CN112883151A - 一种智能问答实现方法及一种智能问答*** - Google Patents
一种智能问答实现方法及一种智能问答*** Download PDFInfo
- Publication number
- CN112883151A CN112883151A CN202110094965.1A CN202110094965A CN112883151A CN 112883151 A CN112883151 A CN 112883151A CN 202110094965 A CN202110094965 A CN 202110094965A CN 112883151 A CN112883151 A CN 112883151A
- Authority
- CN
- China
- Prior art keywords
- voice
- answering
- question
- cloud
- intelligent question
- 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 49
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 21
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims description 33
- 238000000605 extraction Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G06F16/3331—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
- G06F16/33—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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种智能问答实现方法及一种智能问答***,属于智能问答技术领域,该智能问答实现方法采用检索式智能问答与基于知识图谱的智能问答相结合,基于云边端协同实现,云上部署有知识图谱,NLP相关模型和Elasticsearch;边上部署有语音识别模型和语音合成模型;终端设备上部署有语音采集装置及语音播放装置。本发明可以实现在高精度的情况下,提高问答***的实时性,提升用户体验。
Description
技术领域
本发明涉及智能问答技术领域,具体地说是一种智能问答实现方法及一种智能问答***。
背景技术
随着工业互联网和人工智能的快速发展,云边协同成为非常火热的技术,人工智能和云计算结合已经成为主流方向。现在很多智能产品已经成为生活、工作必备。智能机器人的应用中其关键的核心技术与智能问答有很大的关系,提高智能问答的精度以及实时性能够很大程度的提升用户体验。
发明内容
本发明的技术任务是针对以上不足之处,提供一种智能问答实现方法及一种智能问答***,可以在高精度的情况下,提高问答***的实时性,提升用户体验。
本发明解决其技术问题所采用的技术方案是:
一种智能问答实现方法,采用检索式智能问答与基于知识图谱的智能问答相结合,基于云边端协同实现,云上部署有知识图谱,NLP相关模型和Elasticsearch;边上部署有语音识别模型和语音合成模型;终端设备上部署有语音采集装置及语音播放装置。
该智能问答实现方法充分利用云计算强大的计算能力,支持许多复杂的深度学习算法同时进行推理,使得模型可以在高精准确率的情况下进行更加实时的响应。
将语音识别和语音合成放到了边端,这个可以更加方便的响应用户的请求。对于后端的知识图谱,由于知识图谱是分不同领域,例如医疗、企业、财经、家庭等不同领域,数据量很大,因此把知识图谱放到了云端。对于NLP,这是一个综合的技术,涉及到分词、意图识别、关系抽取、实体识别、事件抽取等技术,这些技术目前采用很多深度学习方法进行识别。云端的ElasticSearch,是目前最常用的分布式搜索技术,可以更快搜索到用户想要的内容。
进一步的,该方法的具体实现过程如下:
1)、通过构建不同领域的知识图谱,根据已有数据,搭建不同领域的知识库;
2)、把离线训练好的模型分别部署到云和边上;
3)、用户通过语音采集装置进行声音采集,然后将采集到的数据通过边上的语音识别模型进行语音转化为文字,并将其上传到云上;
4)、云上的NLP相关模型识别和抽取问题中的信息,组成知识图谱中的三元组信息,并查询相应的答案;利用Elasticsearch技术搜索相似度比较高的答案;把两者的答案进行对齐和相关性排序,从而找出最优的答案;
5)、把最优答案传送到边上,利用语音合成技术回答用户的问题。
优选的,所述数据采集的获取方式包括利用爬虫技术获取以及从领域中相关合作的企业或单位中获取;对elasticsearch中的数据采取实时的进行爬虫获取。
优选的,所有模型的部署都采用容器的方式,采用portainer随时对容器进行下发,从而边上模型可以进行随时更新。
