[發明專利]一種基于集成學習的問答方法及系統

在審

• 申請號: 202011187451.2
• 申請日: 2020-10-30
• 公開（公告）號: CN112287084A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 吳寧;嵇友浪;孫少辰;趙洪瑩;俞陽;鄒云峰
• 申請（專利權）人: 國網江蘇省電力有限公司營銷服務中心
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/284;G06N20/20
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 王麗霞

本發明公開了一種基于集成學習的問答方法及系統。方法包括：將用戶問題輸入預先訓練好的集成學習模型，所述集成學習模型包含多個機器學習模型，每個機器學習模型輸出該用戶問題應由哪一個子問答模塊來回答的分類結果；對所述多個機器學習模型的分類結果進行投票集成，根據投票集成結果確定最終調用的子問答模塊。本發明借助深度學習技術、集成學習技術，調用合適的子問答模塊來回答問題，不依賴于子問答模塊的排序，問答效果好，且能夠支持使用用戶反饋數據對系統再次進行優化。

技術領域

本發明涉及一種基于集成學習的問答方法及系統，屬于電力智能客服機器人領域。

背景技術

電力智能客服是在傳統的客服系統基礎上，集成了語義理解、知識圖譜、深度學習等多項智能交互技術，能準確理解用戶的意圖或提問，再根據電力知識庫和電力知識圖譜，給予用戶滿意的回答。

電力智能客服機器人中包含常見問答模塊(簡稱FAQ問答模塊，Frequently AskedQuestions)和知識圖譜問答模塊(簡稱KBQA模塊,Knowledge Base Question Answering)。FAQ問答模塊用于回答常見用戶問題，KBQA模塊多用于回答知識查詢、推理類問題。兩個問答模塊結合可以回答絕大多數用戶問題。

電力智能客服機器人的核心是中控系統，它的主要功能是分析用戶問題，選擇合適的問答模塊來回答用戶問題。

當前基于KBQA和FAQ問答模塊的智能客服中，中控邏輯較為簡單，是基于規則的、串行的，中控系統會嘗試調用子問答模塊(即KBQA模塊和FAQ模塊)，并根據子問答模塊的返回結果來判斷是否調用下一個問答模塊。

但是，當前中控調度依賴于被調用問答模塊的返回結果，中控系統需要根據被調用模塊的返回結果判斷是否繼續調用下一個問答模塊。這種工作方式由如下幾個不足：

1)問答模塊調用方式不合理，問答效果依賴于子模塊的排序，排在前面模塊的返回結果有更大的幾率被作為最終答案。這是不合理的，如果答案質量較高的模塊排在后面，那么就很有可能不被調用；

2)用戶問題語義感知能力缺失，用戶問題交由FAQ問答模塊回答還是KBQA問答模塊回答需要根據用戶問題的語義、意圖來確定，而當前基于規則是無法做到這一點的；

3)無法根據用戶反饋做進一步優化，用戶在使用過程中會留下大量的反饋信息，這些數據可以用于中控系統的優化，但是基于規則的中控系統是無法用到這些標注信息的。

發明內容

本發明的目的在于提供一種基于集成學習的問答方法及系統，以解決現有技術中存在的問答模塊調用方式不合理、不能根據用戶問題的語義、意圖來確定調用問答模塊等問題。

為解決上述技術問題，本發明采用如下技術方案：

一方面，本發明提供了一種基于集成學習的問答方法，包括如下步驟：

將用戶問題輸入預先訓練好的集成學習模型，所述集成學習模型包含多個機器學習模型，每個機器學習模型輸出該用戶問題應由哪一個子問答模塊來回答的分類結果；

對所述多個機器學習模型的分類結果進行投票集成，根據投票集成結果確定最終調用的子問答模塊。

進一步地，所述問答方法，還包括：在輸入集成學習模型之前，對用戶問題進行預處理。

進一步地，所述預處理，包括：

對用戶問題進行統一編碼；

對編碼后的用戶問題進行簡繁轉換；

對簡繁轉換后用戶問題進行停用詞移除。

進一步地，所述集成學習模型的訓練方法，包括：

獲取用戶問題訓練集；