CN113886545A - 知识问答方法、装置、计算机可读介质及电子设备 - Google Patents
知识问答方法、装置、计算机可读介质及电子设备 Download PDFInfo
- Publication number
- CN113886545A CN113886545A CN202111155108.4A CN202111155108A CN113886545A CN 113886545 A CN113886545 A CN 113886545A CN 202111155108 A CN202111155108 A CN 202111155108A CN 113886545 A CN113886545 A CN 113886545A
- Authority
- CN
- China
- Prior art keywords
- question
- knowledge
- target
- keywords
- 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 58
- 238000000605 extraction Methods 0.000 claims abstract description 35
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 230000003993 interaction Effects 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请属于人工智能技术领域,具体涉及一种知识问答方法、装置、计算机可读介质及电子设备。该方法包括:获取用户输入信息,并对用户输入信息进行特征提取,得到用户输入信息对应的意图特征;将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字;将与目标问答关键字具有映射关系的目标知识条目,推送给用户输入信息对应的用户。本申请实施例使得用户能够精准地获取到与用户输入信息的意图特征相贴合的目标知识条目,能够提高知识的获取效率。
Description
技术领域
本申请属于人工智能技术领域,具体涉及一种知识问答方法、装置、计算机可读介质及电子设备。
背景技术
随着文明时代发展,互联网以及各处的数据库累积了海量的知识资源,并且多以文本问答对、文本数据等方式呈现。然而传统的搜索引擎网页搜索结果较多,而且可能有许多重复和无关的内容。尤其对于清收领域的相关问题,用户使用搜索引擎难以区分可靠和不可靠的答案。当用户需要就一具体知识查询时,往往需要在多个平台上反复进行相同的查询操作以确认答案,知识的获取效率低,不利于用户充分利用知识资源。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种知识问答方法、装置、计算机可读介质及电子设备,至少在一定程度上克服相关技术中如何提高用户对知识的获取效率的技术问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供一种知识问答方法,所述知识问答方法包括:
获取用户输入信息,并对所述用户输入信息进行特征提取,得到所述用户输入信息对应的意图特征;
将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字;
将与所述目标问答关键字具有映射关系的目标知识条目,推送给所述用户输入信息对应的用户。
根据本申请实施例的一个方面,提供一种知识问答装置,所述知识问答装置包括:
意图特征获取模块,被配置为获取用户输入信息,并对所述用户输入信息进行特征提取,得到所述用户输入信息对应的意图特征;
目标问答关键字获取模块,被配置为将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字;
目标知识条目推送模块,被配置为将与所述目标问答关键字具有映射关系的目标知识条目,推送给所述用户输入信息对应的用户。
根据本申请实施例的一个方面,提供一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如以上技术方案中的知识问答方法。
根据本申请实施例的一个方面,提供一种电子设备,该电子设备包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器被配置为经由执行可执行指令来执行如以上技术方案中的知识问答方法。
根据本申请实施例的一个方面,提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如以上技术方案中的知识问答方法。
在本申请实施例提供的技术方案中,获取用户输入信息,并对所述用户输入信息进行特征提取,得到所述用户输入信息对应的意图特征;将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字;将与所述目标问答关键字具有映射关系的目标知识条目,推送给所述用户输入信息对应的用户;从而,使得用户能够精准地获取到与用户输入信息的意图特征相贴合的目标知识条目,能够提高知识的获取效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1示意性地示出了本申请某些实施例的一种知识问答方法的***架构示意图。
图2示意性地示出了本申请某些实施方式的知识问答方法的步骤流程图。
图3示意性地示出了本申请某实施例通过用户交互界面获取用户输入信息的步骤流程图。
图4示意性地示出了本申请某实施例中确定知识图谱的目标节点的步骤流程图。
图5示意性地示出了本申请某实施例中确定知识图谱的目标节点的步骤流程图。
