JP7127150B2 - Question and Answer Interaction Method, Apparatus, Computing Device and Computer Readable Storage Medium - Google Patents

Description

本願は、２０１８年４月１６日に出願された中国特許出願「Ｎｏ．２０１８１０３３９７６６．０」の優先権を主張し、そのすべての内容を参照より本明細書に組み込む。 This application claims priority from Chinese patent application "No.201810339766.0" filed on April 16, 2018, the entire content of which is incorporated herein by reference.

本願は、ヒューマンコンピュータインタラクション技術分野に関し、特に、質問応答インタラクション方法、装置、コンピュータデバイス及びコンピュータ読取可能な記憶媒体に関する。 TECHNICAL FIELD The present application relates to the human-computer interaction technical field, and more particularly to a question-answering interaction method, apparatus, computer device and computer-readable storage medium.

ヒューマンコンピュータインタラクション（Ｈｕｍａｎ－Ｃｏｍｐｕｔｅｒ Ｉｎｔｅｒａｃｔｉｏｎ，ＨＣＩ）は、システムとユーザの間のインタラクション関係を研究する科学である。システムは、様々な機器であってもよく、コンピュータ化されたシステムやソフトウェアであってもよい。例えば、インテリジェント顧客サービスシステム、音声制御システムなどの人工知能システムは、ヒューマンコンピュータインタラクションに基づいて実現されることができる。 Human-Computer Interaction (HCI) is the science that studies the interaction relationship between systems and users. The system may be various devices, and may be a computerized system or software. For example, artificial intelligence systems such as intelligent customer service systems, voice control systems, etc. can be implemented based on human-computer interaction.

インテリジェント質問応答インタラクションシステムは、ヒューマンコンピュータインタラクションにおける典型的な応用である。従来のインテリジェント質問応答インタラクションシステムは、あいまい検索や類似度計算などの方法を利用して、ユーザ質問に関連するか又は近似する知識を知識データベースから探し出し、当該知識に対応する回答をユーザに提供する。しかしながら、このような方法を用いると、すべてのユーザ質問に対してそれぞれあいまい検索と類似度計算を行わなければならない。こうすると、計算量が膨大になってしまって、計算効率が非常に低い。また、このような方法はユーザ質問に対して「１質問に１回答」の形で返事することしかできないため、複数の質問を聞きたい場合、ユーザは複数回の入力操作を繰り返しなければならない。その結果、インタラクションの過程が煩雑になってしまって、ユーザ体験が悪くなる。 Intelligent question answering interaction system is a typical application in human-computer interaction. Conventional intelligent question answering interaction systems use methods such as fuzzy search and similarity calculation to find knowledge related or similar to user questions from knowledge databases, and provide answers corresponding to the knowledge to users. . However, using such a method requires fuzzy search and similarity calculation for every user question. If this is done, the amount of calculation becomes enormous, and the calculation efficiency is very low. In addition, since such a method can only reply to user questions in the form of "one answer for one question", the user must repeat the input operation a plurality of times if he wishes to ask a plurality of questions. As a result, the interaction process becomes cumbersome and the user experience is poor.

以上に鑑みて、本発明の一つの目的は、質問応答インタラクション方法、装置、コンピュータデバイス及びコンピュータ読取可能な記憶媒体を提供することによって、計算効率を向上させ、質問応答インタラクションプロセスを簡略化させることである。 In view of the above, one object of the present invention is to improve computational efficiency and simplify the question-answering interaction process by providing a question-answering interaction method, apparatus, computer device and computer-readable storage medium. is.

本発明の一態様によると、質問応答インタラクション方法を提供する。当該方法は、ユーザの質問を受信するステップと、質問に対応する回答を取得するとともに、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を取得するステップと、少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定するステップと、回答をユーザに送信するとともに推薦意図をユーザに送るステップと、を含む。 According to one aspect of the present invention, a question answering interaction method is provided. The method includes receiving a user question, obtaining an answer corresponding to the question, and determining at least one degree of correlation of each intent among at least one intent in a pre-built intent database with the question. obtaining, identifying, from among at least one correlation degree, a correlation degree exceeding a predetermined correlation degree threshold value, determining an intention corresponding to the identified correlation degree as a recommendation intention, and providing an answer sending to the user and sending the recommendation intent to the user.

本発明の一実施例において、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を取得するステップは、質問に対して単語分割処理を行って複数の単語を取得するステップと、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップと、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップと、を含む。 In an embodiment of the present invention, the step of obtaining at least one degree of correlation with the question of each intention among the at least one intention in the pre-built intention database includes performing word segmentation processing on the question. obtaining a plurality of words; and performing matching on each word of the plurality of words and at least one significant element corresponding to each intent of the at least one intent in the pre-built intent database. and determining, based on the matching results, at least one degree of correlation of each intent of the at least one intent in the pre-built intent database with the question.

本発明の一実施例において、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とに対してマッチングを行うステップは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行うステップを含む。ここで、トピックモデルは少なくとも１つの重要要素の確率を含む。また、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップは、少なくとも１つの重要要素のうちから複数の単語にマッチする重要要素を特定して、特定した重要要素の確率に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップ、を含む。 In one embodiment of the present invention, matching each word of a plurality of words with at least one significant element corresponding to each intent of at least one intent in a pre-built intent database. includes matching against each word of the plurality of words and at least one significant element in the topic model corresponding to each intent of the at least one intent in the pre-built intent database. . Here, the topic model includes probabilities of at least one key factor. Further, the step of determining at least one degree of correlation with the question of each intention among the at least one intentions in the pre-built intention database based on the matching results includes: Identifying key elements that match the word and determining at least one degree of correlation of each intent of the at least one intent in the pre-built intent database with the question based on the probability of the identified key elements. step, including

本発明の一実施例において、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行うステップを含む。ここで、頻出アイテム集合は少なくとも１つの頻出アイテムの確信度を含む。また、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップは、少なくとも１つの頻出アイテムのうちから複数の単語にマッチする頻出アイテムを特定して、特定した頻出アイテムの確信度に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップを含む。 In one embodiment of the present invention, each word of a plurality of words is matched with at least one significant element corresponding to each intent of at least one intent in a pre-built intent database. for each word of the plurality of words and at least one frequent item in the frequent item set in the sequence pattern corresponding to each intent in the at least one intent in the pre-built intent database; matching. Here, the frequent item set includes the certainty of at least one frequent item. Further, the step of determining at least one degree of correlation with the question of each intention among the at least one intentions in the pre-built intention database based on the matching result includes: determining at least one degree of correlation with the question; Identifying frequent items that match the word and determining at least one degree of correlation of each intent in the at least one intent in the pre-built intent database with the question based on the confidence of the identified frequent items. including the step of

本発明の一実施例において、質問に対応する回答を取得するステップは、質問に対して単語分割処理を行って、複数の単語を取得するステップと、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップと、マッチング結果に基づいて、予め設定された対応するサブルーチンを実行して、サブルーチンに対応する回答を取得するステップと、を含む。 In one embodiment of the present invention, the step of obtaining an answer corresponding to a question includes performing word segmentation processing on the question to obtain a plurality of words; at least one key element corresponding to each of the at least one intention in the constructed intention database; and executing a preset corresponding subroutine based on the matching result. and obtaining an answer corresponding to the subroutine.

本発明の一実施例において、予め設定された対応するサブルーチンを実行するステップは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確定するステップと、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチする場合、対応する回答を出力するステップ、又は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、回答をトリガーするための少なくとも１つの重要要素を文脈意図推理の方法によって取得するステップと、を含む。 In one embodiment of the present invention, the step of executing a corresponding preset subroutine corresponds to each word of the plurality of words and each intent of the at least one intent in the pre-built intent database. determining whether the at least one significant element matches; outputting a corresponding answer if the key elements match; obtaining at least one key factor for triggering an answer by a method of contextual intent reasoning if the key factors do not match.

本発明の一実施例において、当該質問応答インタラクション方法は、インタラクション日誌に記載の少なくとも１つのユーザのうちの各ユーザからの複数の質問に基づいて、予め構築された意図データベースをビッグデータ分析の方法によって構築するステップ、を更に含む。ここで、予め構築された意図データベースは、少なくとも１つの意図のうちの各意図と少なくとも１つの重要要素との対応関係を含む。 In one embodiment of the present invention, the question-answering interaction method uses a pre-built intention database based on a plurality of questions from each of the at least one users listed in the interaction journal as a method of big data analysis. and constructing by Here, the preconfigured intention database includes a correspondence relationship between each intention of at least one intention and at least one important element.

本発明の一実施例において、推薦意図をユーザに送るステップは、推薦意図の質問文をユーザに送るステップを含む。また、当該質問応答インタラクション方法は、ユーザのフィードバックによって、推薦意図の質問文に対応する回答をユーザに送信するステップ、を更に含む。 In one embodiment of the present invention, sending the recommendation intent to the user includes sending a recommendation intent question to the user. In addition, the question-answering interaction method further includes the step of sending an answer corresponding to the question sentence of recommendation intention to the user according to the user's feedback.

本発明の一実施例において、推薦意図をユーザに送るステップは、推薦意図の商品の内容をユーザに送るステップを含む。 In one embodiment of the present invention, sending the recommendation intent to the user includes sending the content of the recommended product to the user.

本発明の他の態様によると、質問応答インタラクション装置を提供する。当該装置は、ユーザの質問を受信する受信モジュールと、質問に対応する回答と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度と、を取得する取得モジュールと、少なくとも１つの相関度のうちから予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定する確定モジュールと、回答をユーザに送信するとともに推薦意図をユーザに送る送信モジュールと、を備える。 According to another aspect of the present invention, a question answering interaction device is provided. The device includes a receiving module for receiving a user's question, an answer corresponding to the question, and at least one degree of correlation of each intention among at least one intention in a pre-built intention database with the question. an acquisition module that acquires; a confirmation module that identifies, from at least one correlation degree, a correlation degree that exceeds a preset correlation degree threshold value, and confirms an intention corresponding to the identified correlation degree as a recommendation intention; to the user and a sending module for sending the recommendation intent to the user.

本発明の一実施例において、取得モジュールは、質問に対して単語分割処理を行って、複数の単語を取得する処理ユニットと、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うマッチングユニットと、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定する確定ユニットと、を備える。 In one embodiment of the present invention, the acquisition module includes a processing unit that performs word segmentation processing on the question to acquire a plurality of words; at least one key element corresponding to each intent of the at least one intent; a matching unit for matching against; a determination unit for determining at least one degree of correlation of the intent with the question.

本発明の一実施例において、マッチングユニットは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行う。ここで、トピックモデルは少なくとも１つの重要要素の確率を含む。また、確定ユニットは、少なくとも１つの重要要素のうちから複数の単語にマッチする重要要素を特定して、特定した重要要素の確率に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定する。 In one embodiment of the present invention, the matching unit includes at least one key element in the topic model corresponding to each word of the plurality of words and each intent of the at least one intent in the pre-built intent database. , is matched. Here, the topic model includes probabilities of at least one key factor. Further, the determination unit identifies an important element that matches a plurality of words from among the at least one important element, and based on the probability of the identified important element, out of the at least one intention in the intention database constructed in advance of each intent with the question.

本発明の一実施例において、マッチングユニットは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行う。ここで、頻出アイテム集合は少なくとも１つの頻出アイテムの確信度を含む。また、確定ユニットは、少なくとも１つの頻出アイテムのうちから複数の単語にマッチする頻出アイテムを特定して、特定した頻出アイテムの確信度に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定する。 In one embodiment of the present invention, the matching unit selects among the frequent itemsets in the sequence pattern corresponding to each word of the plurality of words and each intent of the at least one intent in the pre-built intent database. At least one frequent item is matched against. Here, the frequent item set includes the certainty of at least one frequent item. Also, the determination unit identifies a frequent item that matches a plurality of words from among the at least one frequent item, and determines at least one intention in an intention database constructed in advance based on the certainty of the identified frequent item. Determine at least one degree of correlation of each of the intentions with the question.

本発明の一実施例において、取得モジュールは、質問に対して単語分割処理を行って、複数の単語を取得する処理ユニットと、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うマッチングユニットと、マッチング結果に基づいて、予め設定された対応するサブルーチンを実行して、サブルーチンに対応する回答を取得する実行ユニットと、を備える。 In one embodiment of the present invention, the acquisition module includes a processing unit that performs word segmentation processing on the question to acquire a plurality of words; At least one key element corresponding to each intention of the at least one intention, and a matching unit for matching, and based on the matching result, executing a preset corresponding subroutine to correspond to the subroutine. and an execution unit that obtains an answer to.

本発明の一実施例において、実行ユニットは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確定し、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチする場合、対応する回答を出力するか、又は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、回答をトリガーするための少なくとも１つの重要要素を文脈意図推理の方法によって取得する。 In one embodiment of the present invention, the execution unit matches each word of the plurality of words with at least one significant element corresponding to each intent of the at least one intent in the pre-built intent database. and if each word of the plurality of words matches at least one significant element corresponding to each intent of at least one intent in the pre-built intent database, the corresponding answer or trigger an answer if each word of the plurality of words does not match at least one significant element corresponding to each intent of at least one intent in the pre-built intent database At least one important factor for doing is obtained by the method of contextual intention reasoning.

本発明の一実施例において、当該質問応答インタラクション装置は、インタラクション日誌に記載の少なくとも１つのユーザのうちの各ユーザからの複数の質問に基づいて、予め構築された意図データベースをビッグデータ分析の方法によって構築するベース構築モジュールを更に備える。ここで、予め構築された意図データベースは、少なくとも１つの意図のうちの各意図と少なくとも１つの重要要素との対応関係を含む。 In one embodiment of the present invention, the question-answering interaction device uses a pre-built intention database based on a plurality of questions from each of at least one user listed in the interaction logbook as a method of big data analysis. and a base building module that builds by. Here, the preconfigured intention database includes a correspondence relationship between each intention of at least one intention and at least one important element.

本発明の一実施例において、送信モジュールは、推薦意図の質問文をユーザに送り、ユーザのフィードバックによって、推薦意図の質問文に対応する回答をユーザに送信する。 In one embodiment of the present invention, the sending module sends a recommendation intent question to the user, and according to the user's feedback, sends an answer corresponding to the recommendation intent question to the user.

本発明の一実施例において、送信モジュールは、推薦意図の商品の内容をユーザに送る。 In one embodiment of the present invention, the sending module sends the content of the product intended for recommendation to the user.

本発明のもう１つの態様によると、コンピュータデバイスを提供する。当該コンピュータデバイスは、メモリ、プロセッサ及びメモリに記憶されてプロセッサにおいて実行されることができる実行可能な命令を備え、プロセッサが実行可能な命令を実行すると、以上に記載の任意の質問応答インタラクション方法が実現される。 According to another aspect of the invention, a computer device is provided. The computing device comprises a memory, a processor, and executable instructions stored in the memory and executable by the processor, wherein upon execution of the executable instructions by the processor, any of the question answering interaction methods described above are: Realized.

本発明のもう１つの態様によると、コンピュータ読取可能な記憶媒体を提供する。当該記憶媒体にはコンピュータ実行可能な命令が記憶されており、実行可能な命令がプロセッサにより実行されると、以上に記載の任意の質問応答インタラクション方法を実現する。 According to another aspect of the invention, a computer-readable storage medium is provided. The storage medium stores computer-executable instructions that, when executed by a processor, implement any of the question-answering interaction methods described above.

本発明の実施例に係る技術案は、ユーザの質問を受信し、質問に対応する回答と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度と、を取得し、少なくとも１つの相関度のうちから予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定し、ユーザに回答を送信するとともに推薦意図をユーザに送ることによって、計算効率を向上させ、質問応答インタラクションのプロセスを簡略化させることができる。 A technical solution according to an embodiment of the present invention is to receive a user's question, and calculate at least one degree of correlation between an answer corresponding to the question and each intention question among at least one intention in a pre-built intention database. and, identifying at least one degree of correlation that exceeds a preset correlation degree threshold value, determining the intention corresponding to the identified degree of correlation as a recommendation intention, and providing an answer to the user. By transmitting and sending the recommendation intent to the user, computational efficiency can be improved and the process of question-answering interaction can be simplified.