优选的,语音转化的文字信息利用MQTT协议传到云上;
所述最优答案通过MQTT协议传送到边上。
优选的,NLP相关模型首先利用分词技术例如hannlp对问题进行分词,把分词好的句子利用实体识别识别出相关信息,利用关系抽取技术抽取问答中的关系,利用事件抽取技术抽取出问答中的相关信息。
本发明还要求保护一种智能问答***,该***云端部署有知识图谱,NLP相关模型和Elasticsearch;边端部署有语音识别模型和语音合成模型;终端设备部署有语音采集装置及语音播放装置。
该***将语音识别和语音合成放到边端,可以更加方便的响应用户的请求;对于后端的知识图谱,由于知识图谱是分不同领域,例如医疗、企业、财经、家庭等不同领域,数据量很大,因此把知识图谱放到了云端;对于NLP,这是一个综合的技术,涉及到分词、意图识别、关系抽取、实体识别、事件抽取等技术,这些技术目前采用很多深度学习方法进行识别;云端的ElasticSearch,是目前最常用的分布式搜索技术,可以更快搜索到用户想要的内容。
进一步的,该***的实现过程如下:
1)、通过构建不同领域的知识图谱,根据已有数据,搭建不同领域的知识库;数据的采集,一部分利用爬虫技术、一部分从相关合作的企业和单位中获取;对于elasticsearch中的数据,我们大部分都是通过爬虫获取,elasticsearch中的数据,我们实时的进行爬取。
2)、把离线训练好的模型分别部署到云和边上,例如NLP相关模型就是存储在云上,语音识别和语音合成模型存储在边上,所有模型的部署都是采用容器的方式,因此采用portainer随时对容器进行下发,从而边上模型可以进行随时更新;
3)、用户通过语音采集装置进行声音采集,然后将采集到的数据通过边上的语音识别模型进行语音转化为文字,并将文字信息利用MQTT协议上传到云上;
4)、云上的NLP相关模型识别和抽取问题中的信息,首先利用分词技术例如hannlp对问题进行分词,把分好词的句子利用实体识别,识别出相关信息。利用关系抽取技术抽取问答中的关系,利用事件抽取技术抽取出问答中的相关信息。然后把相关信息组成知识图谱中的三元组信息,并查询相应的答案;利用Elasticsearch搜索相似度比较高的答案;把两者的答案进行对齐和相关性排序,从而找出最优的答案;
5)、把最优答案通过MQTT协议传送到边上,利用语音合成技术回答用户的问题。
本发明还要求保护一种智能问答实现装置,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行上述的智能问答实现方法。
本发明还要求保护计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行上述的智能问答实现方法。
本发明的一种智能问答实现方法及一种智能问答***与现有技术相比,具有以下有益效果:
本智能问答实现方法及智能问答***主要是解决问答型任务,利用语音识别、语音合成、知识图谱、NLP相关技术进行搭建,模型把精确度高的复杂模型放到云端进行执行,很好的解决了在高精度的情况下,提高问答***的实时性的问题。
该方法或***实现了一个基于云边端框架的智能问答***,在不损失***的实时性的情况下,进一步提高了模型的精度。
附图说明
图1是本发明实施例提供的智能问答***架构图;
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本实施例中针对一种智能问答机器人,针对各种场景进行设计,例如基于家庭服务类型的机器人,帮助家庭主人进行室内各种设备进行管理,公司导游的机器人,可以帮助来访人员介绍公司相关情况等,除此之外还涉及了各种预警机器人,辅助人们更好的进行设备管理。这些机器人中的关键核心技术与智能问答有很大的关系,本实施方式主要介绍智能机器人中的智能问答***的实现。智能问答***采用的技术包括知识图谱、深度学习、NLP、语音识别、搜索引擎相关知识。
本发明实施例提供一种智能问答实现方法,采用检索式智能问答与基于知识图谱的智能问答相结合,基于云边端协同实现。云上部署有知识图谱,NLP相关模型和Elasticsearch;边上部署有语音识别模型和语音合成模型;终端设备上部署有麦克风和喇叭。
该方法的具体实现过程如下:
1)、通过构建不同领域的知识图谱,根据已有数据,例如医疗、企业,搭建不同领域的知识库;数据的采集一部分利用爬虫技术获取,一部分从相关合作的企业或医院中获取;对elasticsearch中的数据,大部分都是通过爬虫获取,采取实时的进行爬虫获取;
2)、把离线训练好的模型分别部署到云和边上,例如NLP相关模型就是存储在云上,语音识别和语音合成模型存储在边上,所有模型的部署都采用容器的方式,采用portainer随时对容器进行下发,从而边上模型可以进行随时更新;
3)、用户通过端上的麦克风进行声音采集,然后将采集到的数据通过边上的语音识别模型进行语音转化为文字,并将文字信息利用MQTT协议传到云上;
