[发明专利]智能问答方法、智能问答装置、设备及存储介质

权利要求书

1.一种智能问答方法，其特征在于，包括：

利用预先训练后的相似度计算模型的第一BERT模块与第二BERT模块，分别对目标文本与参考文本进行特征编码，得到第一句向量与第二句向量；其中，所述目标文本为用户输入的问题文本，所述参考文本为预设数据库中词条文本；

通过所述预先训练后的相似度计算模型的相似度计算模块，根据所述第一句向量与第二句向量测算所述目标文本与所述参考文本之间的相似度值；

若所述相似度值等于或大于预设阈值，则根据所述参考文本从所述预设数据库中输出针对所述目标文本的反馈信息；其中，所述反馈信息是指所述预设数据库中参考文本对应的答案文本，所述参考文本与所述反馈信息之间存在映射关系。

2.如权利要求1所述的智能问答方法，其特征在于，所述利用预先训练后的相似度计算模型的第一BERT模块与第二BERT模块，分别对用户输入的目标文本与参考文本进行特征编码，得到第一句向量与第二句向量之前，还包括：

基于预训练的BERT模块构建变分自编码器框架；

基于语句训练样本对所述变分自编码器框架进行训练，得到训练后的变分自编码器框架；其中，所述语句训练样本由无标注数据文本组成；

基于相似度计算模块以及所述训练后的变分自编码器框架中的BERT模块，构建相似度计算模型。

3.如权利要求2所述的智能问答方法，其特征在于，所述变分自编码器框架包括第一预训练的BERT模块、第二预训练的BERT模块以及Softmax函数模块；

所述基于语句训练样本对所述变分自编码器框架进行训练，得到训练后的变分自编码器框架；包括：

随机删除所述无标注数据文本中部分文字，获得第一文本；

利用所述第一文本对所述变分自编码器框架进行训练；其中，所述第一预训练的BERT模块被配置为，对所述第一文本进行向量转换得到所述第一文本的句向量；所述第二预训练的BERT模块被配置为，对所述第一文本的句向量进行文本还原，得到所述第一文本的隐状态表示；

当Softmax函数模块根据所述第一文本的隐状态表示生成新的文本与所述无标注数据文本内容一致，则完成对所述变分自编码器框架的训练，得到训练后的变分自编码器框架。

4.如权利要求3所述的智能问答方法，其特征在于，所述当Softmax函数模块根据所述第一文本的隐状态表示生成新的文本与所述无标注数据文本内容一致，则完成对所述变分自编码器框架的训练，得到训练后的变分自编码器框架之前，还包括：

循环导入经过处理后的无标注文本至所述变分自编码器框架，对所述变分自编码器框架进行训练。

5.如权利要求1所述的智能问答方法，其特征在于，所述通过所述预先训练后的相似度计算模型的相似度计算模块，根据所述第一句向量与第二句向量测算所述目标文本与所述参考文本之间的相似度值；包括：

计算所述第一句向量与第二句向量的余弦相似度；

将所述余弦相似度作为所述目标文本与所述参考文本之间的相似度值。

6.一种智能问答装置，其特征在于，包括：

句向量获取模块：用于利用预先训练后的相似度计算模型的第一BERT模块与第二BERT模块，分别对目标文本与参考文本进行特征编码，得到第一句向量与第二句向量；其中，所述目标文本为用户输入的问题文本，所述参考文本为预设数据库中词条文本；

相似度计算模块：用于通过所述预先训练后的相似度计算模型的相似度计算模块，根据所述第一句向量与第二句向量测算所述目标文本与所述参考文本之间的相似度值；

反馈信息获取模块：用于若所述相似度值等于或大于预设阈值，则根据所述参考文本从所述预设数据库中输出针对所述目标文本的反馈信息。