なお、以上の一般的な記述及びこれからの詳しい説明は、例示的であって、解釈するための内容であり、本発明を制限するものではない。 It should be noted that the above general description and the following detailed description are exemplary and are for interpretation purposes only and are not intended to limit the present invention.

ここで説明される図面は、本明細書の一部として明細書に組み込まれ、本発明にふさわしい実施例を示しており、明細書と一緒に本発明の原理を解釈する。
本発明の例示的な一実施例による質問応答インタラクション方法のフローチャートである。 本発明の他の例示的な一実施例による質問応答インタラクション方法のフローチャートである。 本発明の他の例示的な一実施例による質問応答インタラクション方法のフローチャートである。 本発明の他の例示的な一実施例による質問応答インタラクション方法のフローチャートである。 本発明の例示的な一実施例による質問応答インタラクション装置のブロック図である。 本発明の他の例示的な一実施例による質問応答インタラクション装置のブロック図である。 本発明の他の例示的な一実施例による質問応答インタラクション装置のブロック図である。 本発明の他の例示的な一実施例による質問応答インタラクション装置のブロック図である。 本発明の例示的な一実施例により提供される、質問応答インタラクションを行うための装置９００のブロック図である。 The drawings described herein are incorporated into the specification as part of the specification, illustrate suitable embodiments of the present invention, and, together with the specification, interpret the principles of the invention.
4 is a flowchart of a question answering interaction method according to an exemplary embodiment of the present invention; 4 is a flow chart of a question answering interaction method according to another exemplary embodiment of the present invention; 4 is a flow chart of a question answering interaction method according to another exemplary embodiment of the present invention; 4 is a flow chart of a question answering interaction method according to another exemplary embodiment of the present invention; 1 is a block diagram of a question answering interaction device according to an exemplary embodiment of the present invention; FIG. FIG. 4 is a block diagram of a question answering interaction device according to another exemplary embodiment of the present invention; FIG. 4 is a block diagram of a question answering interaction device according to another exemplary embodiment of the present invention; FIG. 4 is a block diagram of a question answering interaction device according to another exemplary embodiment of the present invention; 9 is a block diagram of an apparatus 900 for conducting question answering interactions provided by an exemplary embodiment of the present invention; FIG.

以下、本発明の実施例の図面に基づいて、本発明の実施例に係る技術案を明確で完全に説明する。明らかに、説明される実施例は本発明の一部の実施例に過ぎず、すべての実施例ではない。当業者が本発明の実施例に基づいて創造的な労働をせずに得られる他の実施例は、すべて本発明の保護範囲に属するべきである。 The technical solutions according to the embodiments of the present invention will be clearly and completely described below with reference to the drawings of the embodiments of the present invention. Apparently, the described embodiments are only some but not all embodiments of the present invention. Other embodiments obtained by persons skilled in the art without creative efforts based on the embodiments of the present invention shall all fall within the protection scope of the present invention.

図１は、本発明の例示的な一実施例による質問応答インタラクション方法のフローチャートである。図１に示す質問応答インタラクション方法は、ヒューマンコンピュータインタラクション装置（例えば、インテリジェント質問応答システムなど）により実行されることができる。図１に示すよう、当該質問応答インタラクション方法は、以下の内容を含む。 FIG. 1 is a flowchart of a question answering interaction method according to an exemplary embodiment of the present invention. The question-answering interaction method shown in FIG. 1 can be performed by a human-computer interaction device (eg, an intelligent question-answering system, etc.). As shown in FIG. 1, the question-answering interaction method includes the following contents.

１１０：ユーザの質問を受信する。 110: Receive the user's question.

本発明の実施例において、ユーザの質問は自然言語の文章、フレーズ又は語彙などの形であってもよい。ユーザの質問には１つの意図のみが含まれていてもよく、複数の意図が含まれていてもよく、本発明はそれについて制限しない。例えば、ユーザの質問が「私の残りデータ量を調べてください」である場合、当該質問には「残りデータ量の確認」という１つの意図しか含まれていない。もう１つの例として、ユーザの質問が「携帯料金ポイントを調べる」である場合、当該質問には「携帯料金を調べる」及び「ポイントを調べる」という２つの意図が含まれている。 In embodiments of the present invention, the user's question may be in the form of natural language sentences, phrases, vocabulary, or the like. A user's question may contain only one intent, or may contain multiple intents, and the present invention is not limited thereto. For example, if the user's question is "Check my remaining data amount", the question includes only one intent "Check my remaining data amount". As another example, if the user's question is "check mobile charge points", the question includes two intentions of "check mobile charge" and "check points".

さらに、ユーザの質問は、ユーザがキーボード、タッチスクリーン又は手書きパネルなどによって入力したテキスト情報であってもよく、ユーザがマイクロフォンなどによって入力した音声情報であってもよく、ユーザがインタラクション端末によって入力したテキストメッセージ、データリンク、音声メッセージ、イメージメッセージ、画像メッセージ又は動画メッセージなどであってもよく、本発明はそれについて制限しない。ここで、インタラクション端末は、インテリジェント質問応答システムと情報インタラクションを行うことができるデバイスである。例えば、スマートフォン、タブレット、パソコン又は他のスマート端末などであってもよい。例えば、ユーザは、音声又は動画でインテリジェント質問応答システムに質問を出しながら、インタラクション端末を介して対応するデータリングをインテリジェント質問応答システムへ送信することができる。 In addition, the user's question may be text information input by the user through a keyboard, touch screen or handwriting panel, etc., may be voice information input by the user through a microphone, etc., or may be voice information input by the user through an interaction terminal. It may be a text message, data link, voice message, image message, image message or video message, etc., and the present invention is not limited thereto. Here, the interaction terminal is a device capable of information interaction with the intelligent question answering system. For example, it may be a smart phone, tablet, personal computer or other smart terminal. For example, a user can send a corresponding data ring to the intelligent question-answering system via an interaction terminal while asking the intelligent question-answering system a question by voice or video.

なお、質問としての音声メッセージ、イメージメッセージ、画像メッセージ又は動画メッセージが届いた場合、インテリジェント質問応答システムは、音声認識モジュール、イメージ認識モジュール又は動画認識モジュールなどによって、音声メッセージ、イメージメッセージ、画像メッセージ又は動画メッセージをテキストメッセージに変換することができる。 In addition, when a voice message, image message, image message or video message as a question arrives, the intelligent question answering system uses the voice recognition module, image recognition module or video recognition module etc. to respond to the voice message, image message, image message or Video messages can be converted into text messages.

１２０：質問に対応する回答と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度と、を取得する。 120: Obtaining an answer corresponding to the question and at least one degree of correlation with the question of each intention of the at least one intention in the pre-built intention database.

本発明の実施例において、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度を取得する前、まずはインタラクション日誌に記載の少なくとも１つのユーザのうちの各ユーザからの複数の質問に基づいて、ビッグデータ分析の方法を採用して、意図データベース（知識データベースとも称する）を予め構築しなければならない。ここで、予め構築された意図データベースは、少なくとも１つの意図のうちの各意図と少なくとも１つの重要要素との対応関係を含むことができる。 In an embodiment of the present invention, before obtaining at least one degree of correlation with the question of each intention of at least one intention in the pre-built intention database, first Based on multiple questions from each user, the method of big data analysis should be adopted to pre-build an intention database (also called knowledge database). Here, the preconfigured intention database can include a correspondence relationship between each intention of the at least one intention and at least one important element.

具体的に、意図は、自然言語処理の方法によって、データベースにおいて予め設定された意図知識にマッチングされることによって得られたものであってもよい。ここで、データベースはすなわち意図知識が記憶されている意図データベースである。当該意図データベースは複数の意図知識を含むことができ、複数の意図知識のうちの各意図知識は、対応する少なくとも１つの質問の回答及び／又は相関度を含むことができる。 Specifically, the intention may be obtained by matching preset intention knowledge in a database by means of natural language processing. Here, the database is an intention database in which intention knowledge is stored. The intention database may include a plurality of intention knowledge, and each intention knowledge of the plurality of intention knowledge may include at least one corresponding question answer and/or correlation.

さらに、単語分割処理又はセンテンス分割処理の結果に基づいて、語義解析や意図マッチングなどの手段によって、ユーザの質問に対して意図分析を行うことができる。又は、単語分割処理の結果に基づいて、単語分割された複数の単語を並べ替えて組み合わせ、単語を組み合わせた結果に基づいてユーザの質問に対して意図分析を行ってもよい。又は、コーパストレーニングによって得られた他の自然言語解析モデルなどを用いて質問に対して文章処理を行って質問の語義内容を取得し、質問の語義内容に基づいてユーザの質問に対して意図分析を行うこともできる。本発明はこれについて制限しない。 Furthermore, based on the results of word segmentation processing or sentence segmentation processing, intention analysis can be performed on the user's question by means such as semantic analysis and intention matching. Alternatively, based on the result of the word segmentation processing, a plurality of segmented words may be rearranged and combined, and intention analysis may be performed on the user's question based on the result of combining the words. Alternatively, using other natural language analysis models obtained by corpus training, sentence processing is performed on the question to acquire the semantic content of the question, and intention analysis is performed on the user's question based on the semantic content of the question. can also be done. The invention is not limited in this regard.

具体的には、単語分割処理の手段として、双方向最大マッチング法、ビタビ（Ｖｉｔｅｒｂｉ）アルゴリズム、隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ，ＨＭＭ）アルゴリズム及び条件付き確率場（Ｃｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄ，ＣＲＦ）アルゴリズムのうちの１つ又は複数を採用することができる。センテンス分割処理においては、読点、セミコロン、句点、疑問符、感嘆符などを、センテンスを分割する分割符として用いて、ユーザの質問を複数の短い文に分割するか、又は、所定の文字や単語によってユーザの質問を分解することである。単語を組み合わせることは複数の単語を並べて組み合わせることであり、且つこれらの単語からなる組合せが表す意図は１つであってもよく、複数であってもよい。語義内容は、コーパストレーニングによって得られた他の自然言語解析モデルなどを用いてユーザの質問に対して全体的な語義解析を行うことによって得られるものであってもよい。 Specifically, as a means of word segmentation, bidirectional maximum matching method, Viterbi algorithm, hidden Markov model (HMM) algorithm and conditional random field (CRF) algorithm can be employed. In the sentence division process, commas, semicolons, full stops, question marks, exclamation marks, etc. are used as division marks for dividing sentences to divide the user's question into a plurality of short sentences, or to divide the user's question into a plurality of short sentences, or It is to decompose the user's question. Combining words means combining a plurality of words side by side, and the combination of these words may represent one or more intentions. The semantic content may be obtained by performing a global semantic analysis on the user's question using other natural language parsing models such as those obtained by corpus training.

さらに、複数の単語のうちの各単語と、意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行い、マッチング結果に基づいて、予め設定された対応するサブルーチンを実行して、サブルーチンに対応する回答を取得することができる。 Further, each word of the plurality of words is matched with at least one important element corresponding to each intention of at least one intention in the intention database, and based on the matching result, a preset Then the corresponding subroutine can be executed to obtain the answer corresponding to the subroutine.

具体的には、複数の単語のうちの各単語と、意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチする場合、質問に対応する回答を意図データベースから直接取得する。一方、複数の単語のうちの各単語と、意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、回答をトリガーするための少なくとも１つの重要要素を文脈意図推理の方法によって意図データベースから取得する。 Specifically, if each word of the plurality of words matches at least one significant element corresponding to each intent of at least one intent in the intent database, an answer corresponding to the question is retrieved from the intent database. Get it directly. On the other hand, if each word of the plurality of words does not match at least one key element corresponding to each intent of the at least one intent in the intent database, at least one key element for triggering a response is selected. It is obtained from the intention database by the method of contextual intention reasoning.

１３０：少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定する。 130: Among at least one correlation degree, identify a correlation degree that exceeds a preset correlation degree threshold, and determine an intention corresponding to the identified correlation degree as a recommended intention.

本発明の実施例において、相関度は以下の方法によって算出されることができる。ユーザとインテリジェント質問応答システムとのインタラクション日誌から、ユーザが最初の質問を聞いたあとに追加で聞いた複数の質問を特定し、追加で聞かれた複数の質問のうちの各質問に対応する人数を統計し、統計結果に基づいて各質問に対応する人数がインタラクション日誌において占める割合を計算する。 In an embodiment of the present invention, the degree of correlation can be calculated by the following method. From the interaction diary between the user and the intelligent question answering system, identify the additional questions that the user asked after the initial question, and the number of people corresponding to each question among the additional questions. , and based on the statistical results, calculate the ratio of the number of people corresponding to each question in the interaction diary.

具体的に、招商銀行のインテリジェントオンライン顧客サービスシステムを例とする。２０００名のユーザの、インテリジェントオンライン顧客サービスシステムとのインタラクション日誌をサンプルデータとして抽出する。サンプルデータに対してビッグデータ分析を行うことによって、１０００名のユーザが質問Ａ「私のクレジットカードの今月の返済額はいくらですか」を聞いたことがあると判明することができる。続いて、この１０００名のユーザが質問Ａを聞いたあとに更に聞いた質問を統計すると、５００名のユーザが質問Ａの次に質問Ｂ「私の返済日は何日ですか」を聞いており、３００名のユーザが質問Ａの次に質問Ｃ「私の最低返済額がいくらですか」を聞いており、残りの２００名のユーザが質問Ａの次に質問Ｄ「私は分割払いを申し込むことができますか」を聞いていることを判明することができる。さらに、統計結果に基づいて、インタラクション日誌において各質問に対応する人数が占める割合を計算すると、質問Ｂと質問Ａとの相関度は０．５であり、質問Ｃと質問Ａとの相関度が０．３であり、質問Ｄと質問Ａとの相関度は０．２である。なお、以上の相関度の計算方法以外にも、Ａｐｒｉｏｒｉアルゴリズム、ＦＰ－ｇｒｏｗｔｈアルゴリズムなどのような相関分析方法を用いて相関度を計算してもよく、本発明はこれについて制限しない。 Specifically, take China Merchants Bank's intelligent online customer service system as an example. 2000 users' interaction diaries with an intelligent online customer service system are extracted as sample data. By performing big data analysis on the sample data, it can be determined that 1000 users have asked question A, "How much is my credit card repayment this month?" Subsequently, if we count the questions asked by these 1000 users after asking question A, 500 users asked question B "How many days is my repayment date?" after question A. 300 users asked question A followed by question C, "What is my minimum repayment amount?" Can you find out what you are listening to? Furthermore, when calculating the ratio of the number of people corresponding to each question in the interaction diary based on the statistical results, the degree of correlation between question B and question A is 0.5, and the degree of correlation between question C and question A is 0.5. 0.3, and the degree of correlation between question D and question A is 0.2. In addition to the above correlation calculation methods, correlation analysis methods such as the Apriori algorithm and FP-growth algorithm may be used to calculate the correlation, and the present invention is not limited thereto.

次に、算出された相関度を相関度閾値に比較する。相関度が相関度閾値より大きい場合、当該相関度に対応する意図を推薦意図として確定し、相関度が相関度閾値より小さい場合、当該相関度に対応する意図を無視する。ここで、相関度閾値は予め設定されたものであってもよく、実際の必要に応じて調整されてもよく、本発明はこれについて制限しない。 Next, the calculated correlation degree is compared with a correlation degree threshold. If the degree of correlation is greater than the threshold of correlation, the intention corresponding to the degree of correlation is determined as the recommended intention, and if the degree of correlation is less than the threshold of correlation, the intention corresponding to the degree of correlation is ignored. Here, the correlation degree threshold may be preset or adjusted according to actual needs, and the present invention is not limited thereto.

