【技术实现步骤摘要】
本专利技术涉及基于人工智能，同时适用于医疗健康领域和金融领域，尤其涉及一种基于人工智能的智能问答处理方法、装置、设备及介质。
技术介绍
1、知识库问答是自然语言处理领域的研究重点，其核心流程为解析自然语言问题并返回知识库中对应的答案。目前，一些大型商业公司，如ibm、google等，都推出了基于知识库问答的自动化程序。
2、随着知识库问答方法的发展，越来越多的领域开始引入知识库问答方法，例如医疗领域内的线上智能问诊和智能导诊等应用场景，可以通过知识库问答方法提高用户的服务体验。
3、传统的知识库问答方法是基于语义解析的，大致流程为针对特定知识库训练语义解析规则、利用训练出的规则将自然语言问题解析为中间形式、将此中间形式和知识库进行对齐以生成可执行的查询语句、执行查询语句返回答案。这种基于语义解析的方法在训练数据集所在的知识库上可以达到很好的效果，但是在其他知识库上效果就很差，使得现有知识库问答方法具有局限性，例如，针对金融领域的知识库进行规则解析后，得到的规则立足于金融领域的知识库的特征，即，所得的规则具有金融领域特征，而所得的金融领域特征在面对与金融领域差距很大的医疗领域时，金融领域特征显然无法应用于医疗领域的知识库问答过程，因此现有技术中知识库问答方法具有局限性，即，需要针对不同的领域、不同场景和/不同业务设置不同的规则后才能实现不同的领域、不同场景和/不同业务的知识库问答过程。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于人工智能的智能问答处理
2、为达上述之一或部分或全部目的或是其他目的，本专利技术提出一种基于人工智能的智能问答处理方法，包括：获取用户问题，并将所述用户问题进行分词，得到分词结果；
3、将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图，所述预设知识库为根据实际业务构建的以关系链的形式存储数据的知识库，所述关系链包括至少两个节点及所述两个节点间的关系；
4、根据所述用户问题、所述分词结果和预设bert模型，确定用于推理的基础指令合集；
5、将所述用户问题、所述子图和所述基础指令合集输入预设图神经网络，得到以条件向量形式存在的推理结果；
6、根据所述推理结果在所述子图中确定所述用户问题的目标答案。
7、另一方面，本申请提供了一种基于人工智能的智能问答处理装置，所述装置包括：
8、数据接收模块，用于获取用户问题，并将所述用户问题进行分词，得到分词结果；
9、子图构建模块，用于将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图，所述预设知识库为根据实际业务构建的以关系链的形式存储数据的知识库，所述关系链包括至少两个节点及所述两个节点间的关系；
10、生成模块，用于将根据所述用户问题、所述分词结果和预设bert模型，确定用于推理的基础指令合集；
11、推理模块，用于将所述用户问题、所述子图和所述基础指令合集输入预设图神经网络，得到以条件向量形式存在的推理结果；
12、确定模块，用于根据所述推理结果在所述子图中确定所述用户问题的目标答案。
13、另一方面，本申请提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行：获取用户问题，并将所述用户问题进行分词，得到分词结果；将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图，所述预设知识库为根据实际业务构建的以关系链的形式存储数据的知识库，所述关系链包括至少两个节点及所述两个节点间的关系；根据所述用户问题、所述分词结果和预设bert模型，确定用于推理的基础指令合集；将所述用户问题、所述子图和所述基础指令合集输入预设图神经网络，得到以条件向量形式存在的推理结果；根据所述推理结果在所述子图中确定所述用户问题的目标答案的步骤。
14、另一方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行：获取用户问题，并将所述用户问题进行分词，得到分词结果；将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图，所述预设知识库为根据实际业务构建的以关系链的形式存储数据的知识库，所述关系链包括至少两个节点及所述两个节点间的关系；根据所述用户问题、所述分词结果和预设bert模型，确定用于推理的基础指令合集；将所述用户问题、所述子图和所述基础指令合集输入预设图神经网络，得到以条件向量形式存在的推理结果；根据所述推理结果在所述子图中确定所述用户问题的目标答案的步骤。
15、实施本专利技术实施例，将具有如下有益效果：
16、通过获取用户问题，并将所述用户问题进行分词，得到分词结果；将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图；根据所述用户问题、所述分词结果和预设bert模型，确定用于推理的基础指令合集；将用户问题、子图和基础指令合集输入预设图神经网络，得到推理结果；根据所述推理结果在所述子图中确定所述用户问题的目标答案。通过预设图神经网络，得到用户问题对应的推理结果，并根据所述推理结果在所述子图中确定所述用户问题的目标答案的方式，即，图神经网络的检索方式来回答任意类型的问题，提取与用户问题相关的子图以覆盖所有与用户问题内的主题实体相关的节点，即，覆盖了所有可能出现的问题，可以准确回答训练集中没有见过的问题。将用户问题、子图和基础指令合集输入预设图神经网络进行的推理过程为多轮逐层推理过程，通过在图神经网络上的多轮逐层推理，将原始问题与知识库进行了最大程度的对齐，可以返回准确度极高的答案。无需训练针对特定知识库的解析规则，直接通过基于图神经网络的检索方式来回答任意问题类型。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的智能问答处理方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，所述将所述用户问题进行分词，得到分词结果的步骤，包括：
3.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，在所述将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图的步骤之前，还包括：
4.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，所述将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图的步骤，包括：
5.如权利要求4所述的基于人工智能的智能问答处理方法，其特征在于，所述基于所述第一节点集和所述第二节点集构建子图的步骤，包括：
6.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，所述根据所述用户问题、所述分词结果和预设Bert模型，确定用于推理的基础指令合集的步骤，包括：
7.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，所述将所述用户问题、所述子图和所述基
8.一种基于人工智能的智能问答处理装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的基于人工智能的智能问答处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的基于人工智能的智能问答处理方法的步骤。
...【技术特征摘要】
1.一种基于人工智能的智能问答处理方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，所述将所述用户问题进行分词，得到分词结果的步骤，包括：
3.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，在所述将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图的步骤之前，还包括：
4.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，所述将所述分词结果与预设知识库中的节点进行匹配，得到目标节点，并基于所述目标节点构建子图的步骤，包括：
5.如权利要求4所述的基于人工智能的智能问答处理方法，其特征在于，所述基于所述第一节点集和所述第二节点集构建子图的步骤，包括：
6.如权利要求1所述的基于人工智能的智能问答处理方法，其特征在于，所述根据所述用户问题、所述分词结果...
【专利技术属性】
技术研发人员：张恒源，常鹏，吉宗诚，
申请(专利权)人：平安科技深圳有限公司，
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。