[發(fā)明專利]一種智能問答實(shí)現(xiàn)方法及一種智能問答系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110094965.1
• 申請日: 2021-01-25
• 公開（公告）號: CN112883151A
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計(jì)）人: 馮落落;宋虎;李銳;王建華
• 申請（專利權(quán)）人: 濟(jì)南浪潮高新科技投資發(fā)展有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F16/36;G06F40/295;G10L13/02;G10L15/26;G10L15/30;H04L29/08
• 代理公司: 濟(jì)南信達(dá)專利事務(wù)所有限公司 37100
• 代理人: 陳婷婷

本發(fā)明公開了一種智能問答實(shí)現(xiàn)方法及一種智能問答系統(tǒng)，屬于智能問答技術(shù)領(lǐng)域，該智能問答實(shí)現(xiàn)方法采用檢索式智能問答與基于知識圖譜的智能問答相結(jié)合，基于云邊端協(xié)同實(shí)現(xiàn)，云上部署有知識圖譜，NLP相關(guān)模型和Elasticsearch；邊上部署有語音識別模型和語音合成模型；終端設(shè)備上部署有語音采集裝置及語音播放裝置。本發(fā)明可以實(shí)現(xiàn)在高精度的情況下，提高問答系統(tǒng)的實(shí)時(shí)性，提升用戶體驗(yàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及智能問答技術(shù)領(lǐng)域，具體地說是一種智能問答實(shí)現(xiàn)方法及一種智能問答系統(tǒng)。

背景技術(shù)

隨著工業(yè)互聯(lián)網(wǎng)和人工智能的快速發(fā)展，云邊協(xié)同成為非常火熱的技術(shù)，人工智能和云計(jì)算結(jié)合已經(jīng)成為主流方向。現(xiàn)在很多智能產(chǎn)品已經(jīng)成為生活、工作必備。智能機(jī)器人的應(yīng)用中其關(guān)鍵的核心技術(shù)與智能問答有很大的關(guān)系，提高智能問答的精度以及實(shí)時(shí)性能夠很大程度的提升用戶體驗(yàn)。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)任務(wù)是針對以上不足之處，提供一種智能問答實(shí)現(xiàn)方法及一種智能問答系統(tǒng)，可以在高精度的情況下，提高問答系統(tǒng)的實(shí)時(shí)性，提升用戶體驗(yàn)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種智能問答實(shí)現(xiàn)方法，采用檢索式智能問答與基于知識圖譜的智能問答相結(jié)合，基于云邊端協(xié)同實(shí)現(xiàn)，云上部署有知識圖譜，NLP相關(guān)模型和Elasticsearch；邊上部署有語音識別模型和語音合成模型；終端設(shè)備上部署有語音采集裝置及語音播放裝置。

該智能問答實(shí)現(xiàn)方法充分利用云計(jì)算強(qiáng)大的計(jì)算能力，支持許多復(fù)雜的深度學(xué)習(xí)算法同時(shí)進(jìn)行推理，使得模型可以在高精準(zhǔn)確率的情況下進(jìn)行更加實(shí)時(shí)的響應(yīng)。

將語音識別和語音合成放到了邊端，這個(gè)可以更加方便的響應(yīng)用戶的請求。對于后端的知識圖譜，由于知識圖譜是分不同領(lǐng)域，例如醫(yī)療、企業(yè)、財(cái)經(jīng)、家庭等不同領(lǐng)域，數(shù)據(jù)量很大，因此把知識圖譜放到了云端。對于NLP，這是一個(gè)綜合的技術(shù)，涉及到分詞、意圖識別、關(guān)系抽取、實(shí)體識別、事件抽取等技術(shù)，這些技術(shù)目前采用很多深度學(xué)習(xí)方法進(jìn)行識別。云端的ElasticSearch，是目前最常用的分布式搜索技術(shù)，可以更快搜索到用戶想要的內(nèi)容。

進(jìn)一步的，該方法的具體實(shí)現(xiàn)過程如下：

1)、通過構(gòu)建不同領(lǐng)域的知識圖譜，根據(jù)已有數(shù)據(jù)，搭建不同領(lǐng)域的知識庫；

2)、把離線訓(xùn)練好的模型分別部署到云和邊上；

3)、用戶通過語音采集裝置進(jìn)行聲音采集，然后將采集到的數(shù)據(jù)通過邊上的語音識別模型進(jìn)行語音轉(zhuǎn)化為文字，并將其上傳到云上；

4)、云上的NLP相關(guān)模型識別和抽取問題中的信息，組成知識圖譜中的三元組信息，并查詢相應(yīng)的答案；利用Elasticsearch技術(shù)搜索相似度比較高的答案；把兩者的答案進(jìn)行對齊和相關(guān)性排序，從而找出最優(yōu)的答案；

5)、把最優(yōu)答案傳送到邊上，利用語音合成技術(shù)回答用戶的問題。

優(yōu)選的，所述數(shù)據(jù)采集的獲取方式包括利用爬蟲技術(shù)獲取以及從領(lǐng)域中相關(guān)合作的企業(yè)或單位中獲取；對elasticsearch中的數(shù)據(jù)采取實(shí)時(shí)的進(jìn)行爬蟲獲取。

優(yōu)選的，所有模型的部署都采用容器的方式，采用portainer隨時(shí)對容器進(jìn)行下發(fā)，從而邊上模型可以進(jìn)行隨時(shí)更新。

優(yōu)選的，語音轉(zhuǎn)化的文字信息利用MQTT協(xié)議傳到云上；

所述最優(yōu)答案通過MQTT協(xié)議傳送到邊上。

優(yōu)選的，NLP相關(guān)模型首先利用分詞技術(shù)例如hannlp對問題進(jìn)行分詞，把分詞好的句子利用實(shí)體識別識別出相關(guān)信息，利用關(guān)系抽取技術(shù)抽取問答中的關(guān)系，利用事件抽取技術(shù)抽取出問答中的相關(guān)信息。