さらに、予め設定された相関度閾値が０．１である場合、質問Ｂ、質問Ｃ及び質問Ｄの質問Ａとの相関度はすべて相関度閾値より大きい。つまり、質問Ｂ、質問Ｃ及び質問Ｄに対応する意図はどれもユーザが更に知りたい内容である。そこで、質問Ｂ、質問Ｃ及び質問Ｄに対応する意図を推薦意図として確定する。また、予め設定された相関度閾値が０．２５である場合、質問Ｂ及び質問Ｃの質問Ａとの相関度が相関度閾値より大きい。つまり、質問Ｂ及び質問Ｃに対応する意図はユーザが更に知りたい内容であるかもしれないが、質問Ｄに対応する意図はユーザが更に知りたい内容ではないかもしれない。そこで、質問Ｂ及び質問Ｃに対応する意図を推薦意図として確定し、質問Ｄに対応する意図を無視する。 Further, if the preset correlation threshold is 0.1, the correlations of question B, question C, and question D with question A are all greater than the correlation threshold. That is, the intentions corresponding to question B, question C, and question D are all the contents that the user wants to know more about. Therefore, the intentions corresponding to question B, question C, and question D are decided as recommendation intentions. Further, when the preset correlation threshold is 0.25, the correlation between questions B and C with question A is greater than the correlation threshold. That is, the intentions corresponding to the questions B and C may be the contents that the user wants to know more, but the intentions corresponding to the question D may not be the contents the user wants to know more. Therefore, the intentions corresponding to questions B and C are determined as the recommendation intentions, and the intentions corresponding to question D are ignored.

１４０：回答をユーザに送信するとともに、推薦意図をユーザに送る。 140: Send the answer to the user and send the recommendation intention to the user.

本発明の実施例においては、テキスト、音声、イメージ、画像、動画、リンクなどの形のうちの１つ又は複数によって回答及び／又は推薦意図をユーザに送信することができる。 Embodiments of the present invention may transmit answers and/or recommendation intents to the user in one or more of the forms of text, voice, image, image, video, link, and the like.

具体的に、招商銀行のインテリジェントオンライン顧客サービスシステムを例とする。ユーザがテキストの形で「クレジットカードの返済方法はどうなりますか」を入力した場合、招商銀行のインテリジェントオンライン顧客サービスシステムはテキストの形で「招商銀行のカウンター又はＡＴＭで返済手続を行われるか、又はオンライン銀行、自動振替などの方式で返済を行うことができます」と返事することができる。それと同時に、インテリジェントオンライン顧客サービスシステムのユーザインターフェイスではユーザの所在位置の近くにある招商銀行の位置情報を表示し、ユーザは位置情報をクリックしてナビゲーションに従って付近の招商銀行へ行って返済手続を行うことができる。 Specifically, take China Merchants Bank's intelligent online customer service system as an example. If the user inputs "How do you want to repay the credit card?" in the form of text, China Merchants Bank intelligent online customer service system , or online banking, automatic transfer, etc.” At the same time, the user interface of the intelligent online customer service system displays the location information of Merchants Bank near the user's location, and the user clicks on the location information and follows the navigation to the nearby Merchants Bank for repayment procedures. be able to.

本発明の実施例に係る技術案は、ユーザの質問を受信し、質問に対応する回答と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度と、を取得し、少なくとも１つの相関度のうちから予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定し、ユーザに回答を送信するとともに推薦意図をユーザに送ることによって、計算効率を向上させ、質問応答インタラクションのプロセスを簡略化させることができる。 A technical solution according to an embodiment of the present invention is to receive a user's question, and calculate at least one degree of correlation between an answer corresponding to the question and each intention question among at least one intention in a pre-built intention database. and, identifying at least one degree of correlation that exceeds a preset correlation degree threshold value, determining the intention corresponding to the identified degree of correlation as a recommendation intention, and providing an answer to the user. By transmitting and sending the recommendation intent to the user, computational efficiency can be improved and the process of question-answering interaction can be simplified.

本発明の他の一実施例において、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を取得するステップは、質問に対して単語分割処理を行って複数の単語を取得するステップと、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップと、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップと、を含む。 In another embodiment of the present invention, the step of obtaining at least one degree of correlation of each intention among the at least one intention in the pre-built intention database with the question includes performing a word segmentation process on the question. and obtaining a plurality of words, and at least one key element corresponding to each word of the plurality of words and each intent of the at least one intent in the pre-built intent database. and determining, based on the matching results, at least one degree of correlation of each intent of the at least one intent in the pre-built intent database with the question.

具体的には、予め設定された単語分割ルール及び予め設定された単語分割辞書に基づいて、ユーザの質問に対して単語分割処理を行って、複数の単語を取得する。ここで、単語分割ルールは、フォワード最大マッチング法、バックワード最大マッチング法、単語ごと確認法又は単語頻度統計法、最少切り分け法、双方向マッチング法などを含んでもよいが、それらに限られない。例えば、ユーザの質問が「私は今何ポイントがありますか」である場合、インテリジェント質問応答システムは、単語ごと確認法を用いて、ユーザの質問「私は今何ポイントがありますか」に対して単語分割処理を行って、複数の単語「私は」、「今」、「何」、「ポイント」、「があります」を取得することができる。なお、ユーザの質問には句読点が含まれてもよく、句読点が含まれていなくてもよく、本発明はこれについて制限しない。 Specifically, based on a preset word segmentation rule and a preset word segmentation dictionary, word segmentation processing is performed on the user's question to obtain a plurality of words. Here, the word segmentation rule may include, but is not limited to, a forward maximum matching method, a backward maximum matching method, a word-by-word confirmation method or word frequency statistics method, a minimum segmentation method, a two-way matching method, and the like. For example, if the user's question is "How many points do I have now?", the intelligent question answering system uses word-by-word confirmation to A word segmentation process can be performed to obtain multiple words "I", "now", "what", "point", and "there are". It should be noted that the user's question may or may not contain punctuation, and the present invention is not limited in this regard.

次に、複数の単語に対してフィルタ処理を行って、少なくとも１つのキーワードを取得する。フィルタ処理の方法として、品詞などに基づいて複数の単語に対してフィルタ処理を行って接頭辞及び接尾辞を除去してもよく、頻度に基づいて複数の単語に対してフィルタ処理を行ってストップワードを除去してもよく、又は接頭辞及び接尾辞を除去してからストップワードなどを除去してもよく、本発明はこれについて制限しない。ここで、ストップワードを除去することは、質問において現れる頻度が高いが認識してもほとんど意味がない単語、例えば、「この」、「の」、「と」などを除去することである。類似度を計算するとき、これらの単語は大きい誤差を招いてしまうため、ノイズと見なされてもよい。なお、フィルタ処理によって意味を有しない一部の単語、例えば、「私」、「・・・・たい」、「か」などを除去することもできる。 Next, filtering is performed on the plurality of words to obtain at least one keyword. Filtering methods may include filtering words based on part of speech to remove prefixes and suffixes, and filtering words based on frequency to stop. Words may be removed, or prefixes and suffixes may be removed before stopping words, etc., and the invention is not limited in this regard. Here, removing stopwords means removing words that appear frequently in questions but have little meaning even if they are recognized, such as "this", "no", and "and". When calculating the similarity, these words may be considered noise as they introduce large errors. It is also possible to remove some meaningless words such as "I", "...tai", and "ka" by filtering.

さらに、少なくとも１つのキーワードに対して語義解析を行って、複数の単語の語義情報を取得する。通常、語義情報とは、意味を有する任意の言語、文字、データ、符号などにより提供される情報を指す。本発明の実施例において、語義情報はすなわちユーザ質問に含まれる意図であり、品詞交換、命名実体認識などの方法によって取得されることができる。ここで、語義情報は単語の類義語及び／又は類義語の組合せ、単語の類語及び／又は類語の組合せ、単語と同一又は類似する構造を有する実体を含んでもよいが、それらに限られない。 In addition, semantic analysis is performed on at least one keyword to acquire semantic information for a plurality of words. Semantic information generally refers to information provided by any language, character, data, code, etc. that has meaning. In the embodiments of the present invention, the semantic information, ie the intention contained in the user question, can be obtained by methods such as part-of-speech exchange, naming entity recognition, and the like. Here, the semantic information may include, but is not limited to, synonyms and/or combinations of synonyms of words, synonyms of words and/or combinations of synonyms, and entities having the same or similar structure as words.

さらに、語義情報と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、の語義類似度を算出し、語義類似度が最も高い重要要素を特定して、マッチする少なくとも１つの重要要素として確定する。ここで、語義類似度とは、複数の単語の語義情報と意図データベースにおける複数の予め設定された意図知識とが文字及び単語レベルにおいてマッチする度合、及び、語義の高度類似度を指す。語義類似度を計算するためには、ベクトル空間モデル（Ｖｅｃｔｏｒ Ｓｐａｃｅ Ｍｏｄｅｌ，ＶＳＭ）に基づく計算方法、潜在意味解析（Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ｉｎｄｅｘｉｎｇ，ＬＳＩ）モデルに基づく計算方法、属性理論に基づく語義類似度の計算方法、及び、ハミング距離に基づく語義類似度の計算方法のうちの１つ又は複数の組合せを採用することができる。なお、語義類似度の計算方法は、他の語義類似度の計算方法であってもよい。 Furthermore, the degree of word sense similarity between the word sense information and at least one important element corresponding to each of the at least one intention in the intention database constructed in advance is calculated, and the important element with the highest word sense similarity is specified. to determine at least one significant element that matches. Here, the word sense similarity refers to the degree to which the word sense information of multiple words and multiple preset intention knowledge in the intention database match at the character and word level, and the high degree of word sense similarity. In order to calculate the semantic similarity, there are a calculation method based on a vector space model (VSM), a calculation method based on a latent semantic indexing (LSI) model, and a calculation of the semantic similarity based on attribute theory. A combination of one or more of the methods and methods for calculating semantic similarity based on Hamming distance can be employed. Note that the word sense similarity calculation method may be another word sense similarity calculation method.

最後に、語義類似度の計算結果に基づいて、マッチする少なくとも１つの重要要素のうちの各重要要素に対応する意図の、質問との少なくとも１つの相関度を確定する。 Finally, determine at least one degree of correlation of the intent corresponding to each key element of the matching at least one key element with the question based on the result of the semantic similarity calculation.

本発明の他の一実施例において、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行うステップを含む。ここで、トピックモデルは少なくとも１つの重要要素の確率を含む。また、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップは、少なくとも１つの重要要素のうちから複数の単語にマッチする重要要素を特定して、特定した重要要素の確率に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップを含む。 In another embodiment of the present invention, matching against each word of a plurality of words and at least one significant element corresponding to each intent of at least one intent in a pre-built intent database. matching each word of the plurality of words with at least one significant element in the topic model corresponding to each intent of the at least one intent in the pre-built intent database Including steps. Here, the topic model includes probabilities of at least one key factor. Further, the step of determining at least one degree of correlation with the question of each intention among the at least one intentions in the pre-built intention database based on the matching results includes: Identifying key elements that match the word and determining at least one degree of correlation of each intent of the at least one intent in the pre-built intent database with the question based on the probability of the identified key elements. Including steps.

具体的に、トピックモデル（Ｔｏｐｉｃ Ｍｏｄｅｌ）は、テキストに含まれているトピックを対象としたモデル構築方法である。トピックモデルによると、ドキュメント－単語の間に存在している潜在的な語義関係（すなわちトピック）を見つけることができる。ドキュメントは１グループのトピックの混合分布と見なされてもよく、それに、トピックは単語の確率分布である。よって、高次元の「単語－ドキュメント」ベクトル空間を、低次元の「単語－トピック」及び「トピック－ドキュメント」空間へマッピングすることによって、テキスト情報処理の性能を効果的に向上させることができる。ここで、トピックは１つのコンセプト、１つの分野であってもよく、関連する一連の単語により表される。また、数学的な考え方で説明すると、トピックは語彙表における単語の確率分布であり、トピックとの相関性が高い単語は確率が高いが、逆の場合には確率が低い。 Specifically, the Topic Model is a model building method for topics included in text. A topic model can find potential semantic relationships (ie, topics) that exist between documents-words. A document may be viewed as a mixture distribution of a group of topics, and a topic is a probability distribution of words. Therefore, by mapping the high-dimensional 'word-document' vector space to the low-dimensional 'word-topic' and 'topic-document' spaces, the performance of text information processing can be effectively improved. Here, a topic can be a concept, a field, represented by a series of related words. Also, from a mathematical point of view, a topic is a probability distribution of words in a vocabulary table, and a word highly correlated with the topic has a high probability, while the opposite case has a low probability.

例えば、「テンセント」というトピックを言及した文章においては、「ウィーチャット」、「伝説対決」、「馬化騰」などの単語が現れる確率が高い。また、「価格」というトピックが言及された場合、「値段」、「コスパ」、「割引」などの単語が頻繁に現れるかもしれない。「ジョブスは完璧主義者だ」と「アップルの値段が下がるでしょうか」という２つの文を例とすると、２つの文には共通な単語が全く存在しないにもかかわらず、両者は強い相関性を持っている。何故なら、２番目の文に現れた「アップル」という単語は食べるアップルを指している可能性もあるが、１番目の文には「ジョブス」が出たため、２番目の文における「アップル」はアップル社の製品を指していると自然に理解することができる。つまり、ここで「アップル」という単語は、「アップル社」というトピック及び「果物」というトピックの両方とも含んでいる。 For example, in a sentence that mentions the topic "Tencent", there is a high probability that words such as "WeChat", "Legendary Showdown", and "Mahuateng" will appear. Also, when the topic "price" is mentioned, words such as "price", "cospa", and "discount" may appear frequently. For example, the two sentences "Jobs is a perfectionist" and "Is Apple going to fall in price?" show a strong correlation, even though the two sentences have no words in common. have. The reason is that the word "apple" in the second sentence may refer to eating apples, but "Jobs" appears in the first sentence, so "apple" in the second sentence is It can be understood naturally that it refers to Apple's products. Thus, the word "apple" here includes both the topic "Apple Inc." and the topic "fruit."

また、トピックモデルは生成モデルであってもよい。１つのドキュメントにおける単語はすべて、「所定の確率によって１つのトピックを選定し、当該トピックにおいて所定の確率によって１つの単語を選定する」というような流れで得られたものである。つまり、１つのドキュメントを生成するとき、当該ドキュメントにおける各単語の現れる確率が

である。 Also, the topic model may be a generative model. All the words in one document are obtained in such a flow as "one topic is selected with a predetermined probability, and one word is selected in the topic with a predetermined probability". In other words, when generating a single document, the probability of each word appearing in the document is

is.

ここで、ｐ（単語｜ドキュメント）は１つのドキュメントにおける各単語が現れる確率を表し、ｐ（単語｜トピック）は１つのトピックにおいて各単語が現れる確率を表し、ｐ（トピック｜ドキュメント）は１つのドキュメントにおいて各トピックが現れる確率を表す。 where p(word|document) represents the probability of occurrence of each word in one document, p(word|topic) represents the probability of occurrence of each word in one topic, and p(topic|document) represents the probability of occurrence of one word. Represents the probability of each topic appearing in the document.

