【技术实现步骤摘要】
本专利技术涉及自然语言处理，尤其涉及一种基于人工智能的多场景智能问答管理系统及方法。
技术介绍
1、现有技术虽然支持多场景的智能问答，但在涉及多主题或需要深度语义理解的情况下，难以完全理解复杂的用户查询。此外，现有技术的响应依赖于静态的知识库和固定的回答模式，限制了其在处理新兴或少见问题时的有效性，导致用户体验下降，导致出现用户感受到答案不相关或缺乏针对性的问题，从而影响整体的服务满意度和系统的实用性。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的一种基于人工智能的多场景智能问答管理系统及方法。
2、为了实现上述目的，本专利技术采用了如下技术方案：一种基于人工智能的多场景智能问答管理系统包括：
3、语义平滑优化模块收集多个问答场景中的关键词和主题语句，定义每个关键词和主题语句为一个节点，建立节点间的语义关联，计算节点之间的路径长度和关联强度，对比计算结果后重新分配节点权重，得到优化的节点权重；
4、用户意图识别模块基于所述优化的节点权重，将用户提问映射到节点集合，计算与每个节点的匹配度，选取匹配度最高的核心节点，根据核心节点与其余节点的关联度，计算全部关联节点的累积权重，确定累积权重最大的路径，得到关联的主题路径；
5、数据融合调整模块基于所述关联的主题路径，监测节点的当前数据输入，结合用户交互数据，建立贝叶斯模型计算节点在当前提问下作为答复的条件概率，更新节点的连接强度和关系，重新计算节点状态值，生成更新的
6、答复路径选择模块基于所述更新的条件概率值，从知识库或预设文本中获取候选答复内容，计算答复内容与关联的主题路径的匹配度，根据匹配程度筛选答复内容，生成智能问答结果。
7、作为本专利技术的进一步方案，所述对比计算结果后重新分配节点权重的获取步骤具体为：
8、从多个问答场景中收集关键词和主题语句，将每个关键词和主题语句定义为一个节点，建立节点间的语义关联，采用公式：
9、；
10、计算节点与节点之间的语义关联强度；
11、其中，是节点标识，是节点在第个问答场景中的词频，是节点在第个问答场景中的词频，是问答场景的索引，是问答场景的总数；
12、根据所述节点与节点之间的语义关联强度，采用公式：
13、；
14、计算节点到节点的路径长度；
15、根据所述节点到节点的路径长度，采用公式：
16、；
17、计算节点更新后的权重，得到优化的节点权重；
18、其中，是节点的原始权重，是权重调整因子，通过实验或调参过程中确定。
19、作为本专利技术的进一步方案，所述选取匹配度最高的核心节点的获取步骤具体为：
20、根据所述节点更新后的权重，采用公式：
21、；
22、计算用户提问与节点的映射得分；
23、其中，是二元指示函数，当提问中的关键词属于节点时取值为1，否则为0，是提问中关键词的总数，和是调整系数，通过用户提问中的关键词与节点的关联性获取，是节点的频率权重；
24、根据所述用户提问与节点的映射得分，采用公式：
25、；
26、计算节点的匹配度；
27、其中，是节点的总数，表示定义的全部节点的数量，是用户提问与节点的映射得分；
28、根据所述节点的匹配度，采用公式：
29、；
30、根据匹配度选择核心节点；
31、其中，用于找出使最大的节点索引。
32、作为本专利技术的进一步方案，所述确定累积权重最大的路径的获取步骤具体为：
33、参考所述匹配度选择核心节点，采用公式：
34、；
35、计算与核心节点关联的节点的累积权重；
36、其中，是核心节点与节点之间的关联度，是节点的优化权重，是全部节点总数；
37、根据所述节点的累积权重，采用公式：
38、；
39、计算累积权重的最大路径，得到关联的主题路径；
40、其中，用于找出使最大的节点索引。
41、作为本专利技术的进一步方案，所述计算节点在当前提问下作为答复的条件概率的获取步骤具体为：
42、根据当前数据输入和用户交互数据，采用公式：
43、；
44、计算节点的数据向量；
45、其中，是节点的当前数据输入，是与节点关联的用户交互数据，是调整当前数据输入与用户交互数据贡献的权重；
46、根据所述节点的数据向量，参考累积权重的最大路径，采用公式：
47、；
48、计算节点在当前提问下作为答复的条件概率；
49、其中，是模型敏感度调整参数，通过数据拟合与优化确定，是数据波动性的影响权重，通过分析节点的历史数据得出，是节点的数据波动性度量，通过历史数据分析获得，是连接强度调整参数，根据节点连接强度对模型的影响进行优化，是节点与其余节点的平均连接强度，基于网络分析计算，是主题路径的节点索引，是自然指数，是节点的数据向量，表示节点的数据波动性度量，代表节点与其余节点的平均连接强度。
50、作为本专利技术的进一步方案，所述重新计算节点状态值的获取步骤具体为：
51、参考所述节点在当前提问下作为答复的条件概率，采用公式：
52、；
53、计算节点与节点之间的连接强度；
54、其中，是平衡参数，基于历史数据和响应性能调整；
55、根据所述节点与节点之间的连接强度，采用公式：
56、；
57、计算节点的新状态值；
58、根据所述节点的新状态值，采用公式：
59、；
60、得到更新的节点条件概率，生成更新的条件概率值；
61、其中，是节点索引，表示全部节点的状态值。
62、作为本专利技术的进一步方案，所述计算答复内容与关联的主题路径的匹配度的获取步骤具体为：
63、根据所述更新的节点条件概率，采用公式：
64、；
65、得到节点的候选答复的相关性得分，表示候选答复的相关性得分；
66、其中，是知识库中第个文本或数据项的向量形式，是余弦相似度函数，用于选取最大值；
67、根据所述点的更新条件概率向量，采用公式：
68、；
69、计算答复内容的匹配度得分，根据匹配程度筛选答复内容，生成智能问答结果；
70、其中，是权重系数，是主题路径中的节点数量，是节点索引，表示主题路径，是由多个节点组成的集合。
71、一种基于人工智能的多场景智能问答管理方法，所述基于人工智能的多场景智能问答管理方法基于上述基于人工智能的多场景智能问答管理系统执行，包括以下步骤：
72本文档来自技高网...
【技术保护点】
1.一种基于人工智能的多场景智能问答管理系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述对比计算结果后重新分配节点权重的获取步骤具体为：
3.根据权利要求2所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述选取匹配度最高的核心节点的获取步骤具体为：
4.根据权利要求3所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述确定累积权重最大的路径的获取步骤具体为：
5.根据权利要求4所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述计算节点在当前提问下作为答复的条件概率的获取步骤具体为：
6.根据权利要求5所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述重新计算节点状态值的获取步骤具体为：
7.根据权利要求6所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述计算答复内容与关联的主题路径的匹配度的获取步骤具体为：
8.一种基于人工智能的多场景智能问答管理方法，其特征在于，根据权利要求1-7任一
...【技术特征摘要】
1.一种基于人工智能的多场景智能问答管理系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述对比计算结果后重新分配节点权重的获取步骤具体为：
3.根据权利要求2所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述选取匹配度最高的核心节点的获取步骤具体为：
4.根据权利要求3所述的基于人工智能的多场景智能问答管理系统，其特征在于，所述确定累积权重最大的路径的获取步骤具体为：
5.根据权利要求4所述的基于人工智能的...
【专利技术属性】
技术研发人员：魏建华，李方祥，韦星，张玉明，连平，
申请(专利权)人：深度山东数字科技集团有限公司，
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。