4)、云上的NLP相关模型,首先利用分词技术例如hannlp对问题进行分词,把分词好的句子利用实体识别,识别出人名、机构名、药物名等信息,利用关系抽取技术抽取问答中的关系,利用事件抽取技术抽取出问答中的时间、地点等信息;然后组成知识图谱中的三元组信息,并查询相应的答案;利用Elasticsearch技术搜索相似度比较高的答案;把两者的答案进行对齐和相关性排序,从而找出最优的答案;
5)、把最优答案通过MQTT协议传送到边上,利用语音合成技术回答用户的问题。
该实现方法将语音识别和语音合成放到了边端,这个可以更加方便的响应用户的请求。对于后端的知识图谱,由于知识图谱是分不同领域,例如医疗、企业、财经、家庭等不同领域,数据量很大,因此把知识图谱放到了云端。对于NLP,这是一个综合的技术,涉及到分词、意图识别、关系抽取、实体识别、事件抽取等技术,这些技术目前采用很多深度学习方法进行识别。云端的ElasticSearch,是目前最常用的分布式搜索技术,可以更快搜索到用户想要的内容。
该智能问答实现方法充分利用云计算强大的计算能力,支持许多复杂的深度学习算法同时进行推理,使得模型可以在高精准确率的情况下进行更加实时的响应。
本发明实施例还提供一种智能问答***,该***云端部署有知识图谱,NLP相关模型和Elasticsearch;边端部署有语音识别模型和语音合成模型;终端设备部署有语音采集装置及语音播放装置。
智能问答***主要分为任务型、闲聊型、问答型,考虑到我们当下的需求,这里所采用的问答***为问答型,也就是所谓的问一句答一句,多次问答之间不会存在依赖关系。该智能问答***用于赋能我们当下很多智能设备,例如机器人、智能网关、智能物联网设备等。该***采用检索式智能问答和基于知识图谱的智能问答***相结合。
该***将语音识别和语音合成放到边端,可以更加方便的响应用户的请求;对于后端的知识图谱,由于知识图谱是分不同领域,例如医疗、企业、财经、家庭等不同领域,数据量很大,因此把知识图谱放到了云端;对于NLP,这是一个综合的技术,涉及到分词、意图识别、关系抽取、实体识别、事件抽取等技术,这些技术目前采用很多深度学习方法进行识别;云端的ElasticSearch,是目前最常用的分布式搜索技术,可以更快搜索到用户想要的内容。
该***的实现过程如下:
1)、通过构建不同领域的知识图谱,根据已有数据,搭建不同领域的知识库;数据的采集,一部分利用爬虫技术、一部分从相关合作的企业和医院中获取;对于elasticsearch中的数据,我们大部分都是通过爬虫获取,elasticsearch中的数据,我们实时的进行爬取。
2)、把离线训练好的模型分别部署到云和边上,例如NLP相关模型就是存储在云上,语音识别和语音合成模型存储在边上,所有模型的部署都是采用容器的方式,因此采用portainer随时对容器进行下发,从而边上模型可以进行随时更新;
3)、用户通过语音采集装置进行声音采集,然后将采集到的数据通过边上的语音识别模型进行语音转化为文字,并将文字信息利用MQTT协议上传到云上;
4)、云上的NLP相关模型识别和抽取问题中的信息,首先利用分词技术例如hannlp对问题进行分词,把分好词的句子利用实体识别,识别出相关信息。利用关系抽取技术抽取问答中的关系,利用事件抽取技术抽取出问答中的相关信息。然后把相关信息组成知识图谱中的三元组信息,并查询相应的答案;利用Elasticsearch搜索相似度比较高的答案;把两者的答案进行对齐和相关性排序,从而找出最优的答案;
5)、把最优答案通过MQTT协议传送到边上,利用语音合成技术回答用户的问题。
该智能问答***充分利用云计算强大的计算能力,支持许多复杂的深度学习算法同时进行推理,使得模型可以在高精准确率的情况下进行更加实时的响应。
本发明实施例还提供一种智能问答实现装置,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行上述实施例中描述的智能问答实现方法。
本发明实施例还提供了一种计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行本发明上述实施例中所述的智能问答实现方法。具体地,可以提供配有存储介质的***或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该***或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作***等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到***计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
Claims (10)
1.一种智能问答实现方法,其特征在于采用检索式智能问答与基于知识图谱的智能问答相结合,基于云边端协同实现,云上部署有知识图谱,NLP相关模型和Elasticsearch;边上部署有语音识别模型和语音合成模型;终端设备上部署有语音采集装置及语音播放装置。