图6示意性地示出了本申请某实施例中对用户输入信息进行特征提取,得到用户输入信息对应的意图特征的步骤流程图。
图7示意性地示出了本申请某实施例中对用户输入信息进行特征提取,得到用户输入信息对应的意图特征的步骤流程图。
图8示意性地示出了本申请某实施例将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字的步骤流程图。
图9示意性地示出了本申请某实施例将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字的步骤流程图。
图10示意性地示出了本申请某实施例将与目标问答关键字具有映射关系的目标知识条目,推送给用户输入信息对应的用户的步骤流程图。
图11示意性地示出了本申请某实施例在通过用户交互界面获取用户输入信息之前的步骤流程图。
图12示意性地示出了本申请某实施例对问答知识库中的目标知识条目的内容文本进行关键字提取,得到问答关键字的步骤流程图。
图13示意性地示出了本申请某实施例在获取问答知识库中的目标知识条目之前的步骤流程图。
图14示意性地示出了本申请某实施例将目标知识条目和目标知识条目在各个预设分类层级上的分类标签作为图谱节点,构建成的知识图谱的具体示例图。
图15示意性地示出了本申请实施例提供的知识问答装置的结构框图。
图16示意性地示出了本申请实施例提供的电子设备的结构示意图。
图17示意性地示出了本申请实施例提供的程序产品的组成示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示意性地示出了本申请某些实施例的一种知识问答方法的***架构示意图。如图1所示,该***架构包括个人计算机110、服务器120和数据库130,个人计算机110和服务器120之间、服务器120和数据库130之间均通过通信链路相连,可以用于发送或接收数据。服务器120为本实施例中的实施终端,其上可以部署有用于实现知识问答方法的处理器,数据库130中可以存储有问答知识库和存储有问答关键字对应的特征向量的特征库等。当本公开提供的一种知识问答方法应用于图1所示的***架构中时,一个过程可以是这样的:首先,服务器120通过个人计算机110上的用户交互界面获取用户输入信息,并对用户输入信息进行特征提取,得到用户输入信息对应的意图特征。然后,服务器120将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字。接着,服务器120通过查询数据库130中存储的目标知识条目与目标问答关键字之间的映射关系和目标知识条目,将与目标问答关键字具有映射关系的目标知识条目,推送至个人计算机110上的用户交互界面中。
基于本申请实施方式的知识问答方法,能够通过用户交互界面获取用户输入信息,并对用户输入信息进行特征提取,得到用户输入信息对应的意图特征;将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字;再将与目标问答关键字具有映射关系的目标知识条目,推送至用户交互界面中;从而,使得用户能够精准地获取到与用户输入信息的意图特征相贴合的目标知识条目,能够提高用户对知识的获取效率。
值得一提的是,图1仅为本公开的一个实施例。虽然在本实施例中的实施终端为服务器并且用户输入信息的来源终端为个人计算机,但在其他实施例中,实施终端和用户输入信息的来源终端可以为如前的各种终端或设备。本公开对此不作任何限定,本公开的保护范围也不应因此而受到任何限制。
服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
下面结合具体实施方式对本申请提供的知识问答方法做出详细说明。
图2示意性地示出了本申请某些实施方式的知识问答方法的步骤流程图。该知识问答方法的执行主体可以是终端设备,也可以是服务器等,本申请对此不设限。如图2所示,该知识问答方法主要可以包括如下步骤S210~步骤S230。
S210.获取用户输入信息,并对用户输入信息进行特征提取,得到用户输入信息对应的意图特征。
具体地,可以通过用户交互界面的输入框获取用户输入信息,通过用户交互界面的知识图谱获取用户输入信息,或者通过用户交互界面的语音输入、视频输入等方式,获取用户输入信息。用户输入信息可以为文本数据、语音数据、视频数据、或知识图谱节点数据等。意图特征包括意图特征向量或意图特征关键字。根据用户输入信息可以提取出意图特征向量或意图特征关键字等。
图3示意性地示出了本申请某实施例通过用户交互界面获取用户输入信息的步骤流程图。如图3所示,在以上实施例的基础上,步骤S210中的获取用户输入信息,可以进一步包括以下步骤S310~步骤S330。
S310.确定知识图谱的目标节点;
S320.将知识图谱的目标节点及目标节点对应的分支选择推送到用户交互界面;
S330.将用户对分支选择的选择结果作为用户输入信息。
具体地,知识图谱的目标节点为知识图谱中的一个节点。在一些实施方式中,知识图谱的目标节点为知识图谱中央的原点。
图4示意性地示出了本申请某实施例中确定知识图谱的目标节点的步骤流程图。如图4所示,在以上实施例的基础上,步骤S310的确定知识图谱的目标节点,可以进一步包括以下步骤S410~步骤S440。
S410.通过用户输入的文本或录入的音频,获取初步输入文本,初步输入文本用于初步确定用户感兴趣的知识范围;
S420.对初步输入文本进行分词处理,得到多个初步输入词汇;
S430.将去除了符合预设规则的词汇后的初步输入词汇,作为初步关键字;
S440.根据初步关键字确定知识图谱的目标节点。
具体地,可以将用户交互界面的对话框中用户填写的文本作为初步输入文本,也可以提取用户交互界面的对话框中用户录入的音频,得到初步输入文本。
预设规则可以为:词汇在预设的无意义词汇库中。符合预设规则的词汇可以为“地”“的”“把”“被”等无实际意义的词汇。
