本公开实施例公开了问答系统中的问题推荐方法、装置、电子设备及存储介质，在提高了问题推荐精准度的同时，节约了人工成本，提升了用户与问答系统交互过程中的体验。所述方法，包括：响应于接收到的初始问句，确定与所述初始问句对应的关联问句；根据所述关联问句反馈对应于所述初始问句的候选问句，所述候选问句为针对于下一轮问答对话中所可能出现的问句而作出的预测结果；其中，所述初始问句所对应的第一知识点与所述关联问句所对应的第二知识点之间具有关联关系。识点之间具有关联关系。识点之间具有关联关系。
【技术实现步骤摘要】
问答系统中的问题推荐方法、装置、电子设备及存储介质
[0001]本公开涉及计算机
，尤其涉及问答系统中的问题推荐方法、装置、电子设备及存储介质。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]FAQ(Frequently Asked Questions，常见问题解答)是当前网络上提供在线咨询服务的主要手段，FAQ问答系统是目前工业界应用最广泛的问答系统，构建一个完善且丰富的FAQ知识库是问答系统的先决条件。当用户通过FAQ问答系统进行查询时，FAQ问答系统将用户的问题与FAQ知识库中的问句进行匹配，将匹配度最高且满足匹配度阈值条件的问句的答案返回给用户，用户若需要继续查询下一个问题，需要手动输入所要查询的问句，从而导致与FAQ问答系统的交互效率不高。
[0004]针对上述问题，FAQ问答系统通过问题推荐的方式供用户选择下一问题，相关技术中，问题推荐方案一般采用分类的方式，将用户当前输入的问句与之前输入的问句总体作为分类模型的输入，预测用户将会查询的下一问题。然而，这种问题推荐方案在训练分类模型时，需要大量的人工对用户输入的问句进行聚类并标注标签，每个问句都需标注一个对应的标签以便分类，且该种方法能够预测的问题十分有限，若想要提高所预测问题的覆盖面，则需要训练的语料越多，这样，需要人工标注的标签则越多，人工成本较高，无法在预测的准确率和人工成本之间达到平衡。
技术实现思路
[0005]针对上述技术问题，本公开实施例提供了一种问答系统中的问题推荐方法、装置、电子设备及存储介质，在提高问答系统推荐问题的精准度的同时节约了计算资源。
[0006]一方面，本公开实施例提供了一种问答系统中的问题推荐方法，包括：
[0007]响应于接收到的初始问句，确定与所述初始问句对应的关联问句；
[0008]根据所述关联问句反馈对应于所述初始问句的候选问句，所述候选问句为针对于下一轮问答对话中所可能出现的问句而作出的预测结果；
[0009]其中，所述初始问句所对应的第一知识点与所述关联问句所对应的第二知识点之间具有关联关系。
[0010]在一种可能的实施方式中，响应于接收到的初始问句，确定与所述初始问句对应的关联问句，包括：
[0011]确定对应于所述初始问句的第一知识点信息；
[0012]根据相应的关联规则库以及对应于所述初始问句的第一知识点信息，确定对应于所述关联问句的第二知识点信息；
[0013]基于所述第二知识点信息确定所述关联问句；
[0014]其中，所述关联规则库中记录有所述问答系统中所涉及的各知识点之间的关联关系。
[0015]在一种可能的实施方式中，所述第一知识点信息包括针对第一知识点发起提问的第一标准问句，以及等价于所述第一标准问句而针对第一知识点发起提问的第一相似问句，所述第一知识点信息还包括针对所述第一标准问句和/或第一相似问句作出回答的第一知识点答案；
[0016]所述第二知识点信息包括针对第二知识点发起提问的第二标准问句，以及等价于所述第二标准问句而针对第二知识点发起提问的第二相似问句，所述第二知识点信息还包括针对所述第二标准问句和/或第二相似问句作出回答的第二知识点答案；以及
[0017]基于所述第二知识点信息确定所述关联问句，包括：
[0018]基于所述第二标准问句和/或第二相似问句确定所述关联问句。
[0019]在一种可能的实施方式中，所述关联规则库是基于对历史会话数据中一系列的问答语句对进行统计分析而构建而成的。
[0020]在一种可能的实施方式中，对历史会话数据中一系列的问答语句对进行统计分析，包括：
[0021]获取历史会话数据中一系列的问答语句对，根据所述一系列的问答语句对获得候选知识点组合；
[0022]确定各候选知识点组合对应的关联置信度；
[0023]将关联置信度大于或者等于预设阈值的候选知识点组合确定为最终知识点组合；
[0024]基于所述最终知识点组合确定所述关联规则库。
[0025]在一种可能的实施方式中，所述历史会话数据包括至少两个历史会话序列；
[0026]根据所述一系列的问答语句对获得候选知识点组合，包括：
