[發明專利]一種智能問答實現方法、裝置、電子設備和存儲介質

在審

• 申請號: 202211317603.5
• 申請日: 2022-10-26
• 公開（公告）號: CN115599898A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 李旦
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/338;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 初春

1.一種智能問答實現方法，其特征在于，所述方法包括：

獲取用戶輸入的問題信息，并將所述問題信息轉化為目標信息；

將所述目標信息輸入至預先訓練好的非均勻圖神經網絡模型，得到所述非均勻圖神經網絡模型的輸出信息；

將所述輸出信息轉化成與所述問題信息對應的答案，并為所述用戶展示所述答案。

2.根據權利要求1所述的方法，其特征在于，在所述獲取用戶輸入的問題信息之前，所述方法還包括：

若所述非均勻圖神經網絡模型不滿足預先設置的收斂條件，則在問答樣本庫中提取出一個樣本作為當前樣本；其中，所述問答樣本庫包括節點、邊、預先確定的錨結構以及所述節點在所述問答樣本庫中的位置信息；

使用所述當前樣本對所述非均勻圖神經網絡模型進行訓練，直到所述非均勻圖神經網絡模型滿足所述收斂條件。

3.根據權利要求2所述的方法，其特征在于，所述使用所述當前樣本對所述非均勻圖神經網絡模型進行訓練，直到所述非均勻圖神經網絡模型滿足所述收斂條件，包括：

確定所述當前樣本和所述當前樣本對應的樣本標簽；

基于所述當前樣本和所述初始圖神經網絡模型，得到所述初始圖神經網絡模型的輸出信息；

基于所述初始圖神經網絡模型的輸出信息和所述樣本標簽確定所述初始圖神經網絡模型的損失函數，并基于所述損失函數對所述初始圖神經網絡模型中的網絡參數進行調整，直到所述非均勻圖神經網絡模型滿足所述收斂條件。

4.根據權利要求3所述的方法，其特征在于，所述基于所述當前樣本和所述初始圖神經網絡模型，得到所述初始圖神經網絡模型的輸出信息，包括：

基于所述當前樣本構建對應的圖數據結構；

將所述圖數據結構輸入進所述初始圖神經網絡模型，得到所述初始圖神經網絡模型的輸出信息。

5.根據權利要求3所述的方法，其特征在于，在所述使用所述當前樣本對所述非均勻圖神經網絡模型進行訓練之前，還包括：

獲取所述問答樣本庫中所有節點的節點度；

基于所述問答樣本庫中所有節點的節點度確定所述問答樣本庫中所有邊的邊度；

基于所述問答樣本庫中所有邊的邊度確定關鍵邊集合，并基于所述關鍵邊集合確定所述錨結構。

6.根據權利5所述的方法，其特征在于，所述確定所述問答樣本庫中所有邊的邊度，包括：

將連接每個邊的兩個節點的節點度相加減1，得到所述每個邊的邊度。

7.根據權利要求5所述的方法，其特征在于，所述基于所有邊的邊度確定關鍵邊集合，包括：

將初始的邊緣參數值作為當前邊度；刪除所述問答樣本庫中邊度小于當前邊度的邊，得到初始關鍵邊集合；

將所述當前邊度加1作為所述當前邊度；重復執行上述操作，直到所述初始關鍵邊集合中不存在邊度小于當前邊度的邊。

8.一種智能問答實現裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取用戶輸入的問題信息，并將所述問題信息轉化為目標信息；

輸入模塊，用于將所述目標信息輸入至預先訓練好的非均勻圖神經網絡模型，得到所述非均勻圖神經網絡模型的輸出信息；

輸出模塊，用于將所述輸出信息轉化成與所述問題信息對應的答案，并為所述用戶展示所述答案。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7中任一所述的智能問答實現方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的智能問答實現方法。