[发明专利]智能问答方法、智能问答装置、设备及存储介质

说明书

本申请涉及人工智能技术领域，提供了一种智能问答方法、智能问答装置、设备及存储介质，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；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预设数据库中输出针对所述目标文本的反馈信息。实现了在智能问答过程中进行文本相似度计算时，无需标注数据，扩大了文本相似度计算方案的适用范围，提高了智能问答的效率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种智能问答方法、智能问答装置、计算机设备及存储介质。

背景技术

在智能问答领域里，需要判断用户的问题跟文档库里的词条是否一致，找到跟用户问题最匹配的答案作为回复。

现有的智能问答领域中，常用的文本相似度计算算法一般都是直接考虑文本之间的相似度，大多依赖于词和词频的信息。虽然可以基于深度学习模型进行文本相似度计算，挖掘更深层次的文本信息，将文本相似度准确率提高到一个新的水平，但是当前基于深度学习的模型训练需要依赖大量的标注数据作为训练样本，并遵循较为复杂的训练过程，才能够在智能问答过程中，对用户输入的问题文本与预设数据库中的参考文本之间的相似度值进行计算，存在适用范围较小的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种智能问答方法、智能问答装置、设备及存储介质以解决目前智能问答领域中的文本相似度计算方案需要依赖大量标注数据，适用范围较小的问题。

本申请实施例的第一方面提供了一种智能问答方法，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。

本申请实施例的第二方面提供了一种智能问答装置，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；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。

本申请实施例的第三方面提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述智能问答方法的各步骤。

本申请实施例的第四方面提供了一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述智能问答方法的各步骤。