ここで、複数のドキュメント（例えば、大量のウェブページ）があると仮定する。まずは、これらのドキュメントに対して単語分割を行って、語彙リストを取得する。次に、すべての単語１つずつを対象として、当該単語がドキュメントにおいて現れた回数と、ドキュメントにおけるすべての単語の総数との比を計算して、ドキュメントにおいて当該単語が現れる確率を取得することができる。つまり、任意のドキュメントにおいては、ｐ（単語｜ドキュメント）は既知であり、ｐ（単語｜トピック）及びｐ（トピック｜ドキュメント）は未知である。トピックモデルはこのような原理に基づいて、大量の既知の「単語－ドキュメント」マトリックスｐ（単語｜ドキュメント）を利用して、一連のトレーニングを行って、「単語－トピック」マトリックスｐ（単語｜トピック）及び「トピック－ドキュメント」マトリックスｐ（トピック｜ドキュメント）を推理して取得する。 Now assume that there are multiple documents (eg, a large number of web pages). First, word segmentation is performed on these documents to obtain a vocabulary list. Then, for every single word, compute the ratio of the number of times that word appears in the document to the total number of all words in the document to obtain the probability of that word appearing in the document. can. That is, in any document, p(word|document) is known, and p(word|topic) and p(topic|document) are unknown. Based on this principle, the topic model uses a large number of known "word-document" matrices p(word|document) and undergoes a series of training to generate a "word-topic" matrix p(word|topic ) and the “topic-document” matrix p(topic|document).

さらに、トピックモデルは、確率的潜在意味解析（Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ，ＰＬＳＡ）、潜在的ディリクレ分布（Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ，ＬＤＡ）、及びラベルを用いた潜在的ディリクレ分布（Ｌａｂｅｌ Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ，Ｌ－ＬＤＡ）を含んでもよいが、これらに限られない。また、様々な応用シーンにおける必要に応じて、トピックモデルを拡大することもできる。例えば、ＰＬＳＡモデルに単語の文脈情報、地理的位置の文脈情報などを引き込んでもよく、テキストコーパスの時間情報を引き込んでトピックの時間に伴う変化を研究してもよく、又は製品やブログ文章についてのユーザの採点情報を基本ＬＤＡモデルに引き込んでもよい。 In addition, the topic models are based on Probabilistic Latent Semantic Analysis (PLSA), Latent Dirichlet Allocation (LDA), and Label Latent Dirichlet Allocation (L-LDA). ), including but not limited to: Also, the topic model can be expanded according to the needs in various application scenes. For example, the PLSA model may be pulled in word contextual information, geographic location contextual information, etc., temporal information in a text corpus to study changes in topics over time, or about products or blog posts. User scoring information may be pulled into the basic LDA model.

選択的に、他の実施例として、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップは、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行うステップを含む。ここで、頻出アイテム集合は少なくとも１つの頻出アイテムの確信度を含む。また、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップは、少なくとも１つの頻出アイテムのうちから、複数の単語にマッチする頻出アイテムを特定して、特定した頻出アイテムの確信度に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定するステップを含む。 Optionally, as another example, matching against each word of a plurality of words and at least one significant element corresponding to each intent of at least one intent in a pre-built intent database at least one frequent item in a frequent item set in a sequence pattern corresponding to each word of a plurality of words and each intent of at least one intent in a pre-built intent database; , including the step of matching against . Here, the frequent item set includes the certainty of at least one frequent item. Further, the step of determining at least one degree of correlation with the question of each intention among the at least one intentions in the pre-built intention database based on the matching result includes: and determining at least one correlation of each intent among the at least one intent in the pre-built intent database with the question based on the confidence of the identified frequent items. including the step of confirming.

具体的に、シーケンスパターン（Ｓｅｑｕｅｎｃｅ Ｐａｔｔｅｒｎ）とは、異なるシーケンスから構成された集合であり、その中の各シーケンスは順番に従って並んでいる異なる要素から構成されており、各要素（トランザクション）は異なる項目から構成されている。それに、ユーザにより決められた最小支持度閾値を提供する。シーケンスパターンマイニング（Ｓｅｑｕｅｎｃｅ Ｐａｔｔｅｒｎ Ｍｉｎｉｎｇ）とは、すべての頻出サブシーケンスを見つけることである。すなわち、シーケンス集合において当該サブシーケンスが現れる頻度が、ユーザにより決められた最小支持度閾値以上でなければならない。言い換えると、まずはすべての頻出アイテム集合を見つける必要がある。これらのアイテム集合が現れる頻度は最低、予め設定された最小支持度に等しい。その次、頻出アイテム集合に基づいて相関ルールを生成する。これらのルールは、必ず最小支持度及び最小確信度に満たさなければならない。 Specifically, a sequence pattern is a set composed of different sequences, each sequence in which is composed of different elements arranged in order, and each element (transaction) is a different item. consists of It also provides a user defined minimum support threshold. Sequence Pattern Mining is to find all frequent subsequences. That is, the frequency with which the subsequence appears in the sequence set must be greater than or equal to a user-defined minimum support threshold. In other words, we first need to find all frequent itemsets. The frequency of occurrence of these itemsets is the lowest, equal to the preset minimum support. Then, an association rule is generated based on the frequent itemsets. These rules must always meet a minimum support and a minimum confidence.

ここで、相関ルールはデータに含まれている相関性を表す。例えば、商品Ｘを購入するユーザは商品Ｙを購入する頻度が高い。支持度（Ｓｕｐｐｏｒｔ）は、商品Ｘと商品Ｙが同時に現れる確率を表す。商品Ｘと商品Ｙが同時に現れる確率が低ければ、商品Ｘと商品Ｙとの相関性が弱く、商品Ｘと商品Ｙが同時に現れる確率が高ければ、商品Ｘと商品Ｙとの相関性が強い。支持度の公式は
支持度（｛Ｘ，Ｙ｝）＝｛Ｘ，Ｙ｝を一緒に購入する人数／総人数 Here, association rules represent relationships contained in the data. For example, a user who purchases product X frequently purchases product Y. The degree of support (Support) represents the probability that product X and product Y appear at the same time. If the probability that product X and product Y appear at the same time is low, the correlation between product X and product Y is weak, and if the probability that product X and product Y appear at the same time is high, the correlation between product X and product Y is strong. Support formula is support ({X, Y}) = number of people who buy {X, Y} together / total number of people

である。確信度（Ｃｏｎｆｉｄｅｎｃｅ）は、商品Ｘを購入するユーザが商品Ｙを一緒に購入する確率を表す。確信度が高ければ（例えば、９０％より高い）、商品Ｘを購入するユーザが商品Ｙを一緒に購入する可能性が高く、確信度が低ければ（例えば、１０％より小さい）、商品Ｘを購入するユーザが商品Ｙを購入しない可能性が高い。確信度の公式は、
確信度（Ｘ－＞Ｙ）＝｛Ｘ，Ｙ｝を同時に購入する人数／Ｘを購入する人数
である。なお、支持度には前後の順番が存在せず、すなわち｛Ｘ，Ｙ｝の支持度と｛Ｙ，Ｘ｝の支持度は同一である。 is. Confidence represents the probability that a user who purchases product X will purchase product Y together. If the confidence is high (e.g., greater than 90%), users who purchase product X are more likely to purchase product Y together; It is highly probable that the purchasing user will not purchase the product Y. The confidence formula is
Confidence (X->Y)=number of people who purchase {X, Y} at the same time/number of people who purchase X. Note that there is no order in the degree of support, that is, the degree of support of {X, Y} and the degree of support of {Y, X} are the same.

例えば、１００００名のユーザのスーパーマーケットでの買い物記録をサンプルデータとする。その中、１０００名のユーザが飲料水を購入しており、２０００名のユーザがビールを購入しており、５００名のユーザがパンを購入しており、８００名のユーザが飲料水とビールを同時に購入しており、１００名のユーザが飲料水とパンを同時に購入している。よって、｛飲料水，ビール｝の支持度（すなわち｛飲料水，ビール｝が同時に現れる確率）は８００／１００００＝０．０８となり、｛飲料水，パン｝の支持度は１００／１００００＝０．０１となり、（飲料水－＞ビール）の確信度（すなわち飲料水を購入したユーザがビールを一緒に購入する確率）は８００／１０００＝０．８となり、（ビール－＞飲料水）の確信度は８００／２０００＝０．４となる。 For example, the shopping records of 10,000 users at a supermarket are sample data. Among them, 1000 users purchased drinking water, 2000 users purchased beer, 500 users purchased bread, and 800 users purchased drinking water and beer. 100 users purchased drinking water and bread at the same time. Therefore, the degree of support for {drinking water, beer} (that is, the probability that {drinking water, beer} appear at the same time) is 800/10000=0.08, and the degree of support for {drinking water, bread} is 100/10000=0.08. 01, the confidence of (drinking water -> beer) (that is, the probability that users who purchased drinking water will buy beer together) is 800/1000 = 0.8, and the confidence of (beer -> drinking water) is 800/2000=0.4.

さらに、シーケンスマイニングアルゴリズムは、Ａｐｒｉｏｒｉアルゴリズム、一般的シーケンシャルパターン（Ｇｅｎｅｒａｌｉｚｅｄ Ｓｅｑｕｅｎｔｉａｌ Ｐａｔｔｅｒｎ，ＧＳＰ）アルゴリズム、ＦｒｅｅＳｐａｎアルゴリズム及びＰｒｅｆｉｘＳｐａｎアルゴリズムを含んでもよいが、これらに限られない。Ａｐｒｉｏｒｉアルゴリズムは、相関ルールをマイニングする頻出アイテム集合アルゴリズムであり、その基本思想は、２つの段階（候補集合の生成及びストーリーの下向き封閉検出）によって頻出アイテム集合をマイニングすることである。ＧＳＰアルゴリズムはＡｐｒｉｏｒｉアルゴリズムに類似し、その基本思想は、データベースをスキャンするたびに、前回のスキャンによって生成された大シーケンスを用いて候補シーケンスを生成して、スキャンしながらそれらの支持度を計算し、支持度を満たす候補シーケンスを次回のスキャンで用いる大シーケンスと確定する。ＦｒｅｅＳｐａｎアルゴリズムは、パターン射影に基づくシーケンスマイニングアルゴリズムであり、その基本思想は、マイニング済みの頻出シーケンス集合を利用して、シーケンスデータベースの射影を再帰的に求めてより小さい射影データベースを取得し、各射影データベースでサブシーケンスを増長させる。ＰｒｅｆｉｘＳｐａｎアルゴリズムはＦｒｅｅＳｐａｎを改善したアルゴリズムであり、その基本思想は射影を行うときに、現れる可能性のあるすべての頻出サブシーケンスではなく、接頭辞シーケンスのみをチェックし、そして対応する接尾辞を射影して射影データベースを取得する。 Further, sequence mining algorithms may include, but are not limited to, Apriori Algorithm, Generalized Sequential Pattern (GSP) Algorithm, FreeSpan Algorithm and PrefixSpan Algorithm. The Apriori algorithm is a frequent itemset algorithm for mining association rules, and its basic idea is to mine frequent itemsets by two stages: candidate set generation and story downward closure detection. The GSP algorithm is similar to the Apriori algorithm, the basic idea being that each time the database is scanned, the large sequences generated by the previous scan are used to generate candidate sequences and compute their support as the scan progresses. , determine the candidate sequence that satisfies the support as the large sequence to be used in the next scan. The FreeSpan algorithm is a sequence mining algorithm based on pattern projection. Its basic idea is to use the mined frequent sequence set to recursively find the projections of the sequence database to obtain a smaller projection database, and each projection Amplify the subsequence in the database. The PrefixSpan algorithm is an improvement over FreeSpan, the basic idea of which is to check only the prefix sequence, rather than all possible frequent subsequences, when doing the projection, and project the corresponding suffixes. to get the projection database.

本発明の他の一実施例において、質問に対応する回答を取得するステップは、質問に対して単語分割処理を行って、複数の単語を取得するステップと、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップと、マッチング結果に基づいて、予め設定された対応するサブルーチンを実行して、サブルーチンに対応する回答を取得するステップと、を含む。 In another embodiment of the present invention, the step of obtaining an answer corresponding to the question includes performing word segmentation processing on the question to obtain a plurality of words; , with at least one key element corresponding to each intention among at least one intention in a pre-built intention database; and based on the matching result, executing a preset corresponding subroutine. executing and obtaining an answer corresponding to the subroutine.

具体的には、単語分割処理で得られた複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確認する。複数の単語のうちの各単語と、意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチする場合、質問に対応する回答を直接取得して出力する。複数の単語のうちの各単語と、意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、回答をトリガーする少なくとも１つの重要要素を文脈意図推理の方法によって取得する。 Specifically, each word among the plurality of words obtained by the word segmentation process is matched with at least one important element corresponding to each intention among at least one intention in the intention database constructed in advance. Check whether or not If each word among the plurality of words matches at least one key element corresponding to each intention among the at least one intention in the intention database, directly obtain and output an answer corresponding to the question. If each word of the plurality of words does not match at least one key element corresponding to each intent of the at least one intent in the intent database, at least one key element that triggers an answer is determined by contextual intent inference. Get by the way.

さらに、類似度の高い順に沿って、意図データベースにおいて質問との類似度が高い複数の拡張質問のうちから１つの拡張質問を特定する。少なくとも１つの重要要素が消去されたあと、当該拡張質問に含まれている残りの少なくとも１つの単語が１つ前の質問の中に存在するか否かを確認する。少なくとも１つの重要要素が消去されたあと、当該拡張質問に含まれている残りの少なくとも１つの単語のうちのいずれの単語も１つ前の質問の中に存在しない場合、当該拡張質問を直接削除し、次の拡張質問が文脈意図の要件に満たすか否かを確認する。一方、少なくとも１つの重要要素が消去されたあと、当該拡張質問に含まれている残りの少なくとも１つの単語のうち、少なくとも１つの単語が１つ前の質問の中に存在する場合、当該拡張質問に対応する回答を取得して出力する。 Further, one extended question is identified from among a plurality of extended questions having a high degree of similarity with the question in the intention database in descending order of similarity. After at least one key element has been eliminated, it is checked whether at least one remaining word contained in the extended question exists in the previous question. Directly delete the extended question if none of the at least one remaining word contained in the extended question is present in the previous question after at least one key element has been deleted and check whether the next extended question satisfies the contextual intent requirements. On the other hand, if at least one of the remaining at least one word included in the extended question after at least one important element is deleted exists in the previous question, the extended question Get and output the answer corresponding to .

本発明の他の一実施例において、推薦意図をユーザに送るステップは、推薦意図の質問文をユーザに送るステップを含む。また、当該質問応答インタラクション方法は、ユーザのフィードバックによって、推薦意図の質問文に対応する回答をユーザに送信するステップ、を更に含む。 In another embodiment of the present invention, sending the recommendation intent to the user includes sending a recommendation intent question to the user. In addition, the question-answering interaction method further includes the step of sending an answer corresponding to the question sentence of recommendation intention to the user according to the user's feedback.

具体的に、インテリジェント質問応答システムは、ユーザの質問に答えるとともに、推薦意図の質問文をユーザに送ることができる。さらに、ユーザのフィードバックによって、推薦意図の質問文に対応する回答をユーザに送信することができる。 Specifically, the intelligent question answering system can answer the user's question and send the user a question with a recommendation intent. Furthermore, based on the user's feedback, it is possible to transmit to the user an answer corresponding to the question sentence of the recommendation intent.

ここでは、再び招商銀行のインテリジェントオンライン顧客サービスシステムを例とする。ユーザの質問が「私のクレジットカードに何ポイントがありますか」である場合、インテリジェントオンライン顧客サービスシステムの回答は、「現在使用可能なポイント：７６００ポイント。ポイントで宝くじを引くイベントについてご興味がありますか？」となる。さらに、ユーザが「はい」と返事すると、インテリジェントオンライン顧客サービスシステムは「ポイントで宝くじを引くイベント」に対応する回答をユーザに送信する。 Here again, take the intelligent online customer service system of Merchants Bank as an example. If the user's question is "How many points do I have on my credit card?", the answer of the intelligent online customer service system is "Currently available points: 7600 points. I am interested in events to win lottery with points Is it?" Moreover, if the user replies "yes", the intelligent online customer service system will send the user a reply corresponding to the "points to win lottery event".

本発明の他の一実施例において、推薦意図をユーザに送るステップは、推薦意図の商品の内容をユーザに送るステップを含む。 In another embodiment of the present invention, sending the recommendation intent to the user includes sending the content of the recommended product to the user.

