[发明专利]智能问答方法、装置、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，所述智能问答方法包括：

获取用户输入的问句语料；

通过预设的语义角色标注模型对所述问句语料进行语义角色标注，得到标注短语和所述标注短语对应的角色类型；

根据所述角色类型，确定所述标注短语对应的短语类别库，所述短语类别库包括至少一个子类别，每个子类别中包含有至少一条模板短语；

计算所述标注短语与对应的短语类别库中的模板短语的相似度，基于所述相似度确定所述标注短语在所述短语类别库中的子类别；

根据所述标注短语的角色类型和子类别，从预置的标准问题库中查询出对应的标准问；

根据所述标准问构建对应的标准答案并输出。

2.根据权利要求1所述的智能问答方法，其特征在于，所述通过预设的语义角色标注模型对所述问句语料进行语义角色标注，得到标注短语和所述标注短语对应的角色类型包括：

根据所述问句语料的字序列，将所述问句语料中的每个字输入到所述语义角色标注模型中；

通过所述语义角色标注模型对所述问句语料中的每个字进行语义角色的标注，得到标注字序列；

筛选所述标注字序列中角色类型相同的标注且字序为连续的字，并将筛选出的字组成标注短语；

根据所述标注短语上的标注确定所述标注短语对应的角色类型。

3.根据权利要求1所述的智能问答方法，其特征在于，所述计算所述标注短语与对应的短语类别库中的模板短语的相似度，基于所述相似度确定所述标注短语在所述短语类别库中的子类别包括：

将所述标注短语和所述模板短语进行向量转换处理，得到标注短语向量和模板短语向量；

计算所述标注短语向量与所述模板短语向量的相似度值；

根据所述相似度值，对所述模板短语向量按照相似度从大到小的顺序进行排序，得到向量序列；

根据从所述相似度值的最大值依次向下选定的筛选规则从所述向量序列中选择N个模板短语向量，基于所述N个模板短语向量确定对应的模板短语集，其中，N为大于1的整数；

提取所述模板短语集中的各模板短语对应的子类别，并从提取到的所有子类别中选择一个子类别作为所述标注短语的子类别。

4.根据权利要求3所述的智能问答方法，其特征在于，所述提取所述模板短语集中的各模板短语对应的子类别，并从提取到的所有子类别中选择一个子类别作为所述标注短语的子类别包括：

根据所述模板短语集中每个模板短语对应的子类别，对所述模板短语进行同类项合并处理，得到所述模板短语集的子类别的数量，其中所述同类项合并处理为将相同子类别的模板短语进行合并；

判断所述模板短语集中各子类别的数量是否相等；

若相等，则从数量相等的子类别中选择所述相似度值最大的模板短语对应的子类别作为所述标注短语的子类别；

若不相等，则将所述数量最大的子类别作为所述标注短语的子类别。

5.根据权利要求1所述的智能问答方法，其特征在于，所述根据所述标注短语的角色类型和子类别，从预置的标准问题库中查询出对应的标准问包括：

根据所述角色类型，确定所述标准问答库中所述标注短语对应的标准问答群；

根据所述子类别，确定所述标准问答群中所述标注短语对应的标准问。

6.根据权利要求1-5中任一项所述的智能问答方法，其特征在于，在所述获取用户输入的问句语料之前，还包括：

获取用户问题作为模型训练样本，并对所述模型训练样本进行人工标注，得到标注信息；

将所述训练样本输入到预置的深度学习模型中，得到预测标注结果；

基于预置损失函数，计算所述预测标注结果和所述标注信息之间的损失值；

将所述损失值反向输入所述深度学习模型，并根据所述损失值对所述深度学习模型的参数进行调整，直至所述深度学习模型收敛，得到语义角色标注模型。

7.根据权利要求6所述的智能问答方法，其特征在于，所述角色类型包括疑问类、动作类、状况类、背景类和槽位类。