[發明專利]智能問答方法、裝置、設備及存儲介質

在審

• 申請號: 202210078742.0
• 申請日: 2022-01-24
• 公開（公告）號: CN114416927A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 雷婷睿;唐海峰;李運松;張澍
• 申請（專利權）人: 招商銀行股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F16/35;G06F40/30;G06K9/62;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 黃廷山

1.一種智能問答方法，其特征在于，所述智能問答方法包括：

獲取目標用戶輸入的查詢文本信息；

將所述查詢文本信息輸入語義分類模型，獲得目標問句語義向量，并基于所述查詢文本信息以及所述目標問句語義向量，在預設問答知識數據庫進行字詞檢索和語義向量檢索，獲得召回相似結果集，其中，所述語義分類模型為基于預先收集的領域無標注語料信息對BERT語言模型進行預訓練，并結合AM-softmax損失函數對預訓練得到的模型進行迭代訓練獲得；

基于所述查詢文本信息、所述目標問句語義向量、所述召回相似結果集以及語義相似度模型，構建目標特征矩陣，其中，所述語義相似度模型為基于所述語義分類模型輸出問句語義向量構建的訓練三元組樣本進行迭代訓練獲得；

基于所述目標特征矩陣，通過語義排序模型進行排序，獲得排序評分結果，并基于所述排序評分結果，確定最終目標返回結果，其中，所述語義排序模型為基于不同類別問句語義向量構建的訓練三元組樣本進行迭代訓練獲得。

2.如權利要求1所述的智能問答方法，其特征在于，所述基于所述查詢文本信息以及所述目標問句語義向量，在預設問答知識數據庫進行字詞檢索和語義向量檢索，獲得召回相似結果集的步驟包括：

根據所述查詢文本信息，查詢所述預設問答知識數據庫，獲得字詞召回結果；

根據所述目標問句語義向量，查詢所述預設問答知識數據庫，獲得語義召回結果；

將所述字詞召回結果和所述語義召回結果進行合并去重處理，獲得所述召回相似結果集。

3.如權利要求1所述的智能問答方法，其特征在于，所述基于所述查詢文本信息、所述目標問句語義向量、所述召回相似結果集以及語義相似度模型，構建目標特征矩陣的步驟包括：

計算所述查詢文本信息與所述召回相似結果集中各個召回數據的相似度，獲得字詞相似度特征；

基于所述目標問句語義向量以及所述語義相似度模型，確定語義相似度特征；

基于所述字詞相似度特征以及所述語義相似度特征，構建所述目標特征矩陣。

4.如權利要求1所述的智能問答方法，其特征在于，在所述獲取目標用戶輸入的查詢文本信息的步驟之前，所述智能問答方法還包括：

獲取領域無標注語料信息，并基于所述領域無標注語料信息，對待訓練初始模型進行預訓練，獲得預訓練語言模型；

獲取待訓練語料信息，其中，所述待訓練語料信息包括不同類別的標準問集和相似問集；

基于預設損失函數以及所述相似問集，對所述預訓練語言模型進行迭代訓練，獲得所述語義分類模型，并輸出訓練分類結果，其中，所述預設損失函數包括AM-softmax損失函數，所述訓練分類結果包括問句語義向量以及分類概率信息；

將所述相似問集的每一相似問、各所述相似問對應的問句語義向量以及各所述相似問關聯的標準問進行關聯組合，并將組成結果存儲至所述預設知識檢索庫中。

5.如權利要求4所述的智能問答方法，其特征在于，在所述將所述相似問集的每一相似問、各所述相似問對應的問句語義向量以及各所述相似問關聯的標準問進行關聯組合，并將組成結果存儲至所述預設知識檢索庫中的步驟之后，所述智能問答方法還包括：

計算各所述相似問對應問句語義向量之間的相似度；

將所述相似度與預設相似度閾值進行比較，并基于所述相似度比較結果以及各所述相似問的真實類別標簽，構建第一待訓練三元組樣本；

基于所述第一待訓練三元組樣本，對待訓練相似度模型進行迭代訓練，獲得所述語義相似度模型。