | |
Radev et al. | Ranking suspected answers to natural language questions using predictive annotation | |
CN108628935A (zh) | 一种基于端到端记忆网络的问答方法 | |
Sreelakshmi et al. | A question answering and quiz generation chatbot for education | |
Ngai et al. | Transformer-based models for question answering on covid19 | |
Maxwell | Modelling search and stopping in interactive information retrieval | |
CN112948558B (zh) | 面向开放域对话***的上下文增强的问题生成方法及装置 | |
CN109977382B (zh) | 诗句生成模型的训练方法、自动写诗方法及装置 | |
Hung et al. | Applying word sense disambiguation to question answering system for e-learning | |
CN115809316A (zh) | 公文辅助写作方法及*** | |
CN111104437A (zh) | 基于对象模型的试验数据统一检索方法和*** | |
CN113868387A (zh) | 一种基于改进tf-idf加权的word2vec医疗相似问题检索方法 | |
Dittakan et al. | Image caption generation using transformer learning methods: a case study on instagram image | |
Chakravarthy | Toward semantic retrieval of pictures and video | |
Malik et al. | Domain knowledge enriched framework for restricted domain question answering system | |
Li et al. | TMT: A transformer-based modal translator for improving multimodal sequence representations in audio visual scene-aware dialog | |
Pandey et al. | Exploring Automated Q&A Support System for Maternal and Child Health in Rural India | |
Kamineni et al. | Siamese LSTM with convolutional similarity for similar question retrieval | |
Al-Theiabat et al. | The inception team at nsurl-2019 task 8: Semantic question similarity in arabic | |
Wang et al. | CMU OAQA at TREC 2015 LiveQA: Discovering the right answer with clues |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |