[发明专利]一种知识问答方法、装置及工程机械

权利要求书

1.一种知识问答方法，其特征在于，包括：

接收用户输入的图片数据；

将所述图片数据输入至目标检测深度学习模型，获取目标图像；将所述目标图像输入特征提取深度学习模型，获取目标特征向量；

从预先构建的图片特征向量库中，提取与所述目标特征向量相匹配的第一特征向量；

从预先构建的知识管理库中，提取与所述第一特征向量相关的第一富文本知识数据；

将所述第一富文本知识数据输出。

2.根据权利要求1所述的知识问答方法，其特征在于，所述特征提取深度学习模型的数量包括多种，不同种类的特征提取深度学习模型用于提取不同种类的目标图像的目标特征向量；

将所述目标图像输入特征提取深度学习模型，获取目标特征向量，具体包括：

根据所述目标图像的种类，将所述目标图像输入对应的特征提取深度学习模型；

获取由所述特征提取深度学习模型输出的目标特征向量。

3.根据权利要求2所述的知识问答方法，其特征在于，所述特征提取深度学习模型包括泵车特征提取深度学习模型、车载泵特征提取深度学习模型、拖泵特征提取深度学习模型、湿喷机特征提取深度学习模型、搅拌车特征提取深度学习模型、油缸特征提取深度学习模型或零部件类特征提取深度学习模型。

4.根据权利要求1所述的知识问答方法，其特征在于，所述从预先构建的知识管理库中，提取与所述目标特征向量相匹配的第一特征向量具体包括：

通过空间余弦相似度计算，确定所述目标特征向量与图片特征向量库中的每个特征向量之间的相似度值；

将所有相似度值进行排序；

判断相似度值最高的特征向量是否大于预设阈值；

如果判断结果为是，则将所述相似度值最高的特征向量确定为所述第一特征向量。

5.根据权利要求1所述的知识问答方法，其特征在于，还包括：

接收用户输入的第一文本数据；

将所述第一文本数据输入至语义识别模型，获取第一输入句向量；

根据所述第一输入句向量，确定所述第一文本数据的第一问句类型；

抽取所述第一文本数据中的第一实体数据集；

基于所述第一问句类型，从远程字典服务组件中，提取与所述第一输入句向量和所述第一实体数据集相关的多个相似问和/或标准问；

对所有的相似问和标准问进行排序，获取第一目标标准问；

从预先构建的知识管理库中，提取与所述第一目标标准问相关的第二富文本知识数据；

将所述第二富文本知识数据发送给所述用户。

6.根据权利要求1所述的知识问答方法，其特征在于，还包括：

接收用户输入的语音数据；

将所述语音数据输入至语音识别模型，获取第二文本数据；

确定所述第二文本数据的第二问句类型；

将所述第二文本数据输入至语义识别模型，获取第二输入句向量；

抽取所述第二文本数据中的第二实体数据集；

基于所述第二问句类型，从远程字典服务组件中，提取与所述第二输入句向量和所述第二实体数据集相关的多个相似问和/或标准问；

从所述多个相似问和/或标准问中提取出第二目标标准问；

从预先构建的知识管理库中，提取与所述第二目标标准问相关的第三富文本知识数据；

将所述第三富文本知识数据发送给所述用户。

7.根据权利要求1所述的知识问答方法，其特征在于，在接收用户输入的图片数据之前，还包括：

收集知识数据；

对所有知识数据进行分类存储，以构建知识管理库；

所述知识数据包括结构化数据和非结构化数据；

所述非结构化数据包括每个产品的文本数据、图片数据、每个图片数据的特征向量，以及视频数据中的至少一种；

所述结构化数据包括每个产品的类型名称、型号编码、部件名称、故障类型以及所述非结构化数据中每个数据的存储路径中的至少一种。