[發明專利]一種答復問題的方法和裝置

在審

• 申請號: 201911191247.5
• 申請日: 2019-11-28
• 公開（公告）號: CN112860860A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 王穎帥;李曉霞;苗詩雨
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06K9/62;G06N3/04;G06N3/08;G06F40/284
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張一軍;王安娜

1.一種答復問題的方法，其特征在于，包括：

對各個提問文本標記標簽，并從所述各個提問文本中提取出特征向量；其中，所述標簽包括意向標簽和槽位標簽；

以所述各個提問文本的特征向量作為輸入、以所述各個提問文本的標簽作為輸出，訓練神經網絡，以得到答復模型；

基于待答復提問文本的特征向量和所述答復模型，確定提問意向、槽位及其對應的槽值；

根據所述提問意向、所述槽位及其對應的槽值，生成答復文本。

2.根據權利要求1所述的方法，其特征在于，從所述各個提問文本中提取出特征向量，包括：

對于每一個提問文本，采用如下方法提取特征向量：

分別從所述提問文本中提取出單字特征、分詞特征和上下文特征；

將所述單字特征、所述分詞特征和所述上下文特征組裝成特征向量。

3.根據權利要求2所述的方法，其特征在于，以所述各個提問文本的特征向量作為輸入、以所述各個提問文本的標簽作為輸出，訓練神經網絡，以得到答復模型，包括：

將所述各個提問文本的特征向量映射成特征數學向量；

基于所述各個提問文本對應的特征數學向量及其標簽訓練神經網絡，以得到答復模型。

4.根據權利要求3所述的方法，其特征在于，將所述各個提問文本的特征向量映射成特征數學向量，包括：

對于每一個提問文本，采用如下方法將特征向量映射成特征數學向量：

基于單字頻率字典，將各個單字特征分別映射成單字特征標識；

基于預設映射規則，將各個分詞特征分別映射成分詞特征標識；

基于上下文頻率字典，將所述各個單字對應的上下文特征分別映射成上下文特征標識。

5.根據權利要求4所述的方法，其特征在于，所述單字頻率字典錄入有單字及其對應的標識，所述單字的標識描述了所述單字的歷史出現頻率由高到低的排序序號；和/或，

所述上下文頻率字典錄入有單字的上下文對應的標識，所述上下文對應的標識描述了所述單字的上下文的歷史出現頻率由高到低的排序序號。

6.根據權利要求1所述的方法，其特征在于，對各個提問文本標記標簽，包括：

對各個提問文本分別標記意向標簽；

采用序列標注模式對所述各個提問文本分別標記槽位標簽；

以所述各個提問文本的特征向量作為輸入、以所述各個提問文本的標簽作為輸出，訓練神經網絡，以得到答復模型，包括：

以所述各個提問文本的特征向量作為輸入、以所述各個提問文本的意向標簽作為輸出，訓練第一神經網絡，以得到意向模型；

以所述各個提問文本的特征向量作為輸入、以所述各個提問文本的槽位標簽作為輸出，訓練第二神經網絡，以得到槽位提取模型；

其中，所述答復模型包括意向模型和槽位提取模型。

7.根據權利要求1所述的方法，其特征在于，基于所述提問意向、所述槽位及其對應的槽值，生成答復文本，包括：

根據所述提問意向、所述槽位及其對應的槽值，確定話術模板；

根據所述話術模板生成答復文本，或者，根據所述話術模板、所述槽位及其對應的槽值生成答復文本。

8.一種答復問題的裝置，其特征在于，包括：

處理模塊，用于對各個提問文本標記標簽，并從所述各個提問文本中提取出特征向量；

訓練模塊，用于以所述各個提問文本的特征向量作為輸入、以所述各個提問文本的標簽作為輸出，訓練神經網絡，以得到答復模型；

確定模塊，用于基于待答復提問文本的特征向量和所述答復模型，確定提問意向、槽位及其對應的槽值；

答復模塊，用于根據所述提問意向、所述槽位及其對應的槽值，生成答復文本。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的方法。