知识图谱的各个节点可以均预关联有一个或多个节点关键字。根据初步关键字确定知识图谱的目标节点,可以是将初步关键字与知识图谱的各个节点的节点关键字作匹配,得到与初步关键字匹配度最高的节点关键字对应的节点,并将该节点作为知识图谱的目标节点。
将初步关键字与知识图谱的节点作匹配,具体地,可以是计算知识图谱的各个节点的节点关键字与初步关键字的语义相似度,然后将与初步关键字的语义相似度最高的节点关键字对应的节点,作为知识图谱的目标节点。
图5示意性地示出了本申请某实施例中确定知识图谱的目标节点的步骤流程图。如图5所示,在以上实施例的基础上,步骤S310的确定知识图谱的目标节点,可以进一步包括以下步骤S510~步骤S540。
S510.获取用户画像,并根据用户画像将用户画像的关联关键字推送到用户交互界面上,关联关键字为被用户画像所对应的用户群体选择的次数占用户画像所对应的用户群体作出关键字选择的总次数的比值,达到预设阈值的关键字;
S520.通过用户交互界面获取用户对关联关键字的选择;
S530.计算用户选择的关联关键字与知识图谱的各个节点的节点关键字的语义相似度;
S540.将与用户选择的关联关键字的语义相似度最高的节点关键字对应的节点,作为知识图谱的目标节点。
具体地,用户画像可以包括一个或多个用户画像词汇。将去除了符合预设规则的词汇后的用户画像词汇,作为与用户画像对应的关联关键字。关联关键字为被用户画像选择的概率值达到预设阈值的关键字。例如,某个用户群体的用户画像为“银行从业人员”,该用户群体在知识问答***中作出关键字选择的历史数据中,选择关键字“银行规定”的占比达到预设阈值20%,则将“银行规定”作为该用户群体的用户画像的关联关键字。
根据用户对关联关键字的选择确定知识图谱的目标节点,可以是计算用户选择的关联关键字与知识图谱的各个节点的节点关键字的语义相似度,然后将与用户选择的关联关键字的语义相似度最高的节点关键字对应的节点,作为知识图谱的目标节点。
图6示意性地示出了本申请某实施例中对用户输入信息进行特征提取,得到用户输入信息对应的意图特征的步骤流程图。如图6所示,在以上实施例的基础上,意图特征包括意图特征关键字,步骤S210中的对用户输入信息进行特征提取,得到用户输入信息对应的意图特征,可以进一步包括以下步骤S610~步骤S640。
S610.将用户输入信息转换为用户文本数据;
S620.对用户文本数据进行语义分析,以将用户文本数据进行分类后推送至对应类别的特征提取模块中;
S630.通过对应类别的特征提取模块对用户文本数据进行分词处理,得到多个用户文本词汇;
S640.将去除了符合预设规则的词汇后的用户文本词汇,作为意图特征关键字。
提取用户输入信息中的文本信息,将用户输入信息转换为用户文本数据。然后,对用户文本数据进行语义分析。具体地,语义分析可以为,提取用户文本数据中的关键字,根据用户文本数据中的关键字获取与用户文本数据对应的特征提取模块。问答机器人可以包括KG-bot(智能问答机器人)、FAQ-bot(常见问题解答机器人)、TASK-bot(任务机器人)和CHAT-bot(聊天机器人)等,不同的问答机器人可以具有不同的特征提取模块。各个问答机器人可以具有相适应的特征提取模块。不同的特征提取模块在进行分词处理时,采用的词表可以不相同。各个特征提取模块可以由所关联的问答知识库中的内容文本数据训练而成。
并且,不同的特征提取模块可以关联有不同的问答知识库。各个问答知识库中具有对应领域的知识的知识条目。问答知识库中,除了目标知识条目,也可以存储有用于解释生活知识的生活知识条目,或者,可以存储有聊天场景对话,以便及时响应用户随机的聊天,有利于提升用户的聊天体验。由此,针对用户不同目的的用户输入信息,能够灵活地采取不同的问答机器人应对,从而能够提高问答机器人针对用户输入信息响应的响应速度,并且能够提高问答机器人的响应准确度。
图7示意性地示出了本申请某实施例中对用户输入信息进行特征提取,得到用户输入信息对应的意图特征的步骤流程图。如图7所示,在以上实施例的基础上,意图特征包括意图特征关键字,步骤S210中的对用户输入信息进行特征提取,得到用户输入信息对应的意图特征,可以进一步包括以下步骤S710~步骤S730。
S710.将用户输入信息转换为用户文本数据;
S720.对用户文本数据进行语义分析,以将用户文本数据进行分类后推送至对应类别的特征提取模块中;
S730.将用户文本数据输入到特征提取模块的卷积神经网络模型中,对用户文本数据进行特征提取,得到用户文本数据映射的意图特征向量。
步骤S610和步骤S710类似,步骤S620和步骤S720类似,在此不再对步骤S710和步骤S720重复说明。在将用户文本数据进行分类后推送至对应类别的特征提取模块中后,可以将用户文本数据输入到特征提取模块的卷积神经网络模型中,对用户文本数据进行特征提取,得到用户文本数据映射的意图特征向量。具体地,卷积神经网络模型可以是预训练好的神经网络模型,包括卷积层、池化层、全连接层等,用于提取文本数据的向量特征。
S220.将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字。
图8示意性地示出了本申请某实施例将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字的步骤流程图。如图8所示,在以上实施例的基础上,意图特征包括意图特征关键字,步骤S220中的将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字,可以进一步包括以下步骤S810~步骤S820。
S810.计算意图特征关键字与问答关键字的语义相似度;
S820.根据意图特征关键字,在多个问答关键字中搜索与意图特征关键字的语义相似度大于第一预设值的问答关键字,并将与意图特征关键字的语义相似度大于第一预设值的一个或多个问答关键字作为目标问答关键字。