具体的に、インテリジェント質問応答システムは推薦意図に対応する商品の内容をユーザに送ることができる。ここで、商品はバナナ、牛乳、ジャムなどの食品であってもよく、携帯電話、書籍、おもちゃなどの物品であってもよく、本発明はこれについて制限しない。また、商品の内容はイメージ、動画、リンクなどの形を有する広告内容を含んでもよいが、これらに限られない。 Specifically, the intelligent question answering system can send the product content corresponding to the recommendation intent to the user. Here, the goods may be foods such as bananas, milk, jam, etc., or goods such as mobile phones, books, toys, etc., and the present invention is not limited thereto. Also, the product content may include, but is not limited to, advertising content in the form of images, videos, links, and the like.

以上のすべての選択可能な技術案は、任意の組合せで本発明の選択可能な実施例を構成することができ、ここでは重複になる説明を省略する。 All of the above alternative technical solutions can be optionally combined to constitute an alternative embodiment of the present invention, and redundant descriptions will be omitted here.

図２は、本発明の他の例示的な一実施例による質問応答インタラクション方法のフローチャートである。図２に示すよう、当該質問応答インタラクション方法は以下の内容を含む。 FIG. 2 is a flow chart of a question answering interaction method according to another exemplary embodiment of the present invention. As shown in FIG. 2, the question-answering interaction method includes the following contents.

２１０：ユーザの質問を受信する。 210: Receive the user's question.

本発明の実施例において、ユーザの質問は、１つの意図のみを含んでもよく、複数の意図を含んでもよく、本発明はこれについて制限しない。例えば、ユーザの質問が「クレジットカードの返済をしたい」である場合、当該質問には「クレジットカードの返済」という１つの意図しか含まれていない。もう１つの例として、ユーザの質問が「本日の北京と上海の天気を教えてください」である場合、当該質問には「北京の天気」及び「上海の天気」という２つの意図が含まれている。 In embodiments of the present invention, the user's question may contain only one intent, or may contain multiple intents, and the present invention is not limited in this respect. For example, if the user's question is "I want to pay off my credit card," the question only contains one intent, "I want to pay off my credit card." As another example, if the user's question is "What is the weather in Beijing and Shanghai today?", the question contains two intents: "Weather in Beijing" and "Weather in Shanghai". there is

なお、ユーザの質問はテキストメッセージ、音声メッセージ、イメージメッセージ、画像メッセージ及び動画メッセージのうちの１つ又は複数を含むことができる。さらに、ユーザの質問には句読点が含まれてもよく、句読点が含まれなくてもよい。 Note that the user's question may include one or more of a text message, voice message, image message, image message, and video message. Additionally, the user's question may or may not include punctuation.

２２０：質問に対して単語分割処理を行って、複数の単語を取得する。 220: Perform word segmentation processing on the question to obtain a plurality of words.

本発明の実施例において、予め設定された単語分割ルール及び予め構築された単語分割辞書に基づいて、ユーザの質問に対して単語分割処理を行って、複数の単語を取得する。ここで、単語分割ルールは、フォワード最大マッチング法、バックワード最大マッチング法、単語ごと確認法又は単語頻度統計法、最少切り分け法、双方向マッチング法などを含んでもよいが、それらに限られない。単語分割処理は、双方向最大マッチング法、ビタビアルゴリズム、隠れマルコフモデルアルゴリズム及び条件付き確率場アルゴリズムのうちの１つ又は複数を採用することができる。 In an embodiment of the present invention, a word segmentation process is performed on a user's question based on a preset word segmentation rule and a preconfigured word segmentation dictionary to obtain a plurality of words. Here, the word segmentation rule may include, but is not limited to, a forward maximum matching method, a backward maximum matching method, a word-by-word confirmation method or word frequency statistics method, a minimum segmentation method, a two-way matching method, and the like. The word segmentation process may employ one or more of a bidirectional maximum matching method, a Viterbi algorithm, a hidden Markov model algorithm and a conditional random field algorithm.

なお、本発明において質問に対して処理を行う手段は単語分割処理に限られず、他の適切な手段（例えば、センテンス分割処理、単語組合せなど）であってもよい。 In the present invention, means for processing questions is not limited to word segmentation processing, and other appropriate means (eg, sentence segmentation processing, word combination, etc.) may be used.

２３０：複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行い、ここで、トピックモデルは少なくとも１つの重要要素の確率を含む。 230: Match against each word of the plurality of words and at least one significant element in the topic model corresponding to each intent among the at least one intent in the pre-built intent database, wherein , the topic model contains the probabilities of at least one significant factor.

本発明の実施例においては、複数の単語のうちの各単語に対して語義解析を行うことによって、複数の単語の語義情報を取得し、語義情報と予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素とに対して語義類似度の計算を行い、最も語義類似度の高い重要要素を特定して、マッチする少なくとも１つの重要要素として確定する。 In an embodiment of the present invention, semantic analysis is performed on each word of the plurality of words to obtain semantic information of the plurality of words, and the semantic information and at least one intention in a pre-built intention database are obtained. Calculating the semantic similarity with at least one key element in the topic model corresponding to each intention among the above, identifying the key element with the highest semantic similarity, and determining it as at least one matching key element do.

トピックモデルは少なくとも１つの重要要素の確率を含んでもよい。ここで、トピックモデルは非構造化データを処理するためのよく使われている方法であり、その主要な機能がテキストデータから潜在的なトピック情報を抽出することである。トピックモデルにおいて、１つのトピックモデルのトピックは、実は語彙表における単語の確率分布である。また、ルール又は辞書に基づく他の検索方法とは違い、トピックモデルは教師なし学習方法である。 A topic model may include probabilities of at least one significant factor. Here, topic models are a popular method for processing unstructured data, whose main function is to extract latent topic information from text data. In the topic model, the topic of one topic model is actually the probability distribution of words in the lexicon. Also, unlike other search methods based on rules or dictionaries, topic models are unsupervised learning methods.

２４０：少なくとも１つの重要要素のうちの、複数の単語にマッチする重要要素の確率に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定する。 240: At least one correlation of each intent of the at least one intent in the pre-built intent database with the question based on the probability of the significance of the at least one significance of matching the plurality of words. Determine the degree.

本発明の実施例においては、語義類似度の計算結果に基づいて、マッチする少なくとも１つの重要要素のうちの各重要要素に対応する意図の、質問との少なくとも１つの相関度を確定する。ここで、語義類似度とは、複数の単語の語義情報と、意図データベースにおける複数の予め設定された意図知識との間の、文字及び単語レベルにおけるマッチ度合い、及び語義の高度近似性を指す。 In an embodiment of the present invention, at least one correlation of the intent corresponding to each of the matching at least one key elements with the question is determined based on the result of the semantic similarity calculation. Here, the word sense similarity refers to the degree of matching at the character and word level and the high degree of word sense similarity between the word sense information of multiple words and multiple preset intention knowledge in the intention database.

さらに、語義類似度は、ベクトル空間モデルに基づく計算方法、隠れ語義インデクシングモデルに基づく計算方法、属性理論に基づく語義類似度計算方法及びハミング距離に基づく語義類似度計算方法のうちの１つ又は複数方法の組合せによって計算されることができる。なお、語義類似度の計算方法は他の語義類似度を計算する方法であってもよい。 Furthermore, the semantic similarity is calculated by one or more of a calculation method based on a vector space model, a calculation method based on a hidden semantic indexing model, a semantic similarity calculation method based on attribute theory, and a semantic similarity calculation method based on Hamming distance. It can be calculated by a combination of methods. It should be noted that the method of calculating the word sense similarity may be another method of calculating the word sense similarity.

２５０：少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定する。 250: Among at least one correlation degree, a correlation degree exceeding a preset correlation degree threshold is specified, and an intention corresponding to the identified correlation degree is determined as a recommendation intention.

本発明の実施例において、相関度は以下の方法によって算出されることができる。ユーザとインテリジェント質問応答システムとのインタラクション日誌から、ユーザが最初の質問を聞いたあとに追加で聞いた複数の質問を特定し、追加で聞かれた複数の質問のうちの各質問に対応する人数を統計し、統計結果に基づいて各質問に対応する人数がインタラクション日誌において占める割合を計算する。 In an embodiment of the present invention, the degree of correlation can be calculated by the following method. From the interaction diary between the user and the intelligent question answering system, identify the additional questions that the user asked after the initial question, and the number of people corresponding to each question among the additional questions. , and based on the statistical results, calculate the ratio of the number of people corresponding to each question in the interaction diary.

さらに、算出された相関度を相関度閾値に比較する。相関度が相関度閾値より大きい場合、当該相関度に対応する意図を推薦意図として確定し、相関度が相関度閾値より小さい場合、当該相関度に対応する意図を無視する。 Furthermore, the calculated correlation degree is compared with a correlation degree threshold. If the degree of correlation is greater than the threshold of correlation, the intention corresponding to the degree of correlation is determined as the recommended intention, and if the degree of correlation is less than the threshold of correlation, the intention corresponding to the degree of correlation is ignored.

なお、相関度閾値は予め設定されたものであってもよく、実際の必要に応じて調整されてもよく、本発明はこれについて制限しない。 It should be noted that the correlation threshold may be preset or adjusted according to actual needs, and the present invention is not limited to this.

２６０：回答をユーザに送信するとともに、推薦意図をユーザに送る。 260: Send the answer to the user and send the recommendation intent to the user.

本発明の実施例において、インテリジェント質問応答システムは、ユーザに回答を送信するとともに、推薦意図の質問文をユーザに送り、さらにユーザの返事によって、推薦意図の質問文に対応する回答をユーザに送信することができる。又は、ユーザに回答を送信するとともに、推薦意図の商品の内容を送ることもできる。本発明はそれについて制限しない。また、テキスト、音声、イメージ、リンクなどの形で回答をユーザに提供することができる。 In an embodiment of the present invention, the intelligent question answering system sends an answer to the user, sends a recommendation intent question to the user, and according to the user's reply, sends an answer corresponding to the recommendation intent question to the user. can do. Alternatively, it is possible to transmit the contents of the product intended for recommendation together with the reply to the user. The invention does not limit it. Also, answers can be provided to the user in the form of text, voice, images, links, and the like.

本発明の実施例により提供される技術案によると、トピックモデルを利用することによって、ドキュメントに対応するトピックを膨大なデータから見つけることができ、さらに、トピックに基づいて、当該トピックに属する単語が決められる確率を確認することができる。したがって、テキスト情報の処理能力を向上させ、自発的なマーケティングを実現し、ユーザ体験をより一層向上させることができる。
以下、京東社（ＪＤ．ｃｏｍ）のインテリジェント質問応答システムを例として、前述の質問応答インタラクション方法について詳しく説明する。 According to the technical solution provided by the embodiment of the present invention, by using the topic model, the topic corresponding to the document can be found from a huge amount of data, and based on the topic, the words belonging to the topic are You can check the probability of being determined. Therefore, it is possible to improve the processing capability of text information, implement spontaneous marketing, and further improve the user experience.
In the following, the aforementioned question-answering interaction method will be described in detail, taking JD.com's intelligent question-answering system as an example.

具体的に、インテリジェント質問応答システムには予め設定されたトピックモデルが記憶されている。当該トピックモデルは４つのトピック、すなわちトピック１、トピック２、トピック３及びトピック４を含んでいる。ここで、トピック１、トピック２、トピック３及びトピック４の語彙表における単語の確率分布は、表１に示す通りである。なお、本発明の実施例で使用している第１、第２などの限定的な単語は、本発明の実施例による技術案をより明確に説明するために使用されるものに過ぎず、本発明の保護範囲を制限するためのものではない。 Specifically, the intelligent question answering system stores preset topic models. The topic model contains four topics: topic1, topic2, topic3 and topic4. Here, Table 1 shows the probability distribution of words in the vocabulary tables for Topic 1, Topic 2, Topic 3, and Topic 4. It should be noted that the limited terms such as first and second used in the embodiments of the present invention are merely used to more clearly describe the technical solutions according to the embodiments of the present invention, and the It is not intended to limit the protection scope of the invention.

ユーザＡの質問が「アップルと梨のどっちがおいしい？」であり、ユーザＢの質問が「アップルとアンドロイド(登録商標)のどっちが使いやすい？」であると仮定すると、インテリジェント質問応答システムは予め設定された単語分割ルール及び予め構築された単語分割辞書に基づいて、接頭辞、接尾辞及びストップワードなどを除去する手法などによって、以上の質問のそれぞれに対して単語分割処理を行う。その結果、ユーザＡの質問に対応する単語が「アップル」、「梨」及び「おいしい」となり、ユーザＢの質問に対応する単語が「アップル」、「アンドロイド」及び「使いやすい」となる。 Assuming that User A's question is "Which is tastier, apple or pear?" and User B's question is "Which is easier to use, Apple or Android?" Based on the set word-splitting rules and a pre-constructed word-splitting dictionary, word-splitting processing is performed for each of the above questions, such as by removing prefixes, suffixes, stop words, and the like. As a result, the words corresponding to user A's question are "apple", "pear" and "delicious", and the words corresponding to user B's question are "apple", "android" and "easy to use".

さらに、ユーザＡの質問に対応する単語「アップル」、「梨」及び「おいしい」と、予め設定されたトピックモデルにおける各トピックの語彙表にある単語と、に対して比較する。比較結果からわかるよう、トピック３に属する確率が最も高い。よって、トピック３に対応する商品の広告内容をユーザＡに送る。同じく、ユーザＢの質問に対応する単語「アップル」、「アンドロイド」及び「使いやすい」と、予め設定されたトピックモデルにおける各トピックの語彙表にある単語と、に対して比較する。比較結果からわかるよう、トピック１に属する確率が最も高い。よって、トピック１に対応する商品の広告内容をユーザＢに送る。 Furthermore, the words "apple", "pear" and "delicious" corresponding to the question of user A are compared with the words in the lexicon for each topic in the preset topic model. As can be seen from the comparison results, the probability of belonging to topic 3 is the highest. Therefore, the advertisement content of the product corresponding to the topic 3 is sent to the user A. Similarly, the words "apple," "android," and "easy to use" corresponding to user B's question are compared against the words in the lexicon for each topic in the preset topic model. As can be seen from the comparison results, the probability of belonging to topic 1 is the highest. Therefore, the advertisement content of the product corresponding to the topic 1 is sent to the user B.

図３は、本発明の他の例示的な一実施例による質問応答インタラクション方法のフローチャートである。図３に示すように、当該質問応答インタラクション方法は以下の内容を含む。 FIG. 3 is a flowchart of a question answering interaction method according to another exemplary embodiment of the present invention. As shown in FIG. 3, the question-answering interaction method includes the following contents.

３１０：ユーザの質問を受信する。 310: Receive the user's question.

３２０：質問に対して単語分割処理を行って、複数の単語を取得する。 320: Perform word segmentation on the question to obtain multiple words.

３３０：複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行う。ここで、頻出アイテム集合は少なくとも１つの頻出アイテムの確信度を含む。 330: for each word of the plurality of words and at least one frequent item in the frequent item set in the sequence pattern corresponding to each intent of the at least one intent in the pre-built intent database; perform matching. Here, the frequent item set includes the certainty of at least one frequent item.

３４０：少なくとも１つの頻出アイテムのうちから、複数の単語にマッチする頻出アイテムを特定して、特定した頻出アイテムの確信度に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を確定する。 340: identifying frequent items that match a plurality of words from among the at least one frequent item, and determining each of at least one intention in a pre-built intention database based on the confidence of the identified frequent items; Determine at least one degree of correlation of the intent with the question.

３５０：少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定する。 350: Among at least one correlation degree, identify a correlation degree that exceeds a preset correlation degree threshold, and determine an intention corresponding to the identified correlation degree as a recommendation intention.

