[发明专利]基于语义解析的人机问答方法、装置、设备和存储介质在审
申请号: | 201910050939.1 | 申请日: | 2019-01-17 |
公开(公告)号: | CN109885810A | 公开(公告)日: | 2019-06-14 |
发明(设计)人: | 胡家义;王海君;何维;孙文宇;马兰;刘朦月;谢树铭 | 申请(专利权)人: | 平安城市建设科技(深圳)有限公司 |
主分类号: | G06F17/21 | 分类号: | G06F17/21;G06F17/27;G06F16/36;G06F16/332 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国 |
地址: | 518000 广东省深圳市前海深港合作区前*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 聊天信息 语义解析 标准信息 文本信息 预设 目标关键词 存储介质 答复信息 神经网络模型 归一化处理 语音识别 答复 标签 输出 携带 | ||
1.一种基于语义解析的人机问答方法,其特征在于,所述基于语义解析的人机问答方法包括以下步骤:
在接收到用户输入的聊天信息时,将所述聊天信息输入至预设语音识别模型,得到所述聊天信息对应的文本信息;
获取所述文本信息中的目标关键词,并将所述目标关键词进行归一化处理,得到所述文本信息对应的标准信息;
在所述标准信息不携带预设标签时,将所述标准信息输入至预设神经网络模型,生成初始答复模板;
对所述初始答复模板进行处理,得到所述聊天信息对应的答复信息并输出。
2.如权利要求1所述的基于语义解析的人机问答方法,其特征在于,所述获取所述文本信息中的目标关键词,并将所述目标关键词进行归一化处理,得到所述文本信息对应的标准信息的步骤,包括:
将所述文本信息输入预设词语识别模型,通过所述预设词语识别模型对所述文本信息进行分词处理,得到所述文本信息对应的分词集合;
将所述分词集合中的关键词与预设词语集合中的预设目标词进行比对,获取与所述预设目标词匹配的目标关键词;
将所述目标关键词替换为所述预设目标词对应的模板词,得到所述文本信息对应的标准信息。
3.如权利要求1所述的基于语义解析的人机问答方法,其特征在于,所述在所述标准信息不携带预设标签时,将所述标准信息输入至预设神经网络模型,生成初始答复模板的步骤,包括:
在所述标准信息不携带预设标签时,通过预设神经网络模型对所述标准信息进行词性标注,并挖掘经过词性标注后所述标准信息的聊天意图;
查询预设数据库,将所述聊天意图与所述预设数据库中各预设答复模板进行比对,获取与所述聊天意图匹配的初始答复模板。
4.如权利要求1所述的基于语义解析的人机问答方法,其特征在于,所述对所述初始答复模板进行处理,得到所述聊天信息对应的答复信息并输出的步骤,包括:
按预设评分规则对所述初始答复模板进行评估,得到所述初始答复模板对应的答复评分;
在所述答复评分大于预设评分阈值时,则将所述初始答复模板作为所述聊天信息对应的答复信息并输出;
在所述答复评分小于或等于预设评分阈值时,根据上一轮的历史聊天信息调整所述初始答复模板,得到所述聊天信息对应的答复信息并输出。
5.如权利要求4所述的基于语义解析的人机问答方法,其特征在于,所述在所述答复评分小于或等于预设评分阈值时,根据上一轮的历史聊天信息调整所述初始答复模板,得到所述聊天信息对应的答复信息并输出的步骤,包括:
在所述答复评分小于或等于预设评分阈值时,判断所述聊天信息是否为首轮对话;
在所述聊天信息是首轮对话时,调整所述初始答复模板的句子成分,并将调整完成的初始答复模板作为所述聊天信息对应的答复信息并输出;
在所述聊天信息不是首轮对话时,获取上一轮的历史聊天信息,及所述历史聊天信息对应的历史聊天主题,并按所述历史聊天主题调整所述初始答复模板,得到所述聊天信息对应的答复信息并输出。
6.如权利要求1所述的基于语义解析的人机问答方法,其特征在于,所述获取所述文本信息中的目标关键词,并将所述目标关键词进行归一化处理,得到所述文本信息对应的标准信息的步骤之后,包括:
在所述标准信息携带预设标签时,将所述目标关键词与预设知识图谱库中的预设节点进行比对;
获取所述预设知识图谱库中与所述目标关键词匹配的目标节点,并将所述标准信息与所述目标节点的各关联信息与进行比对;
获取与所述标准信息匹配的目标关联信息,并将所述目标关联信息作为所述聊天信息对应的答复信息并输出。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安城市建设科技(深圳)有限公司,未经平安城市建设科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910050939.1/1.html,转载请声明来源钻瓜专利网。