由此,能够根据意图特征关键字,在多个问答关键字中搜索得到与意图特征关键字的语义相似度大于第一预设值的目标问答关键字,从而后续能够根据目标问答关键字快捷地对问答知识库的目标知识条目进行查询,能够提高目标知识条目的查询效率。
图9示意性地示出了本申请某实施例将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字的步骤流程图。如图9所示,在以上实施例的基础上,步骤S220中的将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字,可以进一步包括以下步骤S910~步骤S920。
S910.获取存储有问答关键字对应的特征向量的特征库;
S920.根据意图特征向量,在特征库中搜索与意图特征向量相似度高于第二预设值的一个或多个特征向量,得到与一个或多个特征向量所分别对应的目标问答关键字。
由此,能够根据意图特征向量,在特征库中搜索得到与意图特征向量相似度高于第二预设值的一个或多个特征向量,进而得到与一个或多个特征向量所分别对应的目标问答关键字。从而,后续能够根据目标问答关键字快捷地对问答知识库的目标知识条目进行查询,能够提高目标知识条目的查询效率。
S230.将与目标问答关键字具有映射关系的目标知识条目,推送给用户输入信息对应的用户。
具体地,可以是根据目标问答关键字快捷地对问答知识库中的目标知识条目进行查询,将与目标问答关键字具有映射关系的目标知识条目,推送至给用户输入信息对应的用户,以使得用户能够精准地获取到与用户输入信息的意图特征相贴合的目标知识条目,能够提高用户对知识的获取效率。
目前,清收人员或清收相关客户大都通过互联网查询、文件查阅、口口相传等方式获取清收知识,这使得对清收相关知识的查询难度大且体验差,查询耗时较高,不利于清收相关知识的普及。并且,各个知识渠道的清收知识互相独立隔离,不利于知识的查询获取的同时,知识碎片化严重。
当清收人员或清收相关客户需要就一具体知识查询时,往往需要在多个平台上反复进行相同的查询操作,清收知识的获取效率低。
在某些实施方式中,目标知识条目可以是清收知识条目。清收知识条目可以包括清收生活知识条目、清收行业通用知识条目、清收优秀案例知识条目、清收相关法律法规知识条目、清收相关企业内部规定知识条目中的一种或多种。当用户是清收人员时,本申请的知识问答方法能够根据清收人员的用户输入信息,向清收人员推荐清收案例、提供问答咨询服务,帮助清收人员快速、直观地获取清收相关知识信息,辅助清收人员的清收工作的进行,为清收人员的清收工作提供便利。
图10示意性地示出了本申请某实施例将与目标问答关键字具有映射关系的目标知识条目,推送给用户输入信息对应的用户的步骤流程图。如图10所示,在以上实施例的基础上,步骤S230中的将与目标问答关键字具有映射关系的目标知识条目,推送给用户输入信息对应的用户,可以进一步包括以下步骤S1010~步骤S1020。
S1010.当目标问答关键字仅包括一个问答关键字时,将与目标问答关键字具有映射关系的目标知识条目,推送给用户输入信息对应的用户;
S1020.当目标问答关键字包括多个问答关键字时,将与至少两个目标问答关键字均具有映射关系的目标知识条目,推送给用户输入信息对应的用户。
具体地,问答知识库中可以包括问答关键字、目标知识条目以及问答关键字与目标知识条目之间的映射关系。在实际案例中,一个问答关键字可以映射一个或多个目标知识条目。多个问答关键字共同出现时,该多个问答关键字可以映射一个或多个目标知识条目。可以将与至少两个目标问答关键字均具有映射关系的目标知识条目的摘要,推送至用户交互界面中。
图11示意性地示出了本申请某实施例在获取用户输入信息之前的步骤流程图。如图11所示,在以上实施例的基础上,目标知识条目为清收知识条目,问答知识库为存储着大量清收知识条目的清收知识库,在步骤S210的获取用户输入信息之前,可以进一步包括以下步骤S1110~步骤S1130。
S1110.获取问答知识库中的目标知识条目,目标知识条目包括清收生活知识条目、清收行业通用知识条目、清收优秀案例知识条目、清收相关法律法规知识条目、清收相关企业内部规定知识条目中的一种或多种;
S1120.对问答知识库中的目标知识条目的内容文本进行关键字提取,得到问答关键字;
S1130.将目标知识条目的内容文本中出现频率高于第一预设频率的词汇作为目标词汇,并对目标词汇和问答关键字进行匹配处理,得到目标词汇匹配的问答关键字与目标词汇对应的目标知识条目的映射关系。
在通过用户交互界面获取用户输入信息之前,可以先构建好问答知识库。具体地,先获取问答知识库中的目标知识条目。目标知识条目包括清收生活知识条目、清收行业通用知识条目、清收优秀案例知识条目、清收相关法律法规知识条目、清收相关企业内部规定知识条目中的一种或多种。问答知识库中的目标知识条目,可以预先根据清收相关网页知识、清收相关法律法规、清收相关企业内部规定、清收优秀案例、清收相关的任务式对话或者其他清收数据库编写。
或者,目标知识条目可以包括保险生活相关知识条目、保险行业通用知识条目、保险优秀案例知识条目、保险相关法律法规知识条目、保险相关企业内部规定知识条目中的一种或多种。问答知识库中的目标知识条目,可以预先根据保险相关网页知识、保险相关法律法规、保险相关企业内部规定、保险优秀案例、保险相关的任务式对话或者其他保险数据库编写。
然后,对问答知识库中的目标知识条目的内容文本进行关键字提取,得到问答关键字,并将目标知识条目的内容文本中出现频率高于第一预设频率的词汇作为目标词汇,对目标词汇和问答关键字进行匹配处理,得到目标词汇匹配的问答关键字与目标词汇对应的目标知识条目的映射关系。例如,目标知识条目1的目标词汇为“费率”,而问答知识库中具有问答关键字“利息”,但不具有问答关键字“费率”,则可将与目标词汇“费率”语义相似度较高的问答关键字“利息”作为与该目标知识条目1具有映射关系的问答关键字。