[0027]针对每一历史会话序列，将所述历史会话序列中包含的问答语句对分别两两组合为一系列的问答语句组；
[0028]确定每一问答语句对所对应的知识点在所述历史会话数据中的第一出现频次；
[0029]确定每一问答语句组所对应的知识点组合在所述历史会话数据中的第二出现频次；
[0030]剔除第二出现频次低于预设次数的知识点组合，获得候选知识点组合。
[0031]在一种可能的实施方式中，确定各候选知识点组合对应的关联置信度，包括：
[0032]将各候选知识点组合中的首个知识点确定为相应候选知识点组合的候选知识点；
[0033]针对每一候选知识点组合，将所述候选知识点组合所对应的第二出现频次除以相应候选知识点所对应的第一出现频次，获得对应的关联置信度。
[0034]在一种可能的实施方式中，根据所述关联问句，反馈对应于所述初始问句的候选问句，包括：
[0035]对所述关联问句进行压缩处理，获得对应于所述初始问句的候选问句；
[0036]反馈所述初始问句的候选问句。
[0037]在一种可能的实施方式中，对所述关联问句进行压缩处理，获得对应于所述初始问句的候选问句，包括：
[0038]通过句子压缩模型对所述关联问句进行压缩处理，获得对应于所述初始问句的候
选问句。
[0039]在一种可能的实施方式中，所述候选问句对应于所述第二知识点信息，且所述候选问句的字数不超过所述第二标准问句或者第二相似问句的字数。
[0040]在一种可能的实施方式中，所述句子压缩模型包括编码器和解码器；
[0041]通过句子压缩模型对所述关联问句进行压缩处理，获得对应于所述初始问句的候选问句，包括：
[0042]确定所述关联问句中每个字的重要度向量与所述每个字的字向量；
[0043]将所述每个字的重要度向量与所述每个字的字向量进行融合生成融合向量；
[0044]将所述融合向量输入所述编码器，并将所述编码器的输出向量输入所述解码器，获得压缩后的关联问句，其中，所述句子压缩模型是基于从样本语料集合中提取的样本语句中每个字的重要度向量与字向量训练获得的；
[0045]将所述压缩后的关联问句确定为所述初始问句的候选问句。
[0046]在一种可能的实施方式中，通过以下步骤进行训练获得所述句子压缩模型：
[0047]获取样本语料集合，将所述样本语料集合中的每一样本语句分别输入句向量识别模型，获得所述每一样本语句的句向量；
[0048]基于预设文本聚类算法与所述每一样本语句的句向量将本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种问答系统中的问题推荐方法，其特征在于，包括：响应于接收到的初始问句，确定与所述初始问句对应的关联问句；根据所述关联问句反馈对应于所述初始问句的候选问句，所述候选问句为针对于下一轮问答对话中所可能出现的问句而作出的预测结果；其中，所述初始问句所对应的第一知识点与所述关联问句所对应的第二知识点之间具有关联关系。2.如权利要求1所述的方法，其特征在于，响应于接收到的初始问句，确定与所述初始问句对应的关联问句，包括：确定对应于所述初始问句的第一知识点信息；根据相应的关联规则库以及对应于所述初始问句的第一知识点信息，确定对应于所述关联问句的第二知识点信息；基于所述第二知识点信息确定所述关联问句；其中，所述关联规则库中记录有所述问答系统中所涉及的各知识点之间的关联关系。3.如权利要求2所述的方法，其特征在于，所述第一知识点信息包括针对第一知识点发起提问的第一标准问句，以及等价于所述第一标准问句而针对第一知识点发起提问的第一相似问句，所述第一知识点信息还包括针对所述第一标准问句和/或第一相似问句作出回答的第一知识点答案；所述第二知识点信息包括针对第二知识点发起提问的第二标准问句，以及等价于所述第二标准问句而针对第二知识点发起提问的第二相似问句，所述第二知识点信息还包括针对所述第二标准问句和/或第二相似问句作出回答的第二知识点答案；以及基于所述第二知识点信息确定所述关联问句，包括：基于所述第二标准问句和/或第二相似问句确定所述关联问句。4.如权利要求3所述的方法，其特征在于，所述关联规则库是基于对历史会话数据中一系列的问答语句对进行统计分析而构建而成的。5.如权利要求4所述的方法，其特征在于，对历史会话数据中一系列的问答语句对进行统计分析，包括：获取历史会话数据中一系列的问答语句对，根据所述一系列的问答语句对获得候选知识点组合；确定各候选知识...
【专利技术属性】
技术研发人员：马春平，冯旻伟，尹竞成，阮良，
申请(专利权)人：杭州网易智企科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。