３６０：回答をユーザに送信するとともに、推薦意図をユーザに送る。 360: Send the answer to the user and send the recommendation intent to the user.

本発明の実施例により提供される技術案は、シーケンスパターンを利用することによって、ユーザ行為に対してモデル構築を行うことができ、したがって、ユーザの過去の行為に基づいてユーザの将来の行為を予測することができる。このように、自発的な商品マーケティングを実現するとともに、ユーザ体験をより一層向上させることができる。 The technical solution provided by the embodiment of the present invention can build a model for user actions by using the sequence pattern, so that the user's future actions can be determined based on the user's past actions. can be predicted. In this way, it is possible to implement spontaneous product marketing and further improve the user experience.

以下、中国移動社（チャイナモバイル，Ｃｈｉｎａ Ｍｏｂｉｌｅ）のインテリジェント質問応答システムを例として、前述の質問応答インタラクション方法について詳しく説明する。 In the following, the aforementioned question-answering interaction method will be described in detail, taking China Mobile's intelligent question-answering system as an example.

具体的に、インテリジェント質問応答システムには予め設定されたシーケンスパターンが記憶されている。当該シーケンスパターンは、ユーザの行為データに基づくビッグデータ分析によって得られたものである。ここで、プランのシーケンスパターンを例とする。ほとんどのユーザは、「プラン」を選択してから「ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）プラン」を選択しており、「ＧＳＭプラン」を選択してから「ＧＳＭデータ通信プラン」を選択しており、「ＧＳＭデータ通信プラン」を選択してから「ＧＳＭデータ通信プラン５８元コース」を選択しており、「ＧＳＭデータ通信プラン５８元コース」を選択してから「ＧＳＭデータ通信プラン５８元コースを契約する」を選択している。表２においては、プランのシーケンスパターンにおける各項目の確信度を示す。 Specifically, a preset sequence pattern is stored in the intelligent question answering system. The sequence pattern is obtained by big data analysis based on user behavior data. Here, the sequence pattern of the plan is taken as an example. Most users select "Plan" and then select "GSM (Global System for Mobile communications) plan", select "GSM plan" and then select "GSM data communication plan". , select "GSM data communication plan" and then select "GSM data communication plan 58 yuan course", select "GSM data communication plan 58 yuan course" and then "GSM data communication plan 58 yuan course" contract” is selected. Table 2 shows the confidence of each item in the sequence pattern of the plan.

以下、中国移動社（チャイナモバイル，Ｃｈｉｎａ Ｍｏｂｉｌｅ）のインテリジェント質問応答システムを例として、前述の質問応答インタラクション方法について詳しく説明する。 In the following, the aforementioned question-answering interaction method will be described in detail, taking China Mobile's intelligent question-answering system as an example.

ユーザが中国移動のクライアントを登録して「プラン」をクリックする場合、表２の左側にあるデータからわかるよう、「ＧＳＭデータ通信プラン」の確信度が最も高い。つまり、ユーザは「プラン」を選択したあとに「ＧＳＭデータ通信プラン」を選択する可能性が高い。よって、ユーザが「プラン」をクリックしたと検出したら、インテリジェント質問応答システムは自発的に「ＧＳＭデータ通信プラン」をユーザに送る。さらに、表２の右側のデータからわかるよう、「ＧＳＭデータ通信プラン５８元コース」の確信度が最も高い。つまり、ユーザは「ＧＳＭデータ通信プラン」を選択したあとに「ＧＳＭデータ通信プラン５８元コース」を選択する可能性が高い。よって、ユーザが「ＧＳＭデータ通信プラン」をクリックしたと検出したら、インテリジェント質問応答システムは自発的に「ＧＳＭデータ通信プラン５８元コース」をユーザに送る。 When a user registers a China Mobile client and clicks on "Plans", as can be seen from the data on the left side of Table 2, the "GSM data plan" has the highest confidence. In other words, the user is likely to select the "GSM data communication plan" after selecting the "plan". Thus, upon detecting that the user has clicked on "Plan", the intelligent question answering system will spontaneously send the "GSM data communication plan" to the user. Furthermore, as can be seen from the data on the right side of Table 2, the degree of certainty for the "GSM data communication plan 58 yuan course" is the highest. In other words, there is a high possibility that the user will select the "GSM data communication plan 58 yuan course" after selecting the "GSM data communication plan". Thus, when detecting that the user has clicked on "GSM data plan", the intelligent question answering system will spontaneously send "GSM data plan 58 yuan course" to the user.

図４は、本発明の他の例示的な一実施例による質問応答インタラクション方法のフローチャートである。図４に示すように、当該質問応答インタラクション方法は以下の内容を含む。 FIG. 4 is a flow chart of a question answering interaction method according to another exemplary embodiment of the present invention. As shown in FIG. 4, the question-answering interaction method includes the following contents.

４１０：ユーザの質問を受信する。 410: Receive the user's question.

４２０：質問に対して単語分割処理を行って、複数の単語を取得する。 420: Perform word segmentation on the question to obtain multiple words.

４３０：複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行う。 430: Match against each word of the plurality of words and at least one significant element corresponding to each intent of at least one intent in the pre-built intent database.

４４０：複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確認する。 440: Check whether each word of the plurality of words matches at least one significant element corresponding to each intent of the at least one intent in the pre-built intent database.

４５０：複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチする場合、対応する回答を出力する。 450: If each word of the plurality of words matches at least one significant element corresponding to each intention of at least one intention in the pre-built intention database, output the corresponding answer.

４６０：複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、回答をトリガーする少なくとも１つの重要要素を文脈意図推理の方法によって取得する。 460: At least one critical element that triggers a response if each word of the plurality of words does not match at least one critical element corresponding to each intent of the at least one intent in the pre-built intent database Elements are obtained by the method of contextual intent reasoning.

本発明の実施例により提供される技術案は、文脈意図推理のプロセスを実行することによって、意図データベース構築の困難さを低減させ、計算効率を向上させ、質問応答インタラクションのプロセスを簡略化させ、複数のセンテンスから新しい意図を構成することを実現することができる。 The technical solutions provided by the embodiments of the present invention reduce the difficulty of constructing an intention database, improve computational efficiency, simplify the process of question-answer interaction, and perform the process of contextual intention reasoning, It can be realized to compose a new intent from multiple sentences.

以下、家購入のインテリジェント質問応答システムを例として、前述の質問応答インタラクション方法について詳しく説明する。 In the following, the aforementioned question-answering interaction method will be described in detail, taking the intelligent question-answering system for buying a house as an example.

具体的に、インテリジェント質問応答システムの意図データベースには、予め設定された意図知識が記憶されている。当該意図知識は、第１の意図知識「私は家を買う」、第２の意図知識「家を買うためには如何にローンを借りるか」、第３の意図知識「ローンを借りるためにどのような条件を満足すればよいか」及び第４の意図知識「家を買うためのローンを借りるための条件がどうなっているか」などを含むことができる。これらの意図知識に対応する表現式はそれぞれ、［家を買う］、［家を買う］［如何に］［ローンを借りる］、［ローンを借りる］［どのような］［条件］、及び、［家を買う］［ローンを借りる］［条件］［どうなっている］となる。 Specifically, preset intention knowledge is stored in the intention database of the intelligent question answering system. The intention knowledge includes the first intention knowledge "I want to buy a house", the second intention knowledge "How do I get a loan to buy a house", and the third intention knowledge "How do I get a loan?" and the fourth intention knowledge "What are the conditions for taking out a loan to buy a house?" Expressions corresponding to these intention knowledge are [buy a house], [buy a house] [how] [borrow a loan], [borrow a loan] [what] [conditions], and [ Buying a house] [borrowing a loan] [conditions] [what is going on].

次に、ユーザの１つ目の質問が「私は家を買う」であると仮定すると、１つ目の質問に対して単語分割処理を行って、複数の単語「私」、「は」及び「家を買う」を取得することができる。「家を買う」という単語が第１の意図知識に対応する表現式［家を買う］に直接マッチするため、続いて２つ目の質問に進入する。ユーザの２つ目の質問が「どうやってローンを借りるか」であると仮定すると、２つ目の質問に対して単語分割処理を行って、単語の「どうやって」及び「ローンを借りる」を取得することができる。意図データベースにおいては単語「どうやって」及び「ローンを借りる」にマッチする意図知識を直接見つけることができないため、文脈意図推理のサブルーチンを実行する。 Next, assuming that the user's first question is "I want to buy a house," word segmentation processing is performed on the first question, and a plurality of words "I", "Ha" and You can get "buy a house". The second question is subsequently entered because the word "buy a house" directly matches the expression [buy a house] corresponding to the first intent knowledge. Assuming the user's second question is "how do I get a loan?", we do a word splitting process on the second question to get the words "how" and "get a loan". be able to. Since it is not possible to directly find intent knowledge matching the words "how" and "get a loan" in the intent database, a subroutine of contextual intent inference is executed.

ここで、１つ目の質問に対しては文脈意図推理によって回答を取得するではないため、意図データベースから２つ目の質問「どうやってローンを借りるか」に近似する拡張質問を見つける必要がある。さらに、類似度の高い順で拡張質問に対して順位付けして、拡張質問の候補集合を取得する。当該拡張質問の候補集合は、第１の拡張質問［ローンを借りる］［どのような］［条件］、第２の拡張質問［家を買う］［如何に］［ローンを借りる］及び第３の拡張質問［家を買う］［ローンを借りる］［条件］［どうなっている］を含むことができる。 Here, since the answer to the first question is not obtained by contextual intention inference, it is necessary to find an extended question similar to the second question "how to get a loan" from the intention database. Further, the extended questions are ranked in descending order of similarity to obtain a candidate set of extended questions. The candidate set of such expanded questions are: the first expanded question [borrow a loan] [what] [conditions], the second expanded question [buy a house] [how] [borrow a loan], and the third Extended questions [buy a house] [take a loan] [terms] [what's going on] can be included.

さらに、第１の拡張質問［ローンを借りる］［どのような］［条件］から、２つ目の質問における単語「ローンを借りる」を消去すると、残りの単語が「条件」（必須項目）と「どのような」（選択項目）となる。この２つの単語はいずれも１つ目の質問「私は家を買う」で見つけることができないため、拡張質問の候補集合から第１の拡張質問を削除し、引き続き第２の拡張質問に対して同様な処理プロセスを実行する。第２の拡張質問［家を買う］［如何に］［ローンを借りる］から、２つ目の質問における単語「ローンを借りる」を消去すると、残りの単語が「家を買う」と「如何に」となる。単語「家を買う」は、１つ目の質問「私は家を買う」で見つけることができるため、第２の拡張質問は文脈意図の要件を満足する。よって、「家を買うためには如何にローンを借りるか」に対応する回答を出力する。 Furthermore, from the first extended question [borrow a loan] [what] [conditions], if the word "borrow a loan" in the second question is deleted, the remaining words are "conditions" (required items). "What" (choice item). Since neither of these two words can be found in the first question "I will buy a house", we remove the first expanded question from the candidate set of expanded questions and continue with the second expanded question. Carry out a similar treatment process. From the second expanded question [buy a house] [how] [get a loan], if we eliminate the word "get a loan" in the second question, the remaining words are "buy a house" and "how". ”. The second extended question satisfies the contextual intent requirement because the word "buy a house" can be found in the first question "I buy a house". Therefore, an answer corresponding to "how to borrow a loan to buy a house" is output.

以下は、本発明に係る装置の実施例であり、本発明に係る方法の実施例を実行するために用いられることができる。本発明に係る装置の実施例において詳しく説明されていない細部については、本発明に係る方法の実施例を参照すればよい。 The following are examples of apparatus according to the invention, which can be used to carry out embodiments of the method according to the invention. For details not described in detail in the embodiments of the device according to the invention, reference is made to the embodiments of the method according to the invention.

図５は、本発明の例示的な一実施例による質問応答インタラクション装置５００のブロック図である。図５に示すように、当該質問応答インタラクション装置５００は、受信モジュール５１０と、取得モジュール５２０と、確定モジュール５３０と、送信モジュール５４０と、を備える。
受信モジュール５１０は、ユーザの質問を受信する。 FIG. 5 is a block diagram of a question answering interaction system 500 according to an illustrative embodiment of the invention. As shown in FIG. 5 , the question answering interaction device 500 comprises a receiving module 510 , an obtaining module 520 , a determining module 530 and a transmitting module 540 .
Receiving module 510 receives the user's question.

取得モジュール５２０は、質問に対応する回答を取得するとともに、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度を取得する。 The acquisition module 520 acquires an answer corresponding to the question and at least one degree of correlation with the question of each intention among at least one intention in the pre-built intention database.

確定モジュール５３０は、少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定する。 The determination module 530 identifies, from among at least one correlation degree, a correlation degree exceeding a preset correlation degree threshold, and determines an intention corresponding to the identified correlation degree as a recommended intention.

送信モジュール５４０は、回答をユーザに送信するとともに、推薦意図をユーザに送る。 The sending module 540 sends a recommendation intent to the user as well as sending the answer to the user.

本発明の実施例により提供される技術案は、ユーザの質問を受信し、質問に対応する回答と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度と、を取得し、少なくとも１つの相関度のうちから予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定し、ユーザに回答を送信するとともに推薦意図をユーザに送ることによって、計算効率を向上させ、質問応答インタラクションのプロセスを簡略化させることができる。 A technical solution provided by an embodiment of the present invention is to receive a user's question, and generate at least one of an answer corresponding to the question and a question for each intention among at least one intention in a pre-built intention database. obtaining a correlation degree, identifying a correlation degree exceeding a preset correlation degree threshold from among at least one correlation degree, determining an intention corresponding to the identified correlation degree as a recommendation intention, and providing the user with the Sending the answer and sending the recommendation intent to the user can improve computational efficiency and simplify the process of question-answer interaction.

本発明の他の一実施例において、取得モジュール５２０は、質問に対して単語分割処理を行って複数の単語を取得する処理ユニット５２０１と、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うマッチングユニット５２０２と、マッチング結果に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度を確定する確定ユニット５２０３と、を備える。 In another embodiment of the present invention, the acquisition module 520 includes a processing unit 5201 for performing word segmentation processing on the question to acquire a plurality of words, each word in the plurality of words, and a pre-constructed at least one key element corresponding to each intent of the at least one intent in the intent database; a determination unit 5203 for determining at least one degree of correlation with each intent question of .

本発明の他の一実施例において、マッチングユニット５２０２は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行う。ここで、トピックモデルは少なくとも１つの重要要素の確率を含む。また、確定ユニット５２０３は、少なくとも１つの重要要素のうちから、複数の単語にマッチする重要要素を特定して、特定した重要要素の確率に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度を確定する。 In another embodiment of the present invention, the matching unit 5202 includes at least one topic model in the topic model corresponding to each word of the plurality of words and each intent of the at least one intent in the pre-built intent database. Match against important elements and. Here, the topic model includes probabilities of at least one key factor. The determination unit 5203 also identifies a key element that matches the plurality of words from the at least one key element, and based on the probability of the identified key element, determines at least one intent in a pre-built intent database. determine at least one degree of correlation with each intent question.

本発明の他の一実施例において、マッチングユニット５２０２は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行う。ここで、頻出アイテム集合は少なくとも１つの頻出アイテムの確信度を含む。また、確定ユニット５２０３は、少なくとも１つの頻出アイテムのうちから、複数の単語にマッチする頻出アイテムを特定して、特定した頻出アイテムの確信度に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度を確定する。 In another embodiment of the present invention, the matching unit 5202 generates frequent itemsets in the sequence patterns corresponding to each word of the plurality of words and each intent of the at least one intent in the pre-built intent database. and at least one frequent item in . Here, the frequent item set includes the certainty of at least one frequent item. In addition, the determination unit 5203 identifies frequent items matching the plurality of words from among the at least one frequent item, and based on the certainty of the identified frequent items, determines at least one item in a pre-built intention database. At least one degree of correlation of each intent of the intents with the question is determined.