图12示意性地示出了本申请某实施例对问答知识库中的目标知识条目的内容文本进行关键字提取,得到问答关键字的步骤流程图。如图12所示,在以上实施例的基础上,步骤S1120中的对问答知识库中的目标知识条目的内容文本进行关键字提取,得到问答关键字,可以进一步包括以下步骤S1210~步骤S1240。
S1210.对问答知识库中的目标知识条目的内容文本进行分词处理,得到多个常用词汇;
S1220.去除常用词汇中的符合预设规则的词汇;
S1230.获取常用词汇在问答知识库中的逆向文件频率;
S1240.将逆向文件频率小于第二预设频率的常用词汇作为问答知识库中的问答关键字。
具体地,符合预设规则的词汇可以为“地”“的”“把”“被”等无实际意义的词汇。预设规则可以为:词汇在预设的无意义词汇库中。常用词汇在问答知识库中的逆向文件频率可以根据如下公式求得:
其中,η是常用词汇在问答知识库中的逆向文件频率,m是包括该常用词汇的目标知识条目的条数,Sum是问答知识库中目标知识条目的总条数。
图13示意性地示出了本申请某实施例在获取问答知识库中的目标知识条目之前的步骤流程图。如图13所示,在以上实施例的基础上,在步骤S1110的获取问答知识库中的目标知识条目之前,可以进一步包括以下步骤S1310~步骤S1330。
S1310.从原始知识数据中提取文段、图片、视频或音频,作为目标知识条目;
S1320.将目标知识条目在各个预设分类层级上标记对应的分类标签,以将目标知识条目分类成清收生活知识条目、清收行业通用知识条目、清收优秀案例知识条目、清收相关法律法规知识条目、清收相关企业内部规定知识条目、其他清收相关知识条目中的一种或多种。
S1330.将目标知识条目和目标知识条目在各个预设分类层级上的分类标签作为图谱节点,构建知识图谱。
原始知识数据可以来源于网页知识、法律法规、相关企业内部规定、相关优秀案例、相关任务式对话或者其他数据库知识等。
例如,原始知识数据可以来源于清收相关网页知识、清收相关法律法规、清收相关企业内部规定、清收优秀案例、清收相关的任务式对话或者其他清收数据库。
具体地,预设分类层级可以包括一级、二级、三级等多级。与此对应地,分类标签可以包括一级标签、二级标签、三级标签等。由此,将目标知识条目在各个预设分类层级上标记对应的分类标签,并将目标知识条目和目标知识条目在各个预设分类层级上的分类标签作为图谱节点,能够组建从目标知识条目到细分标签到大类标签的逻辑从属关系,从而能够根据从目标知识条目到细分标签到大类标签的逻辑从属关系构建知识图谱。
图14示意性地示出了本申请某实施例将目标知识条目和目标知识条目在各个预设分类层级上的分类标签作为图谱节点,构建成的知识图谱的具体示例图。例如,可以设置四个预设分类层级,分别是一级、二级、三级、四级。与此对应地,分类标签包括一级标签、二级标签、三级标签、四级标签。如图14所示的知识图谱,从知识图谱的元节点开始,可以关联到一级标签的节点1A、一级标签的节点1B、一级标签的节点1C、一级标签的节点1D、一级标签的节点1E共五个节点。一级标签的节点,可以关联到下一层级的二级标签的节点或者目标知识条目的节点。例如,一级标签的节点1A,关联到二级标签的节点2F和二级标签的节点2H。一级标签的节点1B,关联到目标知识条目的节点条目G。
二级标签的节点,可以关联到下一层级的三级标签的节点或者目标知识条目的节点。例如,二级标签的节点2F,关联到三级标签的节点3Q、三级标签的节点3P和三级标签的节点3O。二级标签的节点2I,关联到目标知识条目的节点条目G和三级标签的节点3Y。
以此类推,三级标签的节点,可以关联到下一层级的四级标签的节点或者目标知识条目的节点。四级标签的节点,可以关联到目标知识条目的节点。
上文中步骤S310中的将知识图谱的目标节点及目标节点对应的分支选择推送到用户交互界面,则可以是将知识图谱的目标节点及目标节点所关联的下一层级的节点推送到用户交互界面。步骤S320中的用户对分支选择的选择结果,则可以是用户对目标节点所关联的下一层级的节点的选择结果。用户的分支选择可以进行多次,直至用户完成对最后一个层级的标签的节点的选择,如此,能够使得知识问答方法对目标知识条目的推送更为准确。
综上,基于本申请实施方式的知识问答方法,能够通过用户交互界面获取用户输入信息,并对用户输入信息进行特征提取,得到用户输入信息对应的意图特征;将意图特征与问答关键字进行匹配,得到与意图特征匹配的目标问答关键字;再将与目标问答关键字具有映射关系的目标知识条目,推送至用户的用户交互界面中;从而,使得用户能够精准地获取到与用户输入信息的意图特征相贴合的目标知识条目,能够提高对清收知识的获取效率。当用户是清收人员时,本申请的知识问答方法能够根据清收人员的用户输入信息,向清收人员推荐清收案例、提供问答咨询服务,帮助清收人员快速、直观地获取清收相关知识信息,辅助清收人员的清收工作的进行,为清收人员的清收工作提供便利。
应当注意,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
根据本公开的第三方面,以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的知识问答方法。图15示意性地示出了本申请实施例提供的知识问答装置的结构框图。如图15所示,知识问答装置1500包括:
意图特征获取模块1510,被配置为获取用户输入信息,并对所述用户输入信息进行特征提取,得到所述用户输入信息对应的意图特征;
目标问答关键字获取模块1520,被配置为将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字;
