[发明专利]答案确定方法及系统

说明书

本申请提供了一种答案确定方法、设备以及相关系统。所述方法包括：获取用户问题以及问题集合，其中，问题集合包括标准问题以及相似问题，问题集合中的问题对应相同的答案；根据用户问题和标准问题确定标准特征向量，其中，标准特征向量包括第一标准特征值以及第二标准特征值；根据用户问题和相似问题确定相似特征向量，其中，相似特征向量包括第一相似特征值和第二相似特征值；对第一标准特征值和第一相似特征值进行比较，从而获得第一最大值；对第二标准特征值和第二相似特征值进行比较，从而获得第二最大值；将第一最大值以及第二最大值入评分模型从而得到问题集合的评分；根据评分确定用户问题的答案。上述方法能够提高匹配模型的准确度。

技术领域

本申请涉及人工智能领域，尤其涉及答案确定方法和对应的系统。

背景技术

问答引擎(又称为问答系统)已经被广泛地应用到各个领域，例如，企业的在线客户服务和电商网站购物等等。当用户需要咨询问题时，可以点击进入问答界面，并在问答界面输入用户问题，问答引擎返回用户问题的答案。以电商网站购物的场景为例，当用户对商品有疑问的时候，可以直接点击在线客服进行询问。实际上，现在大部分在线客服都是问答引擎在后台自动进行回答，而并非客服人员在前台人工进行回答。

问答引擎主要由两个部分组成：问答引擎的知识库以及匹配模型。其中，知识库用于提供问答所需的知识，因此，知识库越丰富越好，体现出的是“知识渊博”；匹配模型用于根据用户问题去知识库中找到答案，因此，匹配模型越准确越好，体现出的是“聪明”。

问答引擎的知识库中的知识可以用不同的数据结构去表达，以适应不同的知识挖掘技术。例如，知识库可以采用QA对的形式来存储知识，其中，每条知识包括一个QA对，Q表示标准问题，A表示标准问题对应的答案。例如，知识库可以存储了这样的QA对，Q：为何不能访问视频网页？A：访问视屏网页的权限被限制了。例如，第一知识库可以如表1所示：

表1：第一知识库

匹配模型将用户问题和知识库中的标准问题进行匹配，并将匹配度最高的标准问题所对应的答案作为用户问题的答案返回给用户。也就是说，匹配模型并不是根据用户问题直接查找答案，而是，根据用户问题查找最接近的标准问题，再根据最接近的标准问题确定对应的答案。

但是，本领域的技术人员在长期研究中发现：现有技术的匹配模型的准确度并不高，不能满足用户日益增长的准确度要求。

发明内容

本申请实施例提供了一种答案确定方法方法及系统，能够有效提高匹配模型的准确度。

第一方面，提供了一种答案确定方法，包括：

获取用户问题以及问题集合，其中，问题集合包括标准问题以及相似问题，所述问题集合中的问题对应相同的答案；

根据所述用户问题和所述标准问题确定标准特征向量，其中，所述标准特征向量包括第一标准特征值以及第二标准特征值；

根据所述用户问题和所述相似问题确定相似特征向量，其中，所述相似特征向量包括第一相似特征值和第二相似特征值；

对所述第一标准特征值和所述第一相似特征值进行比较，从而获得第一最大值；

对所述第二标准特征值和所述第二相似特征值进行比较，从而获得第二最大值；

将所述第一最大值以及第二最大值入评分模型从而得到所述问题集合的评分；

根据所述评分确定所述用户问题的答案。

结合第一方面，在第一方面的第一种可能的实施方式中，在获取问题集合之前，所述方法还包括：

将原始问题集合中的每个问题分别和匹配条件进行匹配，其中，所述匹配条件是根据所述用户问题确定的，用于筛选与所述用户问题相关的问题；