本発明の他の一実施例において、取得モジュール５２０は、質問に対して単語分割処理を行って複数の単語を取得する処理ユニット５２０１と、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うマッチングユニット５２０２と、マッチング結果に基づいて、予め設定された対応するサブルーチンを実行して、サブルーチンに対応する回答を取得する実行ユニット５２０４と、を備える。 In another embodiment of the present invention, the acquisition module 520 includes a processing unit 5201 for performing word segmentation processing on the question to acquire a plurality of words, each word in the plurality of words, and a pre-constructed and at least one key element corresponding to each of the at least one intent in the intent database, and executing a preset corresponding subroutine based on the matching result. , and an execution unit 5204 for obtaining the answer corresponding to the subroutine.

本発明の他の一実施例において、実行ユニット５２０４は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確認する。複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチする場合、対応する回答を出力する。又は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、回答をトリガーする少なくとも１つの重要要素を文脈意図推理の方法によって取得する。 In another embodiment of the present invention, execution unit 5204 stores at least one key element corresponding to each word of a plurality of words and each intent of at least one intent in a pre-built intent database. match or not. If each word of the plurality of words matches at least one significant element corresponding to each intention among the at least one intention in the pre-built intention database, output a corresponding answer. or at least one critical element that triggers a response if each word of the plurality of words does not match at least one critical element corresponding to each intent of the at least one intent in the pre-built intent database. Elements are obtained by the method of contextual intent reasoning.

本発明の他の一実施例において、図５による質問応答インタラクション装置５００は、インタラクション日誌に記載の少なくとも１つのユーザのうちの各ユーザからの複数の質問に基づいて、ビッグデータ分析の方法を採用して、予め構築された意図データベースを構築するベース構築モジュール５５０を更に備える。ここで、予め構築された意図データベースは、少なくとも１つの意図のうちの各意図と少なくとも１つの重要要素との対応関係を含む。 In another embodiment of the present invention, the question answering interaction device 500 according to FIG. 5 adopts the method of big data analysis based on a plurality of questions from each of the at least one users listed in the interaction journal. and a base building module 550 for building a pre-built intention database. Here, the preconfigured intention database includes a correspondence relationship between each intention of at least one intention and at least one important element.

本発明の他の一実施例において、送信モジュール５４０は、推薦意図の質問文をユーザに送り、ユーザのフィードバックによって推薦意図の質問文に対応する回答をユーザに送信する。 In another embodiment of the present invention, the sending module 540 sends a recommendation intent question to the user, and sends a response corresponding to the recommendation intent question to the user according to the user's feedback.

本発明の他の一実施例において、送信モジュール５４０は、推薦意図の商品の内容をユーザに送る。 In another embodiment of the present invention, the sending module 540 sends the content of the product intended for recommendation to the user.

以上の装置における各モジュールの機能及び作用を実現するための詳しいプロセスについては、前述の方法における対応するステップを参照すればよく、ここでは再び説明しない。 For the detailed process of realizing the functions and actions of each module in the above apparatus, please refer to the corresponding steps in the above method, and will not be described again here.

図６は、本発明の他の例示的な一実施例による質問応答インタラクション装置６００のブロック図である。図６に示すように、当該質問応答インタラクション装置６００は、受信モジュール６１０と、処理モジュール６２０と、マッチングモジュール６３０と、確定モジュール６４０と、送信モジュール６５０と、を備える。 FIG. 6 is a block diagram of a question answering interaction system 600 according to another exemplary embodiment of the present invention. As shown in FIG. 6 , the question answering interaction device 600 comprises a receiving module 610 , a processing module 620 , a matching module 630 , a determining module 640 and a transmitting module 650 .

受信モジュール６１０は、ユーザの質問を受信する。 Receiving module 610 receives the user's question.

処理モジュール６２０は、質問に対して単語分割処理を行って、複数の単語を取得する。 The processing module 620 performs word segmentation processing on the question to obtain multiple words.

マッチングモジュール６３０は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行う。ここで、トピックモデルは少なくとも１つの重要要素の確率を含む。 A matching module 630 matches against each word of the plurality of words and at least one key element in the topic model corresponding to each intent of at least one intent in the pre-built intent database. . Here, the topic model includes probabilities of at least one key factor.

確定モジュール６４０は、少なくとも１つの重要要素のうちから、複数の単語にマッチする重要要素を特定して、特定した重要要素の確率に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度を確定するとともに、少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定する。 A determination module 640 identifies, from among the at least one key elements, key elements that match the plurality of words, and based on the probabilities of the identified key elements, determines among the at least one intent in the pre-built intent database. determining at least one degree of correlation with each intent question, and identifying, from among the at least one degree of correlation, a degree of correlation that exceeds a preset correlation degree threshold, and corresponding to the identified degree of correlation The intention is confirmed as a recommendation intention.

送信モジュール６５０は、回答をユーザに送信するとともに、推薦意図をユーザに送る。 The sending module 650 sends the recommendation intent to the user as well as sending the answer to the user.

本発明の実施例により提供される技術案によると、トピックモデルを利用することによって、ドキュメントに対応するトピックを膨大なデータから見つけることができ、さらに、トピックに基づいて、当該トピックに属する単語が決められる確率を確認することができる。したがって、テキスト情報の処理能力を向上させ、自発的なマーケティングを実現し、ユーザ体験をより一層向上させることができる。 According to the technical solution provided by the embodiment of the present invention, by using the topic model, the topic corresponding to the document can be found from a huge amount of data, and based on the topic, the words belonging to the topic are You can check the probability of being determined. Therefore, it is possible to improve the processing capability of text information, implement spontaneous marketing, and further improve the user experience.

図７は、本発明の他の例示的な一実施例による質問応答インタラクション装置７００のブロック図である。図７に示すように、当該質問応答インタラクション装置７００は、受信モジュール７１０と、処理モジュール７２０と、マッチングモジュール７３０と、確定モジュール７４０と、送信モジュール７５０と、を備える。 FIG. 7 is a block diagram of a question answering interaction system 700 according to another exemplary embodiment of the present invention. As shown in FIG. 7 , the question answering interaction device 700 comprises a receiving module 710 , a processing module 720 , a matching module 730 , a determining module 740 and a transmitting module 750 .

受信モジュール７１０は、ユーザの質問を受信する。 Receiving module 710 receives the user's question.

処理モジュール７２０は、質問に対して単語分割処理を行って、複数の単語を取得する。 The processing module 720 performs word segmentation processing on the question to obtain multiple words.

マッチングモジュール７３０は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行う。ここで、頻出アイテム集合は少なくとも１つの頻出アイテムの確信度を含む。 matching module 730 for each word of the plurality of words and at least one frequent item in the frequent item set in the sequence pattern corresponding to each intent in the at least one intent in the pre-built intent database; match against. Here, the frequent item set includes the certainty of at least one frequent item.

確定モジュール７４０は、少なくとも１つの頻出アイテムのうちから、複数の単語にマッチする頻出アイテムを特定して、特定した頻出アイテムの確信度に基づいて、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の質問との少なくとも１つの相関度を確定するとともに、少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定する。 The determination module 740 identifies frequent items that match a plurality of words from among the at least one frequent item, and determines at least one intent in a pre-built intention database based on the confidence of the identified frequent items. Determine at least one degree of correlation with the question of each intention among them, identify the degree of correlation exceeding a preset correlation degree threshold from among the at least one degree of correlation, and correspond to the identified degree of correlation The intention to do so is determined as the recommendation intention.

送信モジュール７５０は、回答をユーザに送信するとともに、推薦意図をユーザに送る。 The sending module 750 sends a recommendation intent to the user as well as sending the answer to the user.

本発明の実施例により提供される技術案は、シーケンスパターンを利用することによって、ユーザ行為に対してモデル構築を行うことができ、したがって、ユーザの過去の行為に基づいてユーザの将来の行為を予測することができる。このように、自発的な商品マーケティングを実現するとともに、ユーザ体験をより一層向上させることができる。 The technical solution provided by the embodiment of the present invention can build a model for user actions by using the sequence pattern, so that the user's future actions can be determined based on the user's past actions. can be predicted. In this way, it is possible to implement spontaneous product marketing and further improve the user experience.

図８は、本発明の他の例示的な一実施例による質問応答インタラクション装置８００のブロック図である。図８に示すように、当該質問応答インタラクション装置８００は、受信モジュール８１０と、処理モジュール８２０と、マッチングモジュール８３０と、確定モジュール８４０と、を備える。 FIG. 8 is a block diagram of a question answering interaction system 800 according to another exemplary embodiment of the present invention. As shown in FIG. 8 , the question answering interaction device 800 comprises a receiving module 810 , a processing module 820 , a matching module 830 and a determination module 840 .

受信モジュール８１０は、ユーザの質問を受信する。 Receiving module 810 receives the user's question.

処理モジュール８２０は、質問に対して単語分割処理を行って、複数の単語を取得する。 The processing module 820 performs word segmentation processing on the question to obtain multiple words.

マッチングモジュール８３０は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行う。 The matching module 830 matches each word of the plurality of words with at least one significant element corresponding to each intent of the at least one intent in the pre-built intent database.

確定モジュール８４０は、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確認する。複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチする場合、対応する回答を出力する。一方、複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、回答をトリガーする少なくとも１つの重要要素を文脈意図推理の方法によって取得する。 A determination module 840 checks whether each word of the plurality of words matches at least one significant element corresponding to each intent of the at least one intent in the pre-built intent database. If each word of the plurality of words matches at least one significant element corresponding to each intention among the at least one intention in the pre-built intention database, output a corresponding answer. On the other hand, if each word of the plurality of words does not match at least one key element corresponding to each intent of the at least one intent in the pre-built intent database, at least one key element that triggers an answer. Elements are obtained by the method of contextual intent reasoning.

本発明の実施例により提供される技術案は、文脈意図推理のプロセスを実行することによって、意図データベース構築の困難さを低減させ、計算効率を向上させ、質問応答インタラクションのプロセスを簡略化させ、複数のセンテンスから新しい意図を構成することを実現することができる。
図９は、本発明の例示的な一実施例により提供される、質問応答インタラクションを行うための装置９００のブロック図である。 The technical solutions provided by the embodiments of the present invention reduce the difficulty of constructing an intention database, improve computational efficiency, simplify the process of question-answer interaction, and perform the process of contextual intention reasoning, It can be realized to compose a new intent from multiple sentences.
FIG. 9 is a block diagram of an apparatus 900 for conducting question answering interactions provided by an exemplary embodiment of the present invention.

図９に示すように、装置９００は、１つ又は複数のプロセッサを含むプロセッサコンポネント９１０と、メモリ９２０により代表されてプロセッサコンポネント９１０により実行可能な命令（例えば、アプリケーション）を記憶するメモリリソースと、を備える。メモリ９２０の中に記憶されるアプリケーションは、それぞれ１セットの命令に対応する１つ又は複数のモジュールを含んでもよい。また、プロセッサコンポネント９１０は命令を実行するように配置されて、前述の質問応答インタラクション方法を実行する。 As shown in FIG. 9, apparatus 900 includes a processor component 910 that includes one or more processors, memory resources that store instructions (e.g., applications) executable by processor component 910 as represented by memory 920; Prepare. An application stored in memory 920 may include one or more modules each corresponding to a set of instructions. The processor component 910 is also arranged to execute instructions to perform the question answering interaction method described above.

装置９００は、装置９００の電源管理を実行するように配置される電源コンポネント９３０と、装置９００をネットワークに接続させるように配置される有線又は無線のネットワークコネクタ９４０と、入出力（Ｉ／Ｏ）コネクタ９５０と、を更に備えてもよい。装置９００は、メモリ９２０に記憶された操作システム、例えば、Ｗｉｎｄｏｗｓ Ｓｅｒｖｅｒ^ＴＭ，Ｍａｃ ＯＳ Ｘ^ＴＭ，Ｕｎｉｘ^ＴＭ，Ｌｉｎｕｘ^ＴＭ，ＦｒｅｅＢＳＤ^ＴＭ、又は類似のシステムを操作することができる。 The device 900 includes a power component 930 arranged to perform power management of the device 900, a wired or wireless network connector 940 arranged to connect the device 900 to a network, and input/output (I/O) components. A connector 950 may also be provided. Device 900 is capable of operating an operating system stored in memory 920, such as Windows Server ^™ , Mac OS X ^™ , Unix ^™ , Linux ^™ , FreeBSD ^™ , or similar systems.

非一時的なコンピュータ読取可能な記憶媒体であって、当該記憶媒体に記憶されている命令が上述の装置９００のプロセッサにより実行されると、上述の装置９００は質問応答インタラクション方法を実行することができる。ユーザの質問を受信するステップと、質問に対応する回答を取得するとともに、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図の、質問との少なくとも１つの相関度を取得するステップと、少なくとも１つの相関度のうちから、予め設定された相関度閾値を超えた相関度を特定して、特定した相関度に対応する意図を推薦意図として確定するステップと、回答をユーザに送信するとともに推薦意図をユーザに送るステップと、を含む。 A non-transitory computer-readable storage medium, wherein when the instructions stored in the storage medium are executed by the processor of the device 900 described above, the device 900 described above can perform the question answering interaction method. can. receiving a user's question, obtaining an answer corresponding to the question, and obtaining at least one degree of correlation of each intention among at least one intention in a pre-built intention database with the question; identifying, from among at least one correlation degree, a correlation degree exceeding a preset correlation degree threshold, determining an intention corresponding to the identified correlation degree as a recommended intention; and transmitting an answer to the user. and sending the recommendation intent to the user.

当業者であれば理解できる通り、本願により開示された実施例による例示的なユニット及びアルゴリズムのステップは、電子ハードウェア又はコンピュータソフトウェアと電子ハードウェアとの組み合わせにより実現されることができる。これらの機能がハードウェアとソフトウェアのいずれにより実行されるかは、技術案が応用されるシーンと設計上の拘束条件によって決められる。専門的な技術者は、応用シーンによって適切な方法を選んで前述の機能を実現することができる。ただし、このような実現は本発明の範囲に属するべきである。 As those skilled in the art will appreciate, the exemplary units and algorithm steps according to the embodiments disclosed by the present application can be implemented by electronic hardware or a combination of computer software and electronic hardware. Whether these functions are performed by hardware or software is determined by the scene to which the technical solution is applied and design constraints. A professional engineer can choose an appropriate method according to the application scene to realize the aforementioned functions. However, such implementations should fall within the scope of the present invention.

なお、上述のシステム、装置及びユニットの詳しい作業プロセスについては、前述の方法の実施例における相応のプロセスを参照すればよいため、便利で簡潔に記述するためにここでは説明を省略する。 For the detailed work processes of the above systems, devices and units, please refer to the corresponding processes in the above method embodiments, and the descriptions are omitted here for convenience and concise description.

また、本発明により提供される実施例において開示されたシステム、装置及び方法は、他の形態によって実現されることも可能である。例えば、上述の装置の実施例は単なる概略的なものである。例えば、上述のユニットの分け方は単なるロジック機能の分け方に過ぎず、実際に実現するときには別の分け方を使用してもよい。例えば、複数のユニットやコンポネントは、組み合わせられてもよく、別のシステムに集積されたてもよく、一部の特徴が省略されてもよく、実行されなくてもよい。また、開示又は議論された、互いに結合すること又は直接に結合すること或いは通信接続することは、一部のコネクタを介してもよく、装置やユニットの間接的な結合又は通信接続は、電気的でもよく、機械的又は他の形式であってもよい。 Also, the systems, devices and methods disclosed in the embodiments provided by the present invention may be embodied in other forms. For example, the apparatus embodiments described above are merely schematic. For example, the division of units described above is merely a division of logic functions, and other divisions may be used for actual implementation. For example, units or components may be combined or integrated into separate systems, and some features may be omitted or not performed. Also, the coupling or direct coupling or communicative connection to each other disclosed or discussed may be through some connectors, and the indirect coupling or communicative connection of devices or units may be through electrical may be mechanical or of some other form.

