本發(fā)明涉及智能問答，特別涉及一種智能問答方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著人工智能技術(shù)的發(fā)展，智能問答系統(tǒng)已廣泛應(yīng)用于多個(gè)領(lǐng)域，如客服、教育、醫(yī)療等。然而，現(xiàn)有的智能問答系統(tǒng)在面對(duì)復(fù)雜語義和多樣化問題時(shí)往往面臨著理解偏差和響應(yīng)不準(zhǔn)確的問題，尤其是在用戶輸入具有模糊性、歧義性或多層次語義時(shí)，系統(tǒng)難以準(zhǔn)確預(yù)測(cè)用戶意圖并生成合理的答案。

2、當(dāng)前，主要依賴基于規(guī)則的匹配方法或者簡(jiǎn)單的關(guān)鍵詞搜索方式，這些方法在處理語義豐富、上下文依賴強(qiáng)的對(duì)話時(shí)，容易出現(xiàn)語義匹配不足、意圖理解錯(cuò)誤等問題，影響了系統(tǒng)的響應(yīng)準(zhǔn)確性和用戶交互體驗(yàn)。因此，如何通過更為精確的語義相似度匹配與意圖預(yù)測(cè)機(jī)制，提高智能問答系統(tǒng)的語義理解和答案生成效果，進(jìn)而優(yōu)化系統(tǒng)的整體性能和用戶體驗(yàn)，成為智能問答技術(shù)中的重要課題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種智能問答方法、裝置、設(shè)備及介質(zhì)，能夠大幅提高問答匹配的精準(zhǔn)度，優(yōu)化用戶查詢體驗(yàn)。其具體方案如下：

2、第一方面，本技術(shù)公開了一種智能問答方法，應(yīng)用于問答系統(tǒng)，包括：

3、獲取包含多模態(tài)數(shù)據(jù)的用戶提問和與所述用戶提問對(duì)應(yīng)的候選答案集；

4、確定所述用戶提問與所述候選答案集之間的第一語義相似度，并根據(jù)所述第一語義相似度從所述候選答案集中確定初始候選答案；

5、基于所述初始候選答案，獲取與用戶交互過程中的歷史對(duì)話信息，并利用滑動(dòng)窗口對(duì)所述歷史對(duì)話信息進(jìn)行上下文分析，以生成針對(duì)所述用戶提問的意圖預(yù)測(cè)結(jié)果；

6、根據(jù)所述意圖預(yù)測(cè)結(jié)果，利用語義生成模型生成與所述用戶提問語義相似的新問題序列，并基于所述新問題序列構(gòu)建擴(kuò)展問答庫(kù)；

7、獲取用戶反饋數(shù)據(jù)，并基于所述用戶反饋數(shù)據(jù)與所述擴(kuò)展問答庫(kù)中的數(shù)據(jù)，利用閉環(huán)優(yōu)化模型生成對(duì)所述初始候選答案優(yōu)化后的問答結(jié)果，并將所述問答結(jié)果推送給用戶；所述用戶反饋數(shù)據(jù)為用戶針對(duì)不同問題的生成答案反饋的評(píng)分?jǐn)?shù)據(jù)。

8、可選的，所述多模態(tài)數(shù)據(jù)包括文本數(shù)據(jù)、圖像數(shù)據(jù)、語音數(shù)據(jù)、表情數(shù)據(jù)以及人體姿態(tài)數(shù)據(jù)中的任意一種或幾種組合；其中，所述獲取包含多模態(tài)數(shù)據(jù)的用戶提問和與所述用戶提問對(duì)應(yīng)的候選答案集之后，還包括：

9、分別對(duì)所述用戶提問和所述候選答案集進(jìn)行格式轉(zhuǎn)換和特征提取，以生成各自對(duì)應(yīng)的跨模態(tài)語義嵌入。

10、可選的，對(duì)所述用戶提問進(jìn)行格式轉(zhuǎn)換和特征提取，以生成相應(yīng)的跨模態(tài)語義嵌入，包括：

11、針對(duì)所述文本數(shù)據(jù)進(jìn)行詞向量轉(zhuǎn)換，以得到第一特征向量，并將所述第一特征向量輸入至預(yù)先訓(xùn)練好的詞嵌入模型中，以得到所述文本數(shù)據(jù)的第一特征表示；

