一种智能应答方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113779205A(43)申请公布日2021.12.10(21)申请号202010916973.5G06F40/30(2020.01)(22)申请日2020.09.03G06F40/242(2020.01)G06N3/04(2006.01)(71)申请人北京沃东天骏信息技术有限公司G06N3/08(2006.01)地址100176北京市北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人孙岑王晶倪增光王峰王彦宁朱大鹏朱凤娇(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人张一军王安娜(51)Int.Cl.G06F16/332(2019.01)G06F16/33(2019.01)G06F16/35(2019.01)权利要求书2页说明书11页附图4页(54)发明名称一种智能应答方法和装置(57)摘要本发明公开了一种智能应答方法和装置，涉及深度学习技术领域。该方法的一具体实施方式包括：将当前应答问题转换成字向量特征；将所述当前应答问题的字向量特征输入到预先训练好的应答模型中，以输出所述当前应答问题对应的当前应答答案的字向量特征和问题分类标签的字向量特征；将所述当前应答答案的字向量特征和所述问题分类标签的字向量特征分别转换成所述当前应答问题对应的当前应答答案和问题分类标签。该实施方式能够解决应答效率低或者应答能力有限的技术问题。CN113779205ACN113779205A权利要求书1/2页1.一种智能应答方法，其特征在于，包括：将当前应答问题转换成字向量特征；将所述当前应答问题的字向量特征输入到预先训练好的应答模型中，以输出所述当前应答问题对应的当前应答答案的字向量特征和问题分类标签的字向量特征；将所述当前应答答案的字向量特征和所述问题分类标签的字向量特征分别转换成所述当前应答问题对应的当前应答答案和问题分类标签；其中，所述应答模型采用如下方法训练得到：将训练样本及其对应的问题分类标签分别转换成字向量特征，所述训练样本包括应答问题及其对应的应答答案；以所述训练样本的字向量特征作为输入、以所述问题分类标签的字向量特征作为输出，训练卷积神经网络，从而得到应答模型。2.根据权利要求1所述的方法，其特征在于，将训练样本及其对应的问题分类标签分别转换成字向量特征，包括：对训练样本进行分词处理从而得到分词，并对各个所述分词标注位置标签；将所述训练样本及其对应的问题分类标签、各个所述分词的位置标签分别转换成字向量特征。3.根据权利要求2所述的方法，其特征在于，对训练样本进行分词处理从而得到分词，包括：根据预设的词语词典，对训练样本进行结巴分词，从而得到分词。4.根据权利要求2所述的方法，其特征在于，对各个所述分词标注位置标签，包括：对各个所述分词中的每个字分别标注位置标签；其中，所述位置标签用于指示所述字在所述分词中的位置和所述训练样本对应的问题分类标签。5.根据权利要求2所述的方法，其特征在于，将所述训练样本及其对应的问题分类标签、各个所述分词的位置标签分别转换成字向量特征，包括：根据预设的字典，将所述训练样本及其对应的问题分类标签、各个所述分词的位置标签中的每个字分别转换成数字，从而得到字向量特征；其中，所述字典包括各个字及其对应的数字，所述数字用于指示所述字的出现次数的排序，并且每个数字为多维向量。6.根据权利要求5所述的方法，其特征在于，以所述训练样本的字向量特征作为输入、以所述问题分类标签的字向量特征作为输出，训练卷积神经网络，从而得到应答模型，包括：将所述应答问题的字向量特征及其对应的应答答案的字向量特征拼接成句子字向量特征；对所述句子字向量特征进行字扩充操作；对扩充后的句子字向量特征和各个所述分词的位置标签的字向量特征进行组合操作，得到输入特征信息；将所述输入特征信息输入到卷积神经网络，并以所述问题分类标签的字向量特征作为输出，进行多次迭代优化，从而得到应答模型。2CN113779205A权利要求书2/2页7.根据权利要求6所述的方法，其特征在于，对所述句子字向量特征进行字扩充操作，包括：按照句子字向量特征长度由大到小的顺序，对训练样本集中各个所述训练样本对应的句子字向量特征进行降序排列；对排序中靠前的若干个句子字向量特征进行字扩充操作，将剩余的句子字向量特征从所述训练样本集中剔除。8.根据权利要求7所述的方法，其特征在于，对排序中靠前的若干个句子字向量特征进行字扩充操作，包括：根据排序中首位句子字向量特征的长度，对排序中靠前的若干个句子字向量特征进行字扩充操作，使得扩充后的句子字向量特征的长度与所述首位句子字向量特征的长度相同。9.一种智能应答装置，其特征在于，包括：第一转换模块，用于