[發(fā)明專利]用戶問句與知識(shí)點(diǎn)的匹配方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811429067.1
• 申請(qǐng)日: 2018-11-27
• 公開（公告）號(hào): CN109583750B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計(jì)）人: 馬良莊;石志偉;張望舒;胡翔;劉俊宏;蔡捷
• 申請(qǐng)（專利權(quán)）人: 創(chuàng)新先進(jìn)技術(shù)有限公司
• 主分類號(hào): G06Q10/063
• 分類號(hào): G06Q10/063;G06F16/332;G06F40/295
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 孫欣欣;周良玉

本說明書實(shí)施例提供一種用戶問句與知識(shí)點(diǎn)的匹配方法和裝置，方法包括：根據(jù)用戶問句和預(yù)先訓(xùn)練的自然語(yǔ)言處理模型，得到第一匹配節(jié)點(diǎn)集合，第一匹配節(jié)點(diǎn)集合包括用戶問句與業(yè)務(wù)導(dǎo)圖匹配的節(jié)點(diǎn)；判斷第一匹配節(jié)點(diǎn)集合是否能夠匹配到業(yè)務(wù)導(dǎo)圖的任一鏈路；當(dāng)判斷結(jié)果為否時(shí)，根據(jù)用戶問句的至少一部分在互聯(lián)網(wǎng)中搜索，獲取至少一條擴(kuò)展信息；根據(jù)至少一條擴(kuò)展信息和自然語(yǔ)言處理模型，得到第二匹配節(jié)點(diǎn)集合，第二匹配節(jié)點(diǎn)集合包括擴(kuò)展信息與業(yè)務(wù)導(dǎo)圖匹配的節(jié)點(diǎn)；根據(jù)第一匹配節(jié)點(diǎn)集合和第二匹配節(jié)點(diǎn)集合的并集匹配業(yè)務(wù)導(dǎo)圖的知識(shí)點(diǎn)，從而能夠提升用戶問句與知識(shí)點(diǎn)的匹配效果。

技術(shù)領(lǐng)域

本說明書一個(gè)或多個(gè)實(shí)施例涉及計(jì)算機(jī)領(lǐng)域，尤其涉及用戶問句與知識(shí)點(diǎn)的匹配方法和裝置。

背景技術(shù)

在智能客服的問答系統(tǒng)中，客戶在與機(jī)器人交互過程中用戶問句語(yǔ)言口語(yǔ)化、簡(jiǎn)略化，提升客服機(jī)器人對(duì)用戶問句與知識(shí)點(diǎn)匹配的能力和效果對(duì)整個(gè)問答系統(tǒng)十分關(guān)鍵，直接影響問答系統(tǒng)的服務(wù)體驗(yàn)。

傳統(tǒng)的問答系統(tǒng)中，通常是采用計(jì)算輸入文本和目標(biāo)文本之間的文本相似度的方式來完成用戶問句與知識(shí)點(diǎn)的匹配。常用的計(jì)算文本相似度的算法包括：基于關(guān)鍵詞匹配的算法(例如，N-gram相似度算法、Jaccard相似度算法)，基于向量空間的算法(例如，Word2vec算法、TF-IDF算法)，基于深度學(xué)習(xí)的算法(例如，深度學(xué)習(xí)算法、DSSM算法)等。

用戶問句通常為多樣化、口語(yǔ)化的表述，例如，以下的幾種情形：

用戶輸入的詞，是非常用詞。如：“心臟支架的費(fèi)用報(bào)銷不？”中“心臟支架”就是非常用詞，可能知識(shí)庫(kù)中不包含該詞。

口語(yǔ)化描述，如：“螞蟻借唄啷個(gè)還哦”。

長(zhǎng)句描述，如“我女兒3歲，沒有身份證號(hào)，可以投保嗎？”。

輸入有錯(cuò)別字，如“螞蟻借貝怎么還款”。

由于用戶問句多樣化、口語(yǔ)化的表述，通過上述這些計(jì)算文本相似度的算法可能會(huì)導(dǎo)致文本相似度計(jì)算不準(zhǔn)確，相應(yīng)的，用戶問句與知識(shí)點(diǎn)的匹配效果不佳，導(dǎo)致用戶問句無法匹配到知識(shí)點(diǎn)，或者用戶問句匹配到錯(cuò)誤的知識(shí)點(diǎn)。

因此，希望能有改進(jìn)的方案，能夠提升用戶問句與知識(shí)點(diǎn)的匹配效果。

發(fā)明內(nèi)容

本說明書一個(gè)或多個(gè)實(shí)施例描述了一種用戶問句與知識(shí)點(diǎn)的匹配方法和裝置，能夠提升用戶問句與知識(shí)點(diǎn)的匹配效果。

第一方面，提供了一種用戶問句與知識(shí)點(diǎn)的匹配方法，方法基于業(yè)務(wù)導(dǎo)圖進(jìn)行，所述業(yè)務(wù)導(dǎo)圖包括按照業(yè)務(wù)維度整理為樹狀層級(jí)結(jié)構(gòu)的多個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)關(guān)鍵詞以及該關(guān)鍵詞的關(guān)聯(lián)表達(dá)，所述業(yè)務(wù)導(dǎo)圖的根節(jié)點(diǎn)代表具有特定業(yè)務(wù)類型的業(yè)務(wù)，所述業(yè)務(wù)導(dǎo)圖的葉節(jié)點(diǎn)掛載與該葉節(jié)點(diǎn)的關(guān)鍵詞相關(guān)聯(lián)的知識(shí)點(diǎn)，方法包括：

根據(jù)用戶問句和預(yù)先訓(xùn)練的第一自然語(yǔ)言處理模型，得到第一匹配節(jié)點(diǎn)集合，所述第一匹配節(jié)點(diǎn)集合包括所述用戶問句與所述業(yè)務(wù)導(dǎo)圖匹配的節(jié)點(diǎn)；

判斷所述第一匹配節(jié)點(diǎn)集合是否能夠匹配到所述業(yè)務(wù)導(dǎo)圖的任一鏈路；

當(dāng)判斷出所述第一匹配節(jié)點(diǎn)集合不能夠匹配到所述業(yè)務(wù)導(dǎo)圖的任一鏈路時(shí)，根據(jù)所述用戶問句的至少一部分在互聯(lián)網(wǎng)中搜索，獲取至少一條擴(kuò)展信息；

根據(jù)所述至少一條擴(kuò)展信息和所述第一自然語(yǔ)言處理模型，得到第二匹配節(jié)點(diǎn)集合，所述第二匹配節(jié)點(diǎn)集合包括所述擴(kuò)展信息與所述業(yè)務(wù)導(dǎo)圖匹配的節(jié)點(diǎn)；

判斷所述第一匹配節(jié)點(diǎn)集合和所述第二匹配節(jié)點(diǎn)集合的并集是否能夠匹配到所述業(yè)務(wù)導(dǎo)圖的任一鏈路；

當(dāng)判斷出所述第一匹配節(jié)點(diǎn)集合和所述第二匹配節(jié)點(diǎn)集合的并集能夠匹配到所述業(yè)務(wù)導(dǎo)圖的任一鏈路時(shí)，將該鏈路的葉節(jié)點(diǎn)作為與所述用戶問句匹配的葉節(jié)點(diǎn)，以輸出掛載在該葉節(jié)點(diǎn)的知識(shí)點(diǎn)。