[发明专利]基于知识卡片的智能问答方法、装置、设备及存储介质

说明书

本发明的基于知识卡片的智能问答方法、装置、设备及存储介质，通过构建每个产品的树结构属性图，为每个属性配置知识卡片；对问题文本进行实体识别，实体识别的结果用于匹配产品的类型以及构建意图识别模型的输入向量；根据输入向量对问题文本进行意图识别，根据实体识别结果匹配的产品中与意图类型对应的属性的知识卡片输出问题文本的答案；预设的意图类型与树结构属性图中属性对应，直接反馈对应属性的知识卡片，无需在知识图谱及知识库中进行复杂的搜索及匹配，提高了复杂问题的回答准确性；将字向量化的第一特征向量与实体类型编码向量结合，避免了问题文本中使用频率不高的新词对意图识别的影响，同时提高了意图识别的准确性及答案的准确性。

【技术领域】

本发明涉及人工智能技术领域，尤其涉及一种基于知识卡片的智能问答方法、装置、设备及存储介质。

【背景技术】

智能问答机器人是未来智能化发展中人机交互的主要方式，特别是各种客服机器人，目前在各大企业都有广泛的应用。通过智能问答机器人了降低人工成本，提高了服务质量。

传统的问答方法主要是依靠关键字匹配的搜索引擎来查找用户所需要的信息，往往很难为用户返回一个简洁而准确的答案，甚至会搜索出很多无用的信息。现有技术中的智能问答机器人基于句子相似度的FAQ问答系统，与传统的依靠关键字匹配的搜索引擎相比，通过句子语义相似度匹配的方法在知识库已有的问题-答案对集合中找到与用户问题相匹配的问句，就能够准确的找到用户所需的答案。

现有技术中智能问答大多依靠知识库进行，知识库滞后以及实体信息利用不充分导致的答案与问题匹配度不高。

【发明内容】

本发明的目的在于提供一种基于知识卡片的智能问答方法、装置、设备及存储介质，以解决现有技术中智能问答准确率低的技术问题。

本发明的技术方案如下：提供一种基于知识卡片的智能问答方法，包括：

根据预设的产品知识图谱构建每个产品的树结构属性图，其中，所述树结构属性图包括至少一个层，每一层包括至少一个属性，每一个属性对应一个知识卡片；

接收客户端发送的问题文本，对所述问题文本中的句子进行分字处理，得到所述问题文本对应的字符序列；

对所述字符序列进行字向量化处理，获取所述问题文本基于字的第一特征向量；

将所述问题文本的字符序列输入至预先训练好的命名实体识别模型中，输出所述问题文本的实体信息序列，其中，所述实体信息序列包括实体位置以及实体类型；

根据所述问题文本的所述实体信息序列生成所述问题文本的实体类型编码向量；

将所述第一特征向量和所述实体类型编码向量输入至预先训练好的意图识别模型中，对所述问题文本的意图进行预测，输出意图识别结果，其中，所述意图识别结果包括至少一个意图类型，所述意图识别模型中预设的意图类型标签与所述树结构属性图的属性对应；

根据所述实体信息序列获取所述问题文本对应的产品，输出所述产品的与所述意图类型对应的属性的知识卡片。

可选地，所述根据预设的产品知识图谱构建每个产品的树结构属性图，包括：

根据预设的产品知识图谱构建每个产品的树结构属性图框架，其中，所述树结构属性图框架包括多个根节点，每个所述根节点包括至少一层子节点，每个节点对应一个属性；

根据叶子节点对应属性的知识内容生成所述叶子节点的知识卡片；

根据当前非叶子节点的下一层节点的知识卡片生成所述当前非叶子节点的知识卡片，直至所述根节点，得到每个产品的所述树结构属性图。

可选地，所述将所述问题文本的字符序列输入至预先训练好的命名实体识别模型中，输出所述问题文本的实体信息序列，包括：