[发明专利]知识库优化方法及系统

说明书

本发明实施例提供一种知识库优化方法。该方法包括：基于知识库查询用户提问命中的包含潜在上下文关联信息的话题树；在话题树的多个知识点中选取至少一个知识点对应的启发式问题向用户反馈，引导用户选择；将用户的下一轮提问确定为针对于用户的启发式标注；至少基于启发式标注优化知识库。本发明实施例还提供一种知识库优化系统。本发明实施例的启发式对话的知识库优化方法，可以发掘用户会话过程中的潜在信息，既能高效完成知识库优化，又充分挖掘用户问题中的关联，用较低人力投入，实现更准确、快速的知识库优化。而对于日益增长的客户服务复合需求和更为复杂的服务场景，更准确的更优质的优化，可以更快速的提升智能化服务水平。

技术领域

本发明涉及自然语言理解领域，尤其涉及一种知识库优化方法及系统。

背景技术

知识库是智能客服产品提供问答服务的核心。提升智能客服知识库问答准确率，可以提升智能客服整体服务水平，提高客户满意度。知识库技术是属于自然语言理解(NLP)范畴的一项技术，知识库问答效果与应用场景、话题范围、训练数据等因素有关。未经训练优化的问法，知识库大多会返回盲区回答或相似推荐，频繁触发盲区回答，或频繁推荐而无直接回答，对客户体验不好，这些问题需要进行知识库优化，机器人才可能用更好的回答来服务用户。

传统的知识库优化，是收集真实用户产生的语料数据，针对单条数据，结合人工标注或自动聚类，给出每条数据的处理方案，然后将待训练语料加入规则或模型训练，使用新的规则或模型应用上线，提高问答效果，知识库优化所使用的数据一般都是一问一答的映射关系，信息较少，进行一段时间的知识库优化会产生提升效果，但效果往往有限，且不能对用户会话需求产生有效把控和引导。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

现有的优化更偏向于单条用户语料，对用户会话过程的关注度较少。一般的知识库问答，更偏向模式化和规则化的处理，针对用户的一个问题做一个标注，而用户的这个问题和下个问题并没有关联的方式和方法，没有利用到上下文中潜在的关联信息。

即使有用户会话过程的记录和优化，一般的系统中，用户往往是看到系统推荐算法给出的问题后，进行的二次提问，在此基础上的优化，其本质还是对算法下的数据的更深度的拟合，并没有真正了解用户会话的需求。

发明内容

为了至少解决现有的知识库优化没有利用到用户的提问和下一个提问是否有关联，优化可用信息较少，提升效果有限的问题。

第一方面，本发明实施例提供一种知识库优化方法，包括：

基于知识库查询用户提问命中的包含潜在上下文关联信息的话题树；

在所述话题树的多个知识点中选取至少一个知识点对应的启发式问题向用户反馈，引导用户选择；

将所述用户的下一轮提问确定为针对于所述用户的启发式标注；

至少基于所述启发式标注优化所述知识库。

第二方面，本发明实施例提供一种知识库优化系统，包括：

话题树确定程序模块，用于基于知识库查询用户提问命中的包含潜在上下文关联信息的话题树；

启发式反馈程序模块，用于在所述话题树的多个知识点中选取至少一个知识点对应的启发式问题向用户反馈，引导用户选择；

标注确定程序模块，用于将所述用户的下一轮提问确定为针对于所述用户的启发式标注；

优化程序模块，用于至少基于所述启发式标注优化所述知识库。

第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的知识库优化方法的步骤。