目标知识条目推送模块1530,被配置为将与所述目标问答关键字具有映射关系的目标知识条目,推送给所述用户输入信息对应的用户。
本申请各实施例中提供的知识问答装置的具体细节已经在对应的方法实施例中进行了详细的描述,此处不再赘述。
根据本公开的第三方面,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
该电子设备可以包括处理器以及存储器。存储器用于存储处理器的可执行指令。处理器被配置为经由执行可执行指令来执行如以上技术方案中的知识问答方法。
下面参照图16来描述根据本发明的这种实施方式的电子设备1600。图16示意性地示出了本申请实施例提供的电子设备的结构示意图。图16显示的电子设备1600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图16所示,电子设备1600以通用计算设备的形式表现。电子设备1600的组件可以包括但不限于:上述至少一个处理单元1610、上述至少一个存储单元1620、连接不同***组件(包括存储单元1620和处理单元1610)的总线1630。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1610执行,使得所述处理单元1610执行本说明书上述知识问答方法描述的根据本发明各种示例性实施方式的步骤。
存储单元1620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)1621和/或高速缓存存储单元1622,还可以进一步包括只读存储单元(ROM)1623。
存储单元1620还可以包括具有一组(至少一个)程序模块1625的程序/实用工具1624,这样的程序模块1625包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1600也可以与一个或多个外部设备1800(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1600交互的设备通信,和/或与使得该电子设备1600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1650进行,比如与显示单元1640通信。并且,电子设备1600还可以通过网络适配器1660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1660通过总线1630与电子设备1600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
根据本公开的第四方面,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如以上技术方案中的知识问答方法。
图17示意性地示出了本申请实施例提供的程序产品的组成示意图。参考图17所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品1700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种知识问答方法,其特征在于,包括:
获取用户输入信息,并对所述用户输入信息进行特征提取,得到所述用户输入信息对应的意图特征;
将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字;
将与所述目标问答关键字具有映射关系的目标知识条目,推送给所述用户输入信息对应的用户。
2.根据权利要求1所述的知识问答方法,其特征在于,所述获取用户输入信息,包括:
通过用户输入的文本或录入的音频,获取初步输入文本,所述初步输入文本用于初步确定用户感兴趣的知识范围;
对所述初步输入文本进行分词处理,得到多个初步输入词汇;
将去除了符合预设规则的词汇后的初步输入词汇,作为初步关键字;
根据所述初步关键字确定知识图谱的目标节点;
将所述知识图谱的目标节点及所述目标节点对应的分支选择推送到用户交互界面;
将用户对所述分支选择的选择结果作为所述用户输入信息。
3.根据权利要求1所述的知识问答方法,其特征在于,所述获取用户输入信息,包括:
获取用户画像,并根据用户画像将所述用户画像的关联关键字推送到所述用户交互界面上,所述关联关键字为被所述用户画像所对应的用户群体选择的次数占所述用户画像所对应的用户群体作出关键字选择的总次数的比值,达到预设阈值的关键字;
通过所述用户交互界面获取用户对所述关联关键字的选择;
计算用户选择的关联关键字与知识图谱的各个节点对应的节点关键字的语义相似度;
将与用户选择的关联关键字的语义相似度最高的节点关键字对应的节点,作为所述知识图谱的目标节点;
将所述知识图谱的目标节点及所述目标节点对应的分支选择推送到用户交互界面;
将用户对所述分支选择的选择结果作为所述用户输入信息。
4.根据权利要求1所述的知识问答方法,其特征在于,所述意图特征包括意图特征关键字,所述将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字,包括:
计算所述意图特征关键字与所述问答关键字的语义相似度;
根据所述意图特征关键字,在多个所述问答关键字中搜索与所述意图特征关键字的语义相似度大于第一预设值的问答关键字,并将与所述意图特征关键字的语义相似度大于第一预设值的一个或多个问答关键字作为目标问答关键字。
5.根据权利要求1所述的知识问答方法,其特征在于,所述意图特征包括意图特征向量,所述将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字,包括:
获取存储有问答关键字对应的特征向量的特征库;
