[發明專利]智能問答方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010545399.7
• 申請日: 2020-06-15
• 公開（公告）號: CN111708873A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 陳曦;文瑞;管沖;劉博;向玥佳;高文龍;孫繼超;張子恒
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/30;G16H40/20
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 陳小娜

1.一種智能問答方法，其特征在于，所述方法包括：

獲取待回答的目標問題；

獲取與所述目標問題的語義相關的目標語義意圖；

獲取與所述目標問題對應的目標語句向量匹配的子意圖代表向量，作為目標子意圖代表向量，所述子意圖代表向量是對所述目標語義意圖對應的問題向量集合進行聚類，得到的各個子意圖類別對應的代表向量；

將所述目標子意圖代表向量所對應的子意圖作為目標子意圖，獲取與所述目標子意圖匹配的問題，作為參考問題；

根據所述參考問題對應的參考答案得到所述目標問題的目標答案。

2.根據權利要求1所述的方法，其特征在于，對所述目標語義意圖對應的問題向量集合進行聚類，得到各個子意圖類別對應的代表向量的步驟包括：

獲取所述目標語義意圖對應的問題集合，獲取所述問題集合中各個問題對應的語句向量，組成問題向量集合；

對所述問題向量集合進行聚類，得到所述目標語義意圖的各個子意圖類別對應的聚類向量集合；

獲取所述子意圖類別對應的聚類向量集合的代表向量，作為所述子意圖類別對應的子意圖代表向量。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述子意圖類別對應的問題向量集合的代表向量，作為所述子意圖類別對應的子意圖代表向量包括：

獲取所述子意圖類別對應的聚類向量集合的中心點向量，作為所述子意圖類別對應的子意圖代表向量。

4.根據權利要求1所述的方法，其特征在于，所述獲取與所述目標問題對應的目標語句向量匹配的子意圖代表向量，作為目標子意圖代表向量包括：

計算所述目標語句向量與各個子意圖代表向量的距離；

獲取與所述目標語句向量的距離最小的子意圖代表向量，作為目標子意圖代表向量。

5.根據權利要求1所述的方法，其特征在于，通過已訓練的第一意圖識別模型識別得到與所述目標問題的語義相關的目標語義意圖，所述已訓練的第一意圖識別模型的訓練步驟包括：

基于待訓練的第一意圖識別模型對訓練問題進行意圖識別，得到第一意圖識別結果；

基于第二意圖識別模型對所述訓練問題進行意圖識別，得到第二意圖識別結果；

基于所述第一意圖識別結果與所述第二意圖識別結果的差異得到所述待訓練的第一意圖識別模型的模型損失值，根據所述模型損失值調整所述待訓練的第一意圖識別模型中的模型參數，得到所述已訓練的第一意圖識別模型，所述模型損失值與所述差異成正相關關系。

6.根據權利要求5所述的方法，其特征在于，所述基于所述第一意圖識別結果與所述第二意圖識別結果的差異得到所述待訓練的第一意圖識別模型的模型損失值包括：

根據所述第一意圖識別結果與所述第二意圖識別結果的差異得到第一損失值；

根據所述第一意圖識別結果與所述訓練問題對應的標準意圖識別結果的差異得到第二損失值；

根據所述第一損失值以及所述第二損失值得到所述待訓練的第一意圖識別模型的模型損失值。

7.根據權利要求1所述的方法，其特征在于，所述獲取與所述目標子意圖匹配的問題，作為參考問題包括：

獲取所述目標問題對應的命名實體集合，根據所述命名實體集合得到所述目標問題對應的關鍵條件意圖；

獲取與所述關鍵條件意圖以及所述目標子意圖匹配的問題，作為參考問題。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取候選新問題對應的詞語，作為目標詞語；

獲取第一問題集合中，包括所述目標詞語的問題的第一數量，所述第一問題集合中的問題存在匹配答案；

根據所述第一數量確定所述候選新問題在所述第一問題集合中的第一新穎度，所述第一數量與所述第一新穎度成負相關關系；

當所述第一新穎度大于第一閾值時，將所述候選新問題作為目標新問題。