[发明专利]基于人工智能BERT模型实现智能学生服务的方法

权利要求书

1. 一种基于人工智能BERT模型实现智能学生服务的方法，其特征在于：包括信息采集用以形成集合；给形成的集合打标签形成类别后将打完标签的语料信息录入数据库；然后基于BERT+ BM2构建AI模型；构建好AI模型后建立AI后端服务并通过java实现中端服务，而前端程序能调用中端java服务；搭建完上述系统后进行交互，交互完成后，收集用户针对本次服务的满意度，以便调优模型或者不断补充问题。

2.根据权利要求1所述的基于人工智能BERT模型实现智能学生服务的方法，其特征在于：所述信息采集用以形成集合包括收集常规问题及答案列表形成语料库、收集与学生学习过程有关的服务内容形成服务集。

3.根据权利要求2所述的基于人工智能BERT模型实现智能学生服务的方法，其特征在于：所述给形成的集合打标签形成类别具体表现为给形成的问题集和服务集打标签形成问题类别或者服务类别。

4. 根据权利要求1所述的基于人工智能BERT模型实现智能学生服务的方法，其特征在于：所述基于BERT+ BM2构建AI模型时分数(问题)=βBM2(问题)+αBERT（问题），通过调整beta 和 alpha的数值来根据语料情况来进行调参，针对语料问题有比较好的语义，可以把BERT的权重调高，BM25(词频的权重调低)，而语料问题的语义比较低，则可以提高词频的权重。

5.根据权利要求1所述的基于人工智能BERT模型实现智能学生服务的方法，其特征在于：所述建立AI后端服务是通过包括Python、TensorFlow、bert4keras、Keras、bottle、skLearn在内的组件实现的，通过机器学习将语料库进行学习，最终实现通过调用服务接口，将问题文本输入，返回相似问题列表，且问题带有相似分数值及问题ID。

6.根据权利要求5所述的基于人工智能BERT模型实现智能学生服务的方法，其特征在于：所述通过java实现中端服务具体为如果学生通过语音问询问题，可以通过语音转化服务，将用户输入的语音信息，转化为文本信息后，调用Python后端AI服务接口，传入问题，接收相似问题列表，如学生直接录入文本信息，则直接调用Python后端AI服务接口。

7.根据权利要求5所述的基于人工智能BERT模型实现智能学生服务的方法，其特征在于：所述前端程序调用中端java服务时，获得问题列表，当用户确认为某一问题时，调用中端服务，根据问题类型，返回问题答案或者服务ID，如果是服务ID，则中端java程序调用业务平台相关服务接口，或者该用户的学习相关数据。