[發(fā)明專利]答案生成方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210635729.0
• 申請(qǐng)日: 2022-06-07
• 公開（公告）號(hào): CN114936276A
• 公開（公告）日: 2022-08-23
• 發(fā)明（設(shè)計(jì)）人: 段沛宸
• 申請(qǐng)（專利權(quán)）人: 來(lái)也科技（北京）有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/35;G06F16/338;G06F40/194;G06N3/04;G06V30/148
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 羅嵐

本申請(qǐng)涉及一種答案生成方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，涉及機(jī)器人流程自動(dòng)化RPA及人工智能AI技術(shù)領(lǐng)域，方法包括：獲取查詢語(yǔ)句以及查詢語(yǔ)句所屬的問(wèn)題類型；從至少一個(gè)文檔包括的多個(gè)內(nèi)容片段中，獲取與查詢語(yǔ)句匹配的目標(biāo)內(nèi)容片段；按照問(wèn)題類型對(duì)應(yīng)的應(yīng)答策略，基于目標(biāo)內(nèi)容片段，生成查詢語(yǔ)句對(duì)應(yīng)的目標(biāo)答案。由此，通過(guò)代替人工自動(dòng)生成答案，減少了生成答案所需的人力成本及時(shí)間成本，且通過(guò)從文檔中精確確定能夠回答用戶問(wèn)題的目標(biāo)內(nèi)容片段，并根據(jù)該目標(biāo)內(nèi)容片段生成查詢語(yǔ)句對(duì)應(yīng)的答案，提高了生成的答案的準(zhǔn)確性。本申請(qǐng)還能結(jié)合RPA和AI實(shí)現(xiàn)IA的獲取文檔中的內(nèi)容片段，進(jìn)一步減少了生成答案所需的人工成本。

技術(shù)領(lǐng)域

本申請(qǐng)涉及機(jī)器人流程自動(dòng)化及人工智能技術(shù)領(lǐng)域，特別涉及一種答案生成方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

機(jī)器人流程自動(dòng)化(Robotic Process Automation，簡(jiǎn)稱RPA)，是通過(guò)特定的“機(jī)器人軟件”，模擬人在計(jì)算機(jī)上的操作，按規(guī)則自動(dòng)執(zhí)行流程任務(wù)。

人工智能(Artificial Intelligence，簡(jiǎn)稱AI)是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)。

智能自動(dòng)化(Intelligent Automation，簡(jiǎn)稱IA)是一系列從機(jī)器人流程自動(dòng)化到人工智能的技術(shù)總稱，將RPA與光學(xué)字符識(shí)別(Optical Character Recognition，OCR)、智能字符識(shí)別(Intelligent Character Recognition，ICR)、流程挖掘(Process Mining)、深度學(xué)習(xí)(Deep Learning，DL)、機(jī)器學(xué)習(xí)(Machine Learning，ML)、自然語(yǔ)言處理(NaturalLanguage Processing，NLP)、語(yǔ)音識(shí)別(Automatic Speech Recognition，ASR)、語(yǔ)音合成(Text To Speech，TTS)、計(jì)算機(jī)視覺(jué)(Computer Vision，CV)等多種AI技術(shù)相結(jié)合，以創(chuàng)建能夠思考、學(xué)習(xí)及自適應(yīng)的端到端的業(yè)務(wù)流程，涵蓋從流程發(fā)現(xiàn)、流程自動(dòng)化，到通過(guò)自動(dòng)而持續(xù)的數(shù)據(jù)收集、理解數(shù)據(jù)的含義，使用數(shù)據(jù)來(lái)管理和優(yōu)化業(yè)務(wù)流程的整個(gè)歷程。

目前，在很多業(yè)務(wù)場(chǎng)景中，比如電力問(wèn)答系統(tǒng)中，需要對(duì)于用戶提出的問(wèn)題，從大量文檔中找到能夠回答該問(wèn)題的具體內(nèi)容，比如某句話，或者某個(gè)表格中的某幾個(gè)單元格內(nèi)容等，進(jìn)而根據(jù)該內(nèi)容給出準(zhǔn)確的答案。相關(guān)技術(shù)，在獲取到用戶提出的問(wèn)題后，通常是通過(guò)人工查詢大量文檔，從中找到能夠回答用戶問(wèn)題的具體內(nèi)容，并根據(jù)該具體內(nèi)容給出答案，或者從FAQ(Frequently Asked Questions，常見問(wèn)題解答)庫(kù)中找到與用戶問(wèn)題匹配的答案。上述通過(guò)人工查詢來(lái)回答問(wèn)題的方式，會(huì)浪費(fèi)大量的人力成本和時(shí)間成本，而通過(guò)FAQ來(lái)回答問(wèn)題的方式，僅能回答FAQ中已存在的問(wèn)題，對(duì)于FAQ中不存在的問(wèn)題，無(wú)法給出準(zhǔn)確的答案。如何以較低的人力成本和時(shí)間成本，準(zhǔn)確回答用戶問(wèn)題，已經(jīng)成為一個(gè)亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┮环N答案生成方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以解決相關(guān)技術(shù)中的答案生成方法存在的人力成本和時(shí)間成本高，且準(zhǔn)確性差的技術(shù)問(wèn)題。

本申請(qǐng)第一方面實(shí)施例提供一種答案生成方法，該方法包括：獲取查詢語(yǔ)句以及查詢語(yǔ)句所屬的問(wèn)題類型；從至少一個(gè)文檔包括的多個(gè)內(nèi)容片段中，獲取與查詢語(yǔ)句匹配的目標(biāo)內(nèi)容片段；按照問(wèn)題類型對(duì)應(yīng)的應(yīng)答策略，基于目標(biāo)內(nèi)容片段，生成查詢語(yǔ)句對(duì)應(yīng)的目標(biāo)答案。

在一些實(shí)施例中，問(wèn)題類型包括數(shù)字類、抽取類、判斷類中的一個(gè)；目標(biāo)內(nèi)容片段的數(shù)量為多個(gè)；按照問(wèn)題類型對(duì)應(yīng)的應(yīng)答策略，基于目標(biāo)內(nèi)容片段，生成查詢語(yǔ)句對(duì)應(yīng)的目標(biāo)答案，包括：對(duì)于每個(gè)目標(biāo)內(nèi)容片段，將查詢語(yǔ)句與目標(biāo)內(nèi)容片段輸入自然語(yǔ)言處理NLP領(lǐng)域的抽取模型，以從目標(biāo)內(nèi)容片段中抽取查詢語(yǔ)句對(duì)應(yīng)的候選答案片段，并獲取對(duì)應(yīng)的置信度；根據(jù)各候選答案片段對(duì)應(yīng)的置信度，從各候選答案片段中獲取目標(biāo)答案片段；按照問(wèn)題類型對(duì)應(yīng)的應(yīng)答策略，基于目標(biāo)答案片段生成目標(biāo)答案。