[发明专利]一种金融领域的FAQ智能问答方法及系统

说明书

本发明涉及一种金融领域的FAQ智能问答方法及系统，其中方法包括以下步骤：整理以标准问‑相似问‑答案的形式存储记录的FAQ问答知识库；构建ES索引和向量索引，生成问答对的embedding向量，将文本和embedding向量分别存储到ES和向量索引文件中；生成用户查询的embedding向量，利用ES召回字面相似的相似问，利用embedding向量检索召回语义相似的相似问，对两种方式召回的相似问取并集组成候选集合；基于精排打分模型计算候选集合中的相似问与用户查询之间的相似度，对候选集合进行精排；对精排后的相似问进行合并，得到一个或多个标准问以及标准问对应的答案，并返回给用户。与现有技术相比，本发明将相似问与标准问同时入库，提高了候选召回率，具有匹配精确度高等优点。

技术领域

本发明涉及自然语言处理技术领域，尤其是涉及一种金融领域的FAQ智能问答方法及系统。

背景技术

金融行业的业务种类繁多，大多数客户问题是比较简单且重复性较高的，这些问题占用了很多人工客服的资源，导致复杂的客户问题无法得到及时解决。人工客服无法提供全天候的服务支持，新员工上岗也会存在业务不熟练、回答错误等问题，这些都会导致客户体验产生负面影响。

随着移动互联网和自然语言处理等技术的快速发展，人机对话受到越来越多的关注，智能客服的服务也潜移默化的影响着我们的生活。金融行业紧跟科技浪潮，将智能客服在各个场景中广泛落地应用，从而在节省人工成本，减少客户等待时间的同时，能快速准确的解决客户需求，提高服务质量，让客户的满意度和体验感得到了大幅提升。

目前大多数FAQ问答技术仅利用关键字匹配进行用户查询文本和知识库中问题文本的相似性计算，试图通过字面信息对知识库的问答对进行排序。但是，用户问题是复杂多样的，有很多语义相似但字面表达相差巨大的问题，如“数字人民币的200满减券怎么不能用”和“为什么使用数币付款满200没有优惠呢”，这两个问题虽然语义上是匹配的，但是在字面词汇重叠和语言表达形式上都很不相似，所以仅利用字面信息无法解决此类场景。

目前也有很多FAQ问答系统利用用户查询文本和知识库中答案文本进行相关性计算，再根据该相关性进行知识库中问答对的排序。但是，知识库中的答案可能会根据金融产品的内容或时间的更新发生变化，导致需要对整个FAQ系统重新训练。而且QA匹配的主观性问题较大，会导致标注的不一致性较高，匹配精度下降。

发明内容

本发明的目的就是为了提供一种金融领域的FAQ智能问答方法及系统，解决人工客服资源有限且无法全天候在线的问题，从而节省人工成本，提高用户体验。该系统不仅利用了关键字匹配，还利用了语义匹配；不仅利用了标准问，为了提高召回率，还将相似问导入知识库中。

本发明的目的可以通过以下技术方案来实现：

一种金融领域的FAQ智能问答方法，包括以下步骤：

整理FAQ问答知识库，所述知识库中的记录以标准问-相似问-答案的形式进行存储，一个标准问对应多个相似问和一个答案；

构建ES索引和向量索引，生成问答对的embedding向量，将文本和embedding向量分别存储到ES和向量索引文件中；

生成用户查询的embedding向量，利用ES召回字面相似的相似问，利用embedding向量检索召回语义相似的相似问，对两种方式召回的相似问取并集组成候选集合；

基于精排打分模型计算候选集合中的相似问与用户查询之间的相似度，并根据相似度计算结果对候选集合进行精排；

对精排后的相似问进行合并，得到一个或多个标准问以及标准问对应的答案，根据预配置的需求将得到的一个或多个答案返回给用户。

一种金融领域的FAQ智能问答方法，包括以下步骤：