2.根据权利要求1所述的一种智能问答实现方法,其特征在于具体实现过程如下:
1)、通过构建不同领域的知识图谱,根据已有数据,搭建不同领域的知识库;
2)、把离线训练好的模型分别部署到云和边上;
3)、用户通过语音采集装置进行声音采集,然后将采集到的数据通过边上的语音识别模型进行语音转化为文字,并将其上传到云上;
4)、云上的NLP相关模型识别和抽取问题中的信息,组成知识图谱中的三元组信息,并查询相应的答案;利用Elasticsearch搜索相似度比较高的答案;把两者的答案进行对齐和相关性排序,从而找出最优的答案;
5)、把最优答案传送到边上,利用语音合成技术回答用户的问题。
3.根据权利要求2所述的一种智能问答实现方法,其特征在于所述数据采集的获取方式包括利用爬虫技术获取以及从领域中相关合作的企业或单位中获取;对elasticsearch中的数据采取实时的进行爬虫获取。
4.根据权利要求2所述的一种智能问答实现方法,其特征在于所有模型的部署都采用容器的方式,采用portainer随时对容器进行下发。
5.根据权利要求2所述的一种智能问答实现方法,其特征在于文字信息通过MQTT协议传到云上;所述最优答案通过MQTT协议传送到边上。
6.根据权利要求2所述的一种智能问答实现方法,其特征在于NLP相关模型首先利用分词技术对问题进行分词,把分词好的句子利用实体识别识别出相关信息,利用关系抽取技术抽取问答中的关系,利用事件抽取技术抽取出问答中的相关信息。
7.一种智能问答***,其特征在于云端部署有知识图谱,NLP相关模型和Elasticsearch;边端部署有语音识别模型和语音合成模型;终端设备部署有语音采集装置及语音播放装置。
8.根据权利要求7所述的一种智能问答***,其特征在于该***的实现过程如下:
1)、通过构建不同领域的知识图谱,根据已有数据,搭建不同领域的知识库;
2)、把离线训练好的模型分别部署到云和边上;
3)、用户通过语音采集装置进行声音采集,然后将采集到的数据通过边上的语音识别模型进行语音转化为文字,并将其上传到云上;
4)、云上的NLP相关模型识别和抽取问题中的信息,组成知识图谱中的三元组信息,并查询相应的答案;利用Elasticsearch搜索相似度比较高的答案;把两者的答案进行对齐和相关性排序,从而找出最优的答案;
5)、把最优答案传送到边上,利用语音合成技术回答用户的问题。
9.一种智能问答实现装置,其特征在于,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行权利要求1至6任一所述的方法。
10.计算机可读介质,其特征在于,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行权利要求1至6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110094965.1A CN112883151A (zh) | 2021-01-25 | 2021-01-25 | 一种智能问答实现方法及一种智能问答*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110094965.1A CN112883151A (zh) | 2021-01-25 | 2021-01-25 | 一种智能问答实现方法及一种智能问答*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112883151A true CN112883151A (zh) | 2021-06-01 |
Family
ID=76050815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110094965.1A Pending CN112883151A (zh) | 2021-01-25 | 2021-01-25 | 一种智能问答实现方法及一种智能问答*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883151A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169508A (zh) * | 2011-05-27 | 2011-08-31 | 上海市城市建设设计研究院 | 基于云计算的交通信息查询方法及其*** |
CN107341215A (zh) * | 2017-06-07 | 2017-11-10 | 北京航空航天大学 | 一种基于分布式计算平台的多源垂直知识图谱分类集成查询方法 |
CN109710621A (zh) * | 2019-01-16 | 2019-05-03 | 福州大学 | 结合语义类节点与边权重的关键词搜索ksanew算法 |
CN110147436A (zh) * | 2019-03-18 | 2019-08-20 | 清华大学 | 一种基于教育知识图谱与文本的混合自动问答方法 |