根据所述意图特征向量,在所述特征库中搜索与所述意图特征向量相似度高于第二预设值的一个或多个特征向量,得到与所述一个或多个特征向量所分别对应的目标问答关键字。
6.根据权利要求1所述的知识问答方法,其特征在于,所述将与所述目标问答关键字具有映射关系的目标知识条目,推送给所述用户输入信息对应的用户,包括:
当目标问答关键字仅包括一个问答关键字时,将与所述目标问答关键字具有映射关系的目标知识条目,推送至所述用户交互界面中;
当目标问答关键字包括多个问答关键字时,将与至少两个目标问答关键字均具有映射关系的目标知识条目,推送至所述用户交互界面中。
7.根据权利要求1所述的知识问答方法,其特征在于,在所述获取用户输入信息之前,所述方法还包括:
获取问答知识库中的目标知识条目,所述目标知识条目包括清收生活知识条目、清收行业通用知识条目、清收优秀案例知识条目、清收相关法律法规知识条目、清收相关企业内部规定知识条目中的一种或多种;
对问答知识库中的目标知识条目的内容文本进行关键字提取,得到所述问答关键字;
将目标知识条目的内容文本中出现频率高于第一预设频率的词汇作为目标词汇,并对所述目标词汇和所述问答关键字进行匹配处理,得到所述目标词汇匹配的问答关键字与所述目标词汇对应的目标知识条目的映射关系。
8.根据权利要求7所述的知识问答方法,其特征在于,所述对问答知识库中的目标知识条目的内容文本进行关键字提取,得到所述问答关键字,包括:
对所述问答知识库中的目标知识条目的内容文本进行分词处理,得到多个常用词汇;
去除所述常用词汇中符合预设规则的词汇;
获取所述常用词汇在所述问答知识库中的逆向文件频率;
将所述逆向文件频率小于第二预设频率的常用词汇作为所述问答知识库中的问答关键字。
9.根据权利要求7所述的知识问答方法,其特征在于,在所述获取问答知识库中的目标知识条目之前,所述方法还可以包括:
从原始知识数据中提取文段、图片、视频或音频,作为目标知识条目;
将所述目标知识条目在各个预设分类层级上标记对应的分类标签,以将所述目标知识条目分类成所述清收生活知识条目、所述清收行业通用知识条目、所述清收优秀案例知识条目、所述清收相关法律法规知识条目、所述清收相关企业内部规定知识条目中的一种或多种。
10.一种知识问答装置,其特征在于,包括:
意图特征获取模块,被配置为获取用户输入信息,并对所述用户输入信息进行特征提取,得到所述用户输入信息对应的意图特征;
目标问答关键字获取模块,被配置为将所述意图特征与所述问答关键字进行匹配,得到与所述意图特征匹配的目标问答关键字;
目标知识条目推送模块,被配置为将与所述目标问答关键字具有映射关系的目标知识条目,推送给所述用户输入信息对应的用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111155108.4A CN113886545A (zh) | 2021-09-29 | 2021-09-29 | 知识问答方法、装置、计算机可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111155108.4A CN113886545A (zh) | 2021-09-29 | 2021-09-29 | 知识问答方法、装置、计算机可读介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113886545A true CN113886545A (zh) | 2022-01-04 |
Family
ID=79008511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111155108.4A Pending CN113886545A (zh) | 2021-09-29 | 2021-09-29 | 知识问答方法、装置、计算机可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113886545A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117349425A (zh) * | 2023-12-04 | 2024-01-05 | 北京仁科互动网络技术有限公司 | 知识条目的生成方法、装置、设备和存储介质 |
CN117672227A (zh) * | 2024-01-25 | 2024-03-08 | 深圳市音随我动科技有限公司 | 基于智能音箱的问答控制方法、装置、计算机设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
WO2020237856A1 (zh) * | 2019-05-29 | 2020-12-03 | 平安科技(深圳)有限公司 | 基于知识图谱的智能问答方法、装置及计算机存储介质 |
WO2021139283A1 (zh) * | 2020-06-16 | 2021-07-15 | 平安科技(深圳)有限公司 | 基于深度学习技术的知识图谱问答方法、装置及设备 |
CN113312461A (zh) * | 2021-05-25 | 2021-08-27 | 深圳平安综合金融服务有限公司 | 基于自然语言处理的智能问答方法、装置、设备及介质 |
CN113435998A (zh) * | 2021-06-23 | 2021-09-24 | 平安科技(深圳)有限公司 | 贷款逾期预测方法、装置、电子设备及存储介质 |
CN113450207A (zh) * | 2021-06-29 | 2021-09-28 | 重庆农村商业银行股份有限公司 | 一种智能催收方法、装置、设备及存储介质 |
-
2021
- 2021-09-29 CN CN202111155108.4A patent/CN113886545A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
