[发明专利]问答数据处理方法、电子装置及存储介质

说明书

本发明提供了一种问答数据处理方法，包括：从数据库获取坐席文本数据，将所述坐席文本数据分为若干组问答记录，按照记录的时间顺序排列每组问答记录中的问题语句和答案语句，得到若干个候选问答对，然后统计每个候选问答对的多个指定特征，针对每个候选问答对使用特征权重对所述多个指定特征进行加权计算，得到每个候选问答对的匹配度，再根据所述匹配度从所有候选问答对中筛选出匹配度高于第二预设阈值的候选问答对作为目标问答对补充到问答知识库中。本发明还提供一种电子装置及存储介质。利用本发明可以从坐席文本数据中选择出合适的目标问答对，对问答知识库进行维护和更新，从而节约人力和提高效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种问答数据处理方法、电子装置及存储介质。

背景技术

随着科技的发展，人工智能(Artificial Intelligence，AI)正逐步改变着我们的生活方式，例如智能问答就是其中一种。当客户通过文字或语音在线咨询时，可以由线上的智能客服机器人或线上智能客服应答系统为客户进行智能答复。智能问答可以有效缓解客户服务的等待状况，提升服务质量，因而有着非常广阔的前景。

目前，面向特定领域的智能问答的实现都需要有一个庞大的问答知识库，所述问答知识库中包含大量设定的问题答案对，例如问题是“保修期多久”，则相应的答案为“保修期一年”，智能问答中客服即是基于所述问答知识库进行智能答复的。然而，为了保证答复的准确性，需要及时补充完善问答知识库，而目前问答知识库的维护耗费着大量的人力资源，并且效率低下。

发明内容

鉴于以上原因，有必要提供一种问答数据处理方法、电子装置及存储介质，可以自动从坐席文本数据中选择出合适的目标问答对，对问答知识库进行维护和更新，从而节约人力和提高效率。

为实现上述目的，本发明提供一种问答数据处理方法，该方法包括：获取步骤：从数据库获取坐席文本数据，所述坐席文本数据包括所有客户与客服在问答过程中记录的问答数据；分组步骤：将所述坐席文本数据分为若干组问答记录，同一组问答记录属于同一客户和相应的客服，每组问答记录包括客户的若干个问题语句和客服的若干个答案语句；排序步骤：按照记录的时间顺序排列每组问答记录中的问题语句和答案语句，去除无相应答案语句的问题语句和无相应问题语句的答案语句，将每组问答记录中的问题语句和答案语句排列为一问一答的形式，从而得到若干个候选问答对，每个候选问答对包括一个问题语句和一个相应的答案语句；提取步骤：对每个候选问答对中的问题语句和答案语句进行分词处理得到各个词条，统计各词条在所述坐席文本数据中出现的词频，根据所统计的各词条的词频为相应词条计算词条权重，将词条权重大于第一预设阈值的词条作为相应问题语句或答案语句的关键词；计算步骤：统计每个候选问答对的多个指定特征，对每个所述指定特征分别赋予相应的预设特征权重，针对每个候选问答对，使用所述特征权重对所述多个指定特征进行加权计算，得到每个候选问答对的匹配度；筛选步骤：从所有候选问答对中筛选出匹配度高于第二预设阈值的候选问答对作为目标问答对，将所述目标问答对补充到问答知识库中，所述问答知识库用于为客户基于问答知识库中的问答对进行智能应答。

可选地，所述从数据库获取坐席文本数据之后，还包括对所述坐席文本数据进行数据清洗操作，所述数据清洗操作包括：统计坐席文本数据中各语句的出现频率，获取出现频率高于第三预设阈值的语句作为高频语句；对每个所述高频语句进行分词处理，统计分词处理后得到的各词条在所有高频语句中的出现频率，将出现频率高于第四预设阈值的词条作为寒暄词；计算坐席文本数据各语句中所有寒暄词在所属语句所有词条中的占比，将所计算出的占比高于第五预设阈值的语句作为寒暄类语句；确定坐席文本数据中的短文本语句，所述短文本语句包括字符数小于第六预设阈值的语句，以及只包含数字和/或符号的语句；从所述坐席文本数据中过滤掉所述寒暄类语句和所述短文本语句，从而完成所述数据清洗操作。