[發(fā)明專利]聊天應(yīng)答方法、電子裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810135747.6
• 申請日: 2018-02-09
• 公開（公告）號: CN108491433B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 于鳳英;王健宗;肖京
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F16/31
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明提供了一種聊天應(yīng)答方法，包括：獲取會話問題，從問答知識庫中查詢與所述會話問題相關(guān)的候選問題集合，計(jì)算會話問題與每個候選問題的文本相似度，判斷是否存在會話問題的近似問題，若是，則查找該近似問題的關(guān)聯(lián)答案并輸出，否則從問答知識庫中查詢與所述會話問題相關(guān)的候選答案集合，計(jì)算所述會話問題與每個候選答案的主題相似度，判斷是否存在所述會話問題的近似答案，若是，則將所述近似答案輸出，否則構(gòu)建序列預(yù)測模型，將所述會話問題輸入所述序列預(yù)測模型生成應(yīng)變答案，將所述應(yīng)變答案作為目標(biāo)答案輸出。本發(fā)明還提供一種電子裝置及存儲介質(zhì)。利用本發(fā)明可以針對會話問題為客戶做出準(zhǔn)確和應(yīng)變的反饋，從而提高服務(wù)質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種聊天應(yīng)答方法、電子裝置及存儲介質(zhì)。

背景技術(shù)

隨著科技的發(fā)展，AI(Artificial Intelligence，人工智能)正逐步改變著我們的生活方式，例如智能問答就是其中一種。當(dāng)客戶通過文字或語音在線咨詢時，可以由線上的智能客服為客戶進(jìn)行智能應(yīng)答。智能問答可以有效緩解客戶服務(wù)的等待狀況，提升服務(wù)質(zhì)量，因而有著非常廣闊的前景。

然而，即使是在特定的服務(wù)領(lǐng)域，例如金融、銀行、證券、保險等垂直的領(lǐng)域中，在線咨詢的過程中也會包含一些純閑聊的內(nèi)容。此時針對客戶輸入的聊天會話內(nèi)容，若無法快速準(zhǔn)確和有效應(yīng)變地響應(yīng)客戶，則會降低智能客服的服務(wù)質(zhì)量，無法為客戶帶來人性化的高質(zhì)量體驗(yàn)。

發(fā)明內(nèi)容

鑒于以上原因，有必要提供一種聊天應(yīng)答方法、電子裝置及存儲介質(zhì)，可以針對會話問題為客戶做出準(zhǔn)確和應(yīng)變的反饋，從而提高服務(wù)質(zhì)量。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種聊天應(yīng)答方法，該方法包括：預(yù)處理步驟：獲取客戶輸入的會話問題，對所述會話問題進(jìn)行預(yù)處理，得到會話問題的文本特征信息，所述文本特征信息包括各詞條在所述會話問題中的詞性、位置和詞類歸屬信息，所述詞類歸屬包括歸屬于關(guān)鍵詞或命名實(shí)體；第一計(jì)算步驟：為問答知識庫構(gòu)建倒排索引，所述問答知識庫包括預(yù)先整理的多個問題以及每個問題關(guān)聯(lián)的一個或多個答案，根據(jù)所述文本特征信息，通過倒排索引查詢的方式從問答知識庫中查詢與所述會話問題相關(guān)的候選問題集合，并分別計(jì)算所述會話問題與所述候選問題集合中每個候選問題的文本相似度；問題檢索步驟：根據(jù)預(yù)設(shè)規(guī)則及所述文本相似度，判斷候選問題集合中是否存在所述會話問題的近似問題，若所述候選問題集合中存在所述會話問題的近似問題，則在問答知識庫中查找該近似問題的關(guān)聯(lián)答案，將所述關(guān)聯(lián)答案作為所述會話問題的目標(biāo)答案輸出；第二計(jì)算步驟：若所述候選問題集合中不存在所述會話問題的近似問題，則根據(jù)所述文本特征信息，通過倒排索引查詢的方式從問答知識庫中查詢與所述會話問題相關(guān)的候選答案集合，并分別計(jì)算所述會話問題與所述候選答案集合中每個候選答案的主題相似度；答案檢索步驟：根據(jù)預(yù)設(shè)規(guī)則及所述主題相似度，判斷候選答案集合中是否存在所述會話問題的近似答案，若所述候選答案集合中存在所述會話問題的近似答案，則將所述近似答案作為所述會話問題的目標(biāo)答案輸出；答案預(yù)測步驟：若候選答案集合中不存在所述會話問題的近似答案，則通過seq2seq模型對所述問答知識庫中的各個問題和答案進(jìn)行編碼和解碼的迭代訓(xùn)練，從而構(gòu)建序列預(yù)測模型，將所述會話問題輸入所述序列預(yù)測模型生成應(yīng)變答案，將所述應(yīng)變答案作為所述會話問題的目標(biāo)答案輸出。

可選地，所述對所述會話問題進(jìn)行預(yù)處理包括：對所述會話問題進(jìn)行分詞處理，從而切分出會話問題的各詞條，所述分詞處理的方法包括基于詞典進(jìn)行正向最大匹配和/或基于詞典進(jìn)行逆向最大匹配；對經(jīng)所述分詞處理得到的各詞條進(jìn)行詞性解析，并對各詞條的詞性進(jìn)行標(biāo)注，所述詞性解析通過經(jīng)預(yù)設(shè)大規(guī)模語料庫訓(xùn)練得到的詞性標(biāo)注模型實(shí)現(xiàn)；對所述會話問題進(jìn)行命名實(shí)體識別，從而識別出具有特定意義的命名實(shí)體，所述命名實(shí)體包括人名、地名、組織機(jī)構(gòu)、專有名詞，所述命名實(shí)體識別的方法包括基于詞典和規(guī)則的方法，以及基于統(tǒng)計(jì)學(xué)習(xí)的方法；根據(jù)所述各詞條以及所述命名實(shí)體，從所述會話問題中提取關(guān)鍵詞，所述關(guān)鍵詞為字符數(shù)量多于第一預(yù)設(shè)閾值的詞組，或者為存在于預(yù)設(shè)詞典中的命名實(shí)體，所述預(yù)設(shè)詞典包括業(yè)務(wù)場景專有詞典。