WO2020237856A1 (zh) * | 2019-05-29 | 2020-12-03 | 平安科技(深圳)有限公司 | 基于知识图谱的智能问答方法、装置及计算机存储介质 |
WO2021139283A1 (zh) * | 2020-06-16 | 2021-07-15 | 平安科技(深圳)有限公司 | 基于深度学习技术的知识图谱问答方法、装置及设备 |
CN113312461A (zh) * | 2021-05-25 | 2021-08-27 | 深圳平安综合金融服务有限公司 | 基于自然语言处理的智能问答方法、装置、设备及介质 |
CN113435998A (zh) * | 2021-06-23 | 2021-09-24 | 平安科技(深圳)有限公司 | 贷款逾期预测方法、装置、电子设备及存储介质 |
CN113450207A (zh) * | 2021-06-29 | 2021-09-28 | 重庆农村商业银行股份有限公司 | 一种智能催收方法、装置、设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117349425A (zh) * | 2023-12-04 | 2024-01-05 | 北京仁科互动网络技术有限公司 | 知识条目的生成方法、装置、设备和存储介质 |
CN117349425B (zh) * | 2023-12-04 | 2024-03-22 | 北京仁科互动网络技术有限公司 | 知识条目的生成方法、装置、设备和存储介质 |
CN117672227A (zh) * | 2024-01-25 | 2024-03-08 | 深圳市音随我动科技有限公司 | 基于智能音箱的问答控制方法、装置、计算机设备和介质 |
CN117672227B (zh) * | 2024-01-25 | 2024-04-05 | 深圳市音随我动科技有限公司 | 基于智能音箱的问答控制方法、装置、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11157490B2 (en) | Conversational virtual assistant | |
US20200020317A1 (en) | Generation of language understanding systems and methods | |
CN112800170A (zh) | 问题的匹配方法及装置、问题的回复方法及装置 | |
US10146862B2 (en) | Context-based metadata generation and automatic annotation of electronic media in a computer network | |
KR102288249B1 (ko) | 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체 | |
CN116775847B (zh) | 一种基于知识图谱和大语言模型的问答方法和*** | |
US9436681B1 (en) | Natural language translation techniques | |
US20210026890A1 (en) | Faq consolidation assistance device, faq consolidation assistance method, and program | |
CN113886545A (zh) | 知识问答方法、装置、计算机可读介质及电子设备 | |
US20220058213A1 (en) | Systems and methods for identifying dynamic types in voice queries | |
CN111414471B (zh) | 用于输出信息的方法和装置 | |
US20230214679A1 (en) | Extracting and classifying entities from digital content items | |
CN116955561A (zh) | 问答方法、装置、电子设备以及存储介质 | |
CN113343692B (zh) | 搜索意图的识别方法、模型训练方法、装置、介质及设备 | |
CN110413770B (zh) | 将群消息归类到群话题的方法及装置 | |
CN116956068A (zh) | 基于规则引擎的意图识别方法、装置、电子设备及介质 | |
CN113779981A (zh) | 一种基于指针网络和知识图谱的推荐方法及装置 | |
CN114117239A (zh) | 一种房源推送方法、装置和设备 | |
Ali et al. | Identifying and Profiling User Interest over time using Social Data | |
JP6173958B2 (ja) | 複数のハッシュテーブルを用いて検索するプログラム、装置及び方法 | |
CN113569578A (zh) | 一种用户意图识别方法、装置和计算机设备 | |
CN111046151B (zh) | 一种消息处理方法及装置 | |
CN110851560B (zh) | 信息检索方法、装置及设备 | |
CN112559697A (zh) | 识别话术意图的方法和装置 | |
CN113807429B (zh) | 企业的分类方法、装置、计算机设备和存储介质 |
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 |