[發明專利]智能問答方法、裝置、計算機設備及存儲介質在審

申請號：	201811526460.2	申請日：	2018-12-13
公開（公告）號：	CN109697228A	公開（公告）日：	2019-04-30
發明（設計）人：	何麒;韋峰;徐國強;邱寒	申請（專利權）人：	平安科技（深圳）有限公司
主分類號：	G06F16/332	分類號：	G06F16/332;G06F17/27;G06Q30/00;G06Q40/08
代理公司：	深圳眾鼎專利商標代理事務所(普通合伙) 44325	代理人：	黃章輝
地址：	518000 廣東省深圳市福田區福***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	客戶端提問問題歷史問題計算機設備存儲介質目標產品目標答案發送問題數據庫答案發送目標領域輸出結果通用數據問答系統詢問請求智能關聯查詢答案提問客戶
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種智能問答方法，其特征在于，包括：

獲取客戶端發送的目標提問問題，所述目標提問問題中包含目標產品和目標領域；

將所述目標提問問題輸入至預先訓練好的與所述目標領域對應的專用問答模型中，獲取到與所述目標提問問題對應的目標答案；

基于所述目標產品查詢問題數據庫，獲取與所述目標產品相關聯的至少一個推薦歷史問題；

將所述目標答案和至少一個所述推薦歷史問題發送給所述客戶端；

獲取所述客戶端發送的基于任一所述推薦歷史問題形成的詢問請求，獲取與所述歷史推薦問題相對應的歷史答案，并將所述歷史答案發送給所述客戶端。

2.如權利要求1所述的智能問答方法，其特征在于，在所述將所述目標提問問題輸入至預先訓練好的與所述目標領域對應的專用問答模型中的步驟之前，所述智能問答方法還包括：

獲取與所述目標領域對應的問題訓練數據和與所述問題訓練數據相對應的答案訓練數據；

將所述問題訓練數據和所述答案訓練數據輸入至GLOVE模型中，獲取對應的問題詞向量和答案詞向量；

采用QANet模型對所述問題詞向量和所述答案詞向量進行問答學習訓練，得到與所述目標領域對應的專用問答模型。

3.如權利要求2所述的智能問答方法，其特征在于，所述將所述問題訓練數據和所述答案訓練數據輸入至GLOVE模型中，獲取對應的問題詞向量和答案詞向量，包括：

對所述問題訓練數據和所述答案訓練數據進行去停用詞處理和分詞處理，獲取與所述問題訓練數據對應的第一分詞表和與所述答案訓練數據對應的第二分詞表；

采用固定窗口遍歷所述第一分詞表和所述第二分詞表，獲取與所述第一分詞表對應的第一共現矩陣和與所述第二分詞表對應的第二共現矩陣；

采用代價函數，對所述第一共現矩陣和所述第二共現矩陣進行訓練，獲取與所述問題訓練數據對應的問題詞向量和與所述答案訓練數據對應的答案詞向量，所述代價函數為f(X_ij)為權重函數，v為分詞表的大小，w_i和w_j為分詞i和分詞j的詞向量，b_i和b_j為分詞i和分詞j的偏移向量。

4.如權利要求2所述的智能問答方法，其特征在于，所述采用QANet模型對所述問題詞向量和所述答案詞向量進行問答學習訓練，得到與所述目標領域對應的專用問答模型，包括：

將所述問題詞向量和所述答案詞向量輸入至QANet模型的編碼器層中，對所述問題詞向量和所述答案詞向量進行位置編碼，獲取與所述問題詞向量對應的第一編碼和與所述答案詞向量對應的第二編碼；

基于所述第一編碼和所述第二編碼，計算所述問題詞向量到所述答案詞向量的第一自注意力矩陣和所述答案詞向量到所述問題詞向量的第二自注意力矩陣；

將所述第一自注意力矩陣、所述第二自注意力矩陣和所述第二編碼輸入到解碼器層，獲取輸出值M0、M1和M2；

采用損失函數對所述問題詞向量和所述答案詞向量進行訓練，得到與所述目標領域對應的專用問答模型，所述損失函數為其中，N為問題訓練數據的總數，i為第i個問題訓練數據，yi¹表示第i個問題訓練數據在答案訓練數據中真實起始位置，yi²第i個問題訓練數據在答案訓練數據中真實結束位置，p¹為預測每個編碼是回答范圍起始點的概率，p¹＝softmax[W₁(M0；M1)]，p²為預測每個編碼是回答范圍結束點的概率，p²＝softmax[W₂(M0；M2)]，W_start、W_end是兩個可訓練變量，M0、M1和M2是解碼器層的輸出。