分離した部品として説明された上述のユニットは、物理的に分離したものであっても、そうでなくてもよい。ユニットの形で示された部品は、物理的なユニットであってもよく、そうでなくてもよい。つまり、１つの場所に位置してもよく、複数のネットワークユニットに分布してもよい。実際の必要によって、そのうちの一部又は全部のユニットを選択して、本実施例の技術案の目的を達成するために用いることができる。 Units described above as being separate parts may or may not be physically separate. Parts shown in unit form may or may not be physical units. That is, it may be located at one location or distributed over multiple network units. According to actual needs, some or all of the units can be selected to achieve the purpose of the technical solution of this embodiment.

また、本発明の各実施例における各機能ユニットは、１つのプロセッサーユニットに集積されてもよく、各ユニットが単独で物理的に存在してもよく、２つ以上のユニットが１つのユニットに集積されてもよい。 Also, each functional unit in each embodiment of the present invention may be integrated into one processor unit, each unit may physically exist alone, and two or more units may be integrated into one unit. may be

上述の機能がソフトウェアの機能ユニットの形で実現され且つ独立した製品として販売又は使用される場合、コンピュータ読取可能な記憶媒体に記憶されてもよい。このような理解に基づき、本発明の技術案の本質は、言い換えると従来技術に貢献した部分は、更に言い換えると当該技術案の部分は、ソフトウェア製品の形で表現されることが可能である。当該コンピュータソフトウェア製品は、記憶媒体に記憶されており、コンピュータ設備（パソコン、サーバー、又はネットワーク設備などであってもよい）が本発明の各実施例において説明された方法のすべて又は一部のステップを実行させる幾つかの命令を含む。なお、上述の記憶媒体は、ＵＳＢメモリ、リムーバブルメディア、リードオンリーメモリ（ＲＯＭ，Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ランダムアクセスメモリ（ＲＡＭ，Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、磁気ディスク又はコンパクトディスクなどの、プログラム識別コードを記憶できる様々な媒体を含む。 When the functions described above are implemented in the form of software functional units and sold or used as independent products, they may be stored in a computer-readable storage medium. Based on this understanding, the essence of the technical solution of the present invention, in other words the part contributing to the prior art, further in other words the part of the technical solution can be expressed in the form of software products. The computer software product is stored in a storage medium, and the computer equipment (which may be a personal computer, server, network equipment, etc.) performs all or part of the steps of the method described in each embodiment of the present invention. contains several instructions that cause the The above-mentioned storage media include USB memory, removable media, read-only memory (ROM, Read-Only Memory), random access memory (RAM, Random Access Memory), magnetic disks, compact disks, etc., which store program identification codes. including various media that can

以上の内容は、本発明の具体的な実施形態に過ぎない。本発明の保護範囲は以上の内容に限られない。当業者であれば、本発明により開示されている技術範囲に基づいて、変化や置換を容易になし得ることができ、このような変化や置換はすべて本発明の保護範囲に属するべきである。つまり、本発明の保護範囲は、特許請求の範囲である。 The above contents are only specific embodiments of the present invention. The scope of protection of the present invention is not limited to the above contents. Persons skilled in the art can easily make changes and replacements based on the technical scope disclosed by the present invention, and all such changes and replacements should fall within the protection scope of the present invention. That is, the protection scope of the present invention is the claims.

Claims (16)

ヒューマンコンピュータインタラクション装置により実行される質問応答インタラクション方法であって、
ユーザの質問を受信するステップと、
前記質問に対して単語分割処理を行って、複数の単語を取得するステップと、
前記複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行い、前記少なくとも１つの重要要素のうちの、前記複数の単語にマッチする重要要素の確率に基づいて、前記予め構築された意図データベースにおける少なくとも１つの意図の、前記質問との少なくとも１つの相関度を確定するか、又は、前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行い、前記少なくとも１つの頻出アイテムのうちの、前記複数の単語にマッチする頻出アイテムの確信度に基づいて、前記予め構築された意図データベースにおける少なくとも１つの意図の、前記質問との少なくとも１つの相関度を確定するステップであって、前記トピックモデルは前記少なくとも１つの重要要素の確率を含み、前記頻出アイテム集合は前記少なくとも１つの頻出アイテムの確信度を含んでいるステップと、
前記少なくとも１つの相関度に基づいて推薦意図を特定するステップと、
前記推薦意図を前記ユーザに送るステップと、を含む
ことを特徴とする質問応答インタラクション方法。 A question-answering interaction method performed by a human-computer interaction device, comprising:
receiving a user question;
performing a word segmentation process on the question to obtain a plurality of words;
each word of the plurality of words and at least one key element in a topic model corresponding to each intent of at least one intent in a pre-built intent database; determining at least one degree of correlation of at least one intent in the pre-built intent database with the question based on the probability of the significance out of the two significances matching the plurality of words; or at least one frequent item in a frequent item set in a sequence pattern corresponding to each word of the plurality of words and each intention of at least one intention in the pre-built intention database; and matching at least one intent in the pre-built intent database with the question based on a confidence of a frequent item among the at least one frequent item that matches the plurality of words. determining at least one correlation, wherein the topic model includes probabilities of the at least one key element and the frequent itemset includes beliefs of the at least one frequent item;
identifying a recommendation intent based on the at least one degree of correlation;
and sending the recommendation intent to the user. 前記質問に対応する回答を取得するステップと、obtaining an answer corresponding to the question;
前記回答を前記ユーザに送信するステップと、を更に含むand sending said answer to said user.
ことを特徴とする請求項１に記載の質問応答インタラクション方法。The question answering interaction method according to claim 1, characterized in that: 前記質問に対応する回答を取得する前記ステップは、
前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行うステップと、
マッチング結果に基づいて、予め設定された対応するサブルーチンを実行して、前記サブルーチンに対応する回答を取得するステップと、を含む
ことを特徴とする請求項２に記載の質問応答インタラクション方法。 The step of obtaining an answer corresponding to the question includes:
matching against each word of the plurality of words and at least one significant element corresponding to each intent of at least one intent in the pre-built intent database;
3. The question-answering interaction method according to claim 2 , comprising executing a preset corresponding subroutine based on the matching result to obtain an answer corresponding to the subroutine. 予め設定された対応するサブルーチンを実行する前記ステップは、
前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確認するステップと、
前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの１つの意図に対応する少なくとも１つの重要要素とがマッチする場合、対応する回答を出力するか、又は、前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、過去の質問に基づいて意図を推理することによって、回答をトリガーする少なくとも１つの重要要素を取得するステップと、を含む
ことを特徴とする請求項３に記載の質問応答インタラクション方法。 The step of executing a corresponding preset subroutine includes:
verifying whether each word of the plurality of words matches at least one significant element corresponding to each intent of at least one intent in the pre-built intent database;
outputting a corresponding answer if each word of the plurality of words matches at least one key element corresponding to one intention among at least one intention in the pre-built intention database; or, if each word of the plurality of words does not match at least one significant element corresponding to each intent of at least one intent in the pre-built intent database , based on past questions and obtaining at least one key factor that triggers an answer by inferring intent with a question answering interaction method according to claim 3 . インタラクション日誌に記載の少なくとも１つのユーザのうちの各ユーザからの複数の質問に基づいて、ビッグデータ分析の方法を採用して、前記予め構築された意図データベースを構築するステップ、を更に含み、
前記予め構築された意図データベースは前記少なくとも１つの意図のうちの各意図と少なくとも１つの重要要素との対応関係を含む
ことを特徴とする請求項１ないし４のいずれか一項に記載の質問応答インタラクション方法。 employing methods of big data analysis to build the pre-built intention database based on a plurality of questions from each of the at least one users listed in the interaction journal;
5. The question answering method according to any one of claims 1 to 4 , wherein the intention database constructed in advance includes a correspondence relationship between each intention of the at least one intention and at least one important element. interaction method. 前記推薦意図を前記ユーザに送る前記ステップは、前記推薦意図の質問文を前記ユーザに送るステップを含み、
前記質問応答インタラクション方法は、
前記ユーザのフィードバックによって、前記推薦意図の質問文に対応する回答を前記ユーザに送信するステップ、を更に含む
ことを特徴とする請求項１ないし５のいずれか一項に記載の質問応答インタラクション方法。 the step of sending the recommendation intent to the user includes sending a question text of the recommendation intent to the user;
The question-answering interaction method comprises:
6. The question-answering interaction method according to any one of claims 1 to 5 , further comprising the step of: transmitting to the user an answer corresponding to the question sentence of the recommendation intention based on the user's feedback. 前記推薦意図を前記ユーザに送る前記ステップは、
前記推薦意図の商品の内容を前記ユーザに送るステップ、を含む
ことを特徴とする請求項１ないし５のいずれか一項に記載の質問応答インタラクション方法。 The step of sending the recommendation intent to the user includes:
6. The question answering interaction method according to any one of claims 1 to 5 , further comprising the step of sending the content of the product intended for recommendation to the user. 受信モジュール、取得モジュール、確定モジュール及び送信モジュールを備え、
前記受信モジュールはユーザの質問を受信し、
前記取得モジュールは、前記質問に対して単語分割処理を行って複数の単語を取得し、
前記取得モジュールはさらに、前記複数の単語のうちの各単語と、予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するトピックモデルにおける少なくとも１つの重要要素と、に対してマッチングを行い、前記少なくとも１つの重要要素のうちの、前記複数の単語にマッチする重要要素の確率に基づいて、前記予め構築された意図データベースにおける少なくとも１つの意図の、前記質問との少なくとも１つの相関度を確定するか、又は、前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応するシーケンスパターンにおける頻出アイテム集合の中の少なくとも１つの頻出アイテムと、に対してマッチングを行い、前記少なくとも１つの頻出アイテムのうちの、前記複数の単語にマッチする頻出アイテムの確信度に基づいて、前記予め構築された意図データベースにおける少なくとも１つの意図の、前記質問との少なくとも１つの相関度を確定し、
前記トピックモデルは前記少なくとも１つの重要要素の確率を含み、前記頻出アイテム集合は前記少なくとも１つの頻出アイテムの確信度を含み、
前記確定モジュールは前記少なくとも１つの相関度に基づいて推薦意図を特定し、
前記送信モジュールは前記推薦意図を前記ユーザに送る
ことを特徴とする質問応答インタラクション装置。 comprising a receiving module, an acquiring module, a determining module and a transmitting module;
the receiving module receives a user question ;
The acquisition module acquires a plurality of words by performing word segmentation processing on the question,
The acquisition module further matches against each word of the plurality of words and at least one key element in a topic model corresponding to each intent of at least one intent in a pre-built intent database. and at least one correlation of at least one intent in the pre-built intent database with the question based on the probability of the significance of the at least one significance that matches the plurality of words. or at least one of frequent item sets in sequence patterns corresponding to each word of the plurality of words and each intent of at least one intent in the pre-built intent database. at least one intent in the pre-constructed intent database based on the confidence of a frequent item among the at least one frequent item that matches the plurality of words. of at least one correlation with said question;
the topic model includes probabilities of the at least one important factor, the frequent itemset includes beliefs of the at least one frequent item;
the determining module identifies a recommendation intent based on the at least one degree of correlation ;
The sending module sends the recommendation intent to the user.
A question answering interaction device characterized by: 前記取得モジュールはさらに、前記質問に対応する回答を取得するように構成され、the obtaining module is further configured to obtain an answer corresponding to the question;
前記送信モジュールはさらに、前記回答を前記ユーザに送信するように構成されるThe sending module is further configured to send the answer to the user
ことを特徴とする請求項８に記載の質問応答インタラクション装置。9. The question answering interaction device according to claim 8, characterized by: 前記取得モジュールは、
前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素と、に対してマッチングを行い、
マッチング結果に基づいて、予め設定された対応するサブルーチンを実行して、前記サブルーチンに対応する回答を取得する
ことを特徴とする請求項９に記載の質問応答インタラクション装置。 The acquisition module is
matching against each word of the plurality of words and at least one significant element corresponding to each intent of at least one intent in the pre-built intent database;
Based on the matching result, execute a preset corresponding subroutine to obtain an answer corresponding to the subroutine
10. The question answering interaction device according to claim 9 , characterized by: 前記取得モジュールは、
前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチするか否かを確認し、
前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの１つの意図に対応する少なくとも１つの重要要素とがマッチする場合、対応する回答を出力し、
前記複数の単語のうちの各単語と、前記予め構築された意図データベースにおける少なくとも１つの意図のうちの各意図に対応する少なくとも１つの重要要素とがマッチしない場合、過去の質問に基づいて意図を推理することによって、回答をトリガーする少なくとも１つの重要要素を取得する
ことを特徴とする請求項１０に記載の質問応答インタラクション装置。 The acquisition module is
checking whether each word of the plurality of words matches at least one significant element corresponding to each intent of at least one intent in the pre-built intent database;
if each word of the plurality of words matches at least one significant element corresponding to one of at least one intent in the pre-built intent database, outputting a corresponding answer;
If each word of the plurality of words does not match at least one significant element corresponding to each intent of at least one intent in the pre-built intent database, determine the intent based on past questions. 11. A question answering interaction device according to claim 10 , wherein at least one key factor triggering an answer is obtained by reasoning . インタラクション日誌に記載の少なくとも１つのユーザのうちの各ユーザからの複数の質問に基づいて、ビッグデータ分析の方法を採用して、前記予め構築された意図データベースを構築するベース構築モジュール、を更に備え、
前記予め構築された意図データベースは、前記少なくとも１つの意図のうちの各意図の、少なくとも１つの重要要素との対応関係を含む
ことを特徴とする請求項８ないし１１のいずれか一項に記載の質問応答インタラクション装置。 a base building module that builds the pre-built intention database by employing a method of big data analysis based on a plurality of questions from each of the at least one users listed in the interaction journal. ,
12. The preconfigured intent database according to any one of claims 8 to 11 , wherein each intent of the at least one intent has a corresponding relationship with at least one key element. A question-and-answer interaction device. 前記送信モジュールは、前記推薦意図の質問文を前記ユーザに送り、前記ユーザのフィードバックによって、前記推薦意図の質問文に対応する回答を前記ユーザに送信する
ことを特徴とする請求項８ないし１２のいずれか一項に記載の質問応答インタラクション装置。 13. The transmission module according to any one of claims 8 to 12 , wherein the transmission module transmits the question text of recommendation intent to the user, and transmits an answer corresponding to the question text of recommendation intent to the user according to the user's feedback. A question-answering interaction device according to any one of the preceding claims. 前記送信モジュールは、前記推薦意図の商品の内容を前記ユーザに送る
ことを特徴とする請求項８ないし１２のいずれか一項に記載の質問応答インタラクション装置。 13. The question answering interaction device according to any one of claims 8 to 12 , wherein the transmission module transmits the content of the product intended to be recommended to the user. メモリと、プロセッサと、前記メモリに記憶されて前記プロセッサにより実行可能な命令と、を備え、
前記実行可能な命令が前記プロセッサにより実行されると、請求項１ないし７のいずれか一項に記載の質問応答インタラクション方法が実現される
ことを特徴とするコンピュータデバイス。 a memory, a processor, instructions stored in the memory and executable by the processor;
A computing device, characterized in that, when said executable instructions are executed by said processor, a question answering interaction method according to any one of claims 1 to 7 is realized. コンピュータ読取可能な記憶媒体であって、
コンピュータにより実行可能な命令が記憶されており、
前記実行可能な命令がプロセッサにより実行されると、請求項１ないし７のいずれか一項に記載の質問応答インタラクション方法が実現される
ことを特徴とするコンピュータ読取可能な記憶媒体。 A computer-readable storage medium,
Computer-executable instructions are stored,
A computer readable storage medium, characterized in that, when the executable instructions are executed by a processor, the question answering interaction method according to any one of claims 1 to 7 is realized.

Images