[发明专利]智能问答方法、装置、计算机设备及存储介质

权利要求书

1.一种智能问答方法，其特征在于，包括：

获取客户端发送的目标提问问题，所述目标提问问题中包含目标产品和目标领域；

将所述目标提问问题输入至预先训练好的与所述目标领域对应的专用问答模型中，获取到与所述目标提问问题对应的目标答案；

基于所述目标产品查询问题数据库，获取与所述目标产品相关联的至少一个推荐历史问题；

将所述目标答案和至少一个所述推荐历史问题发送给所述客户端；

获取所述客户端发送的基于任一所述推荐历史问题形成的询问请求，获取与所述历史推荐问题相对应的历史答案，并将所述历史答案发送给所述客户端。

2.如权利要求1所述的智能问答方法，其特征在于，在所述将所述目标提问问题输入至预先训练好的与所述目标领域对应的专用问答模型中的步骤之前，所述智能问答方法还包括：

获取与所述目标领域对应的问题训练数据和与所述问题训练数据相对应的答案训练数据；

将所述问题训练数据和所述答案训练数据输入至GLOVE模型中，获取对应的问题词向量和答案词向量；

采用QANet模型对所述问题词向量和所述答案词向量进行问答学习训练，得到与所述目标领域对应的专用问答模型。

3.如权利要求2所述的智能问答方法，其特征在于，所述将所述问题训练数据和所述答案训练数据输入至GLOVE模型中，获取对应的问题词向量和答案词向量，包括：

对所述问题训练数据和所述答案训练数据进行去停用词处理和分词处理，获取与所述问题训练数据对应的第一分词表和与所述答案训练数据对应的第二分词表；

采用固定窗口遍历所述第一分词表和所述第二分词表，获取与所述第一分词表对应的第一共现矩阵和与所述第二分词表对应的第二共现矩阵；

采用代价函数，对所述第一共现矩阵和所述第二共现矩阵进行训练，获取与所述问题训练数据对应的问题词向量和与所述答案训练数据对应的答案词向量，所述代价函数为f(X_ij)为权重函数，v为分词表的大小，w_i和w_j为分词i和分词j的词向量，b_i和b_j为分词i和分词j的偏移向量。

4.如权利要求2所述的智能问答方法，其特征在于，所述采用QANet模型对所述问题词向量和所述答案词向量进行问答学习训练，得到与所述目标领域对应的专用问答模型，包括：

将所述问题词向量和所述答案词向量输入至QANet模型的编码器层中，对所述问题词向量和所述答案词向量进行位置编码，获取与所述问题词向量对应的第一编码和与所述答案词向量对应的第二编码；

基于所述第一编码和所述第二编码，计算所述问题词向量到所述答案词向量的第一自注意力矩阵和所述答案词向量到所述问题词向量的第二自注意力矩阵；

将所述第一自注意力矩阵、所述第二自注意力矩阵和所述第二编码输入到解码器层，获取输出值M0、M1和M2；

采用损失函数对所述问题词向量和所述答案词向量进行训练，得到与所述目标领域对应的专用问答模型，所述损失函数为其中，N为问题训练数据的总数，i为第i个问题训练数据，yi¹表示第i个问题训练数据在答案训练数据中真实起始位置，yi²第i个问题训练数据在答案训练数据中真实结束位置，p¹为预测每个编码是回答范围起始点的概率，p¹＝softmax[W₁(M0；M1)]，p²为预测每个编码是回答范围结束点的概率，p²＝softmax[W₂(M0；M2)]，W_start、W_end是两个可训练变量，M0、M1和M2是解码器层的输出。