CN110457442A (zh) * | 2019-08-09 | 2019-11-15 | 国家电网有限公司 | 面向智能电网客服问答的知识图谱构建方法 |
CN111126073A (zh) * | 2019-12-23 | 2020-05-08 | 中国建设银行股份有限公司 | 语义检索方法和装置 |
CN111695763A (zh) * | 2020-04-29 | 2020-09-22 | 同济大学 | 一种基于语音问答的排产排程***及方法 |
-
2021
- 2021-01-25 CN CN202110094965.1A patent/CN112883151A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169508A (zh) * | 2011-05-27 | 2011-08-31 | 上海市城市建设设计研究院 | 基于云计算的交通信息查询方法及其*** |
CN107341215A (zh) * | 2017-06-07 | 2017-11-10 | 北京航空航天大学 | 一种基于分布式计算平台的多源垂直知识图谱分类集成查询方法 |
CN109710621A (zh) * | 2019-01-16 | 2019-05-03 | 福州大学 | 结合语义类节点与边权重的关键词搜索ksanew算法 |
CN110147436A (zh) * | 2019-03-18 | 2019-08-20 | 清华大学 | 一种基于教育知识图谱与文本的混合自动问答方法 |
CN110457442A (zh) * | 2019-08-09 | 2019-11-15 | 国家电网有限公司 | 面向智能电网客服问答的知识图谱构建方法 |
CN111126073A (zh) * | 2019-12-23 | 2020-05-08 | 中国建设银行股份有限公司 | 语义检索方法和装置 |
CN111695763A (zh) * | 2020-04-29 | 2020-09-22 | 同济大学 | 一种基于语音问答的排产排程***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110795543B (zh) | 基于深度学习的非结构化数据抽取方法、装置及存储介质 | |
CN102262634B (zh) | 一种自动问答方法及*** | |
CN108509591B (zh) | 信息问答交互方法及***、存储介质、终端、智能知识库 | |
CN109325040B (zh) | 一种faq问答库泛化方法、装置及设备 | |
CN104850539A (zh) | 一种自然语言理解方法及基于该方法的旅游问答*** | |
CN116166782A (zh) | 一种基于深度学习的智能问答方法 | |
CN108491421A (zh) | 一种生成问答的方法、装置、设备和计算存储介质 | |
CN112685550B (zh) | 智能问答方法、装置、服务器及计算机可读存储介质 | |
CN116737908A (zh) | 知识问答方法、装置、设备和存储介质 | |
CN111078837A (zh) | 智能问答信息处理方法、电子设备及计算机可读存储介质 | |
CN111553138B (zh) | 用于规范内容结构文档的辅助写作方法及装置 | |
CN111178081A (zh) | 语义识别的方法、服务器、电子设备及计算机存储介质 | |
CN113723853A (zh) | 岗位胜任力需求数据处理方法及装置 | |
CN116010569A (zh) | 在线答疑方法、***、电子设备及存储介质 | |
CN110321414B (zh) | 一种基于深度学习的人工智能咨询服务方法及*** | |
CN110795544A (zh) | 内容搜索方法、装置、设备和存储介质 | |
CN111931503B (zh) | 信息抽取方法及装置、设备、计算机可读存储介质 | |
CN112883151A (zh) | 一种智能问答实现方法及一种智能问答*** | |
CN116842143A (zh) | 基于人工智能的对话模拟方法、装置、电子设备及介质 | |
CN116306653A (zh) | 一种正则化领域知识辅助的命名实体识别方法 | |
CN116362331A (zh) | 一种基于人机协同构建知识图谱的知识点填充方法 | |
CN115795018A (zh) | 一种面向电网领域的多策略智能搜索问答方法及*** | |
CN113254668B (zh) | 一种基于场景纬度的知识图谱构建方法及*** | |
CN116401341A (zh) | 面向理解的互动答疑*** | |
CN113204623A (zh) | 问答方法及装置 |
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: 20210601 |