[发明专利]针对用户问句进行智能应答的方法和装置

权利要求书

1.一种针对用户问句进行智能应答的方法，所述方法包括：

获取当前多轮对话中的用户问句；

将所述用户问句输入预先训练的模糊分类模型，通过所述模糊分类模型输出目标类别；所述目标类别选自第一类别和第二类别，所述第一类别表明所述用户问句描述清晰，所述第二类别表明所述用户问句描述模糊；

当所述目标类别为所述第一类别时，识别所述用户问句对应的第一标准问句，并根据所述第一标准问句确定针对所述用户问句的第一应答语句；

当所述目标类别为所述第二类别时，识别所述用户问句包含的第一要素，并根据所述第一要素确定针对所述用户问句的第二应答语句；

所述根据所述第一要素确定针对所述用户问句的第二应答语句，包括：

当所述第一要素为诉求要素时，确定所述用户问句中缺失的业务要素；

对应于缺失的业务要素，确定针对所述用户问句的第二应答语句，所述第二应答语句用于针对缺失的业务要素进行反问。

2.如权利要求1所述的方法，其中，所述方法还包括：

接收用户针对所述反问的补充信息；

根据所述补充信息和所述用户问句，确定所述用户问句对应的第二标准问句，并根据所述第二标准问句确定针对所述用户问句的第三应答语句。

3.如权利要求1所述的方法，其中，所述模糊分类模型基于第一类训练样本和第二类训练样本预先训练；所述第一类训练样本包括第一用户问句和第一标签，所述第一标签对应于所述第一类别；所述第二类训练样本包括第二用户问句和第二标签，所述第二标签对应于所述第二类别。

4.如权利要求3所述的方法，其中，所述第一用户问句包含业务要素和诉求要素；所述第二用户问句仅包含业务要素或仅包含诉求要素。

5.如权利要求3所述的方法，其中，所述模糊分类模型是bert模型；

所述模糊分类模型的训练方式如下：

获取经过预训练任务预训练的bert模型；

利用所述第一类训练样本和所述第二类训练样本对预训练的bert模型进行微调。

6.如权利要求1所述的方法，其中，所述识别所述用户问句对应的第一标准问句，包括：

将所述用户问句输入预先训练的问题识别模型，得到所述用户问句对应的第一标准问句。

7.如权利要求6所述的方法，其中，所述问题识别模型采用如下方式进行训练：

获取样本集合中的各个样本用户问句以及各个样本用户问句对应的标问分类标签；

利用已训练的第一神经网络模型，预测各个用户问句在各个标问分类上的第一概率得分，其中所述第一神经网络模型的层数为N；

利用待训练的所述问题识别模型，预测各个用户问句在各个标问分类上的第二概率得分，其中，所述问题识别模型的层数为M，MN；

根据所述第二概率得分和所述第一概率得分，确定第一预测损失；

根据所述第二概率得分和各个用户问句的标问分类标签，确定第二预测损失；

将所述第一预测损失与所述第二预测损失进行加权求和，得到第一总损失；

以最小化所述第一总损失为训练目标，对所述问题识别模型进行训练。

8.如权利要求1所述的方法，其中，所述识别所述用户问句包含的第一要素，包括：

将所述用户问句输入预先训练的要素识别模型，得到所述用户问句包含的第一要素。