[发明专利]一种知识问答方法、装置及工程机械

说明书

本发明提供的知识问答方法、装置及工程机械，包括：接收用户输入的图片数据；将图片数据输入至目标检测深度学习模型，获取目标图像；将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，提取与目标特征向量相匹配的特征向量；从预先构建的知识管理库中，提取与所述特征向量相关的第一富文本知识数据；输出第一富文本知识数据。本发明提供的知识问答方法、装置及工程机械，利用深度学习技术实现了基于图片的知识问答，针对用户无法用言语表达故障时，仅仅通过上传某部件故障图片就能得到故障类型以及故障排除的详细信息，丰富了知识问答的交互方式，为用户提供了便利，有效地提高了知识问答的便捷性和准确性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种知识问答方法、装置及工程机械。

背景技术

在作业机械制造行业内，当设备遇到问题需要运维服务时，一般是由用户通过电话咨询服务人员，或者由服务人员赶赴现场并根据个人的经验来分析设备出现问题的原因。由于企业内各服务人员的水平参差不齐，同时服务人员流动大，每年都会新进很多服务新人，导致服务效率低。当服务人员无法解决问题时，会要求企业的研发人员参与运维服务，在一定程度浪费了研发资源，降低了企业的研发效率。

另外，很多企业开发了手机程序用以提供数字化运维维护，其实际解决思路是将已知的一些特定的故障描述和解决办法整理成文档，用户仅能通过文件名查询、下载相应的文档进行相关知识的查看和学习，导致排查问题的效率低下。

发明内容

本发明提供一种知识问答方法、装置及工程机械，用以解决现有技术中知识问答识别效率低、要求用户输入的提问需求准确度高的缺陷，实现多方式、快速度、高精度的知识问答。

第一方面，本发明提供了一种知识问答方法，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。

根据本发明提供的一种知识问答方法，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。

根据本发明提供的一种知识问答方法，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。

根据本发明提供的一种知识问答方法，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。

根据本发明提供的一种知识问答方法，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。