12、利用預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)提取所述圖像數(shù)據(jù)的第二特征向量，并基于所述第二特征向量確定所述圖像數(shù)據(jù)的第二特征表示；

13、利用預(yù)設(shè)聲學(xué)特征提取方法對(duì)所述語音數(shù)據(jù)進(jìn)行處理，以得到第三特征向量，并基于所述第三特征向量確定所述語音數(shù)據(jù)的第三特征表示；

14、利用預(yù)設(shè)面部表情分析工具提取所述表情數(shù)據(jù)的第四特征向量，并基于所述第四特征向量確定所述表情數(shù)據(jù)的第四特征表示；

15、利用預(yù)設(shè)人體姿態(tài)估計(jì)模型提取所述人體姿態(tài)數(shù)據(jù)的第五特征向量，并基于所述第五特征向量確定所述人體姿態(tài)數(shù)據(jù)的第五特征表示；

16、將所述第一特征表示、所述第二特征表示、所述第三特征表示、所述第四特征表示和所述第五特征表示進(jìn)行對(duì)齊，并利用預(yù)設(shè)多模態(tài)嵌入模型分別將對(duì)齊后的第一特征表示、第二特征表示、第三特征表示、第四特征表示和第五特征表示映射到共享語義空間，以得到統(tǒng)一的跨模態(tài)語義嵌入。

17、可選的，獲取與所述用戶提問對(duì)應(yīng)的候選答案集，包括：

18、從原始問答庫(kù)中獲取與所述用戶提問對(duì)應(yīng)的第一候選答案，并基于所述第一候選答案構(gòu)建候選答案集；

19、相應(yīng)的，所述基于所述新問題序列構(gòu)建擴(kuò)展問答庫(kù)之后，還包括：

20、從所述擴(kuò)展問答庫(kù)中獲取與所述新問題序列對(duì)應(yīng)的第二候選答案，并將所述第二候選答案添加至所述候選答案集。

21、可選的，所述基于所述新問題序列構(gòu)建擴(kuò)展問答庫(kù)之后，還包括：

22、檢查所述擴(kuò)展問答庫(kù)中生成的所述新問題序列與所述原始問答庫(kù)中已有問題序列之間的第二語義相似度，并對(duì)所述新問題序列的問題答案進(jìn)行審核；

23、當(dāng)所述第二語義相似度大于等于預(yù)設(shè)相似度閾值，和/或?qū)λ鰡栴}答案的審核結(jié)果不滿足預(yù)設(shè)答案標(biāo)準(zhǔn)時(shí)，確定目標(biāo)問題答案對(duì)，并針對(duì)所述目標(biāo)問題答案對(duì)進(jìn)行質(zhì)量控制。

24、可選的，所述基于所述用戶反饋數(shù)據(jù)與所述擴(kuò)展問答庫(kù)中的數(shù)據(jù)，利用閉環(huán)優(yōu)化模型生成對(duì)所述初始候選答案優(yōu)化后的問答結(jié)果，包括：

25、基于所述用戶反饋數(shù)據(jù)與所述擴(kuò)展問答庫(kù)中的數(shù)據(jù)確定所述擴(kuò)展問答庫(kù)中每個(gè)問題答案對(duì)的質(zhì)量評(píng)分；

26、利用所述質(zhì)量評(píng)分確定所述擴(kuò)展問答庫(kù)的優(yōu)化參數(shù)，并將所述優(yōu)化參數(shù)和所述用戶反饋數(shù)據(jù)輸入至閉環(huán)優(yōu)化模型，以生成對(duì)所述初始候選答案優(yōu)化后的問答結(jié)果；

27、其中，所述質(zhì)量評(píng)分的計(jì)算公式為：；所述優(yōu)化參數(shù)的計(jì)算公式為：；為第j個(gè)問題答案對(duì)的質(zhì)量得分，n為擴(kuò)展問答庫(kù)中問題答案對(duì)的總數(shù)量，為用戶針對(duì)第i個(gè)問題的反饋評(píng)分，為用戶的第i個(gè)問題和新問題序列中第j個(gè)問題之間的語義相似度；為調(diào)節(jié)系數(shù)，m為當(dāng)前用戶意圖類別下問題序列中的問題數(shù)量。

28、可選的，所述利用閉環(huán)優(yōu)化模型生成對(duì)所述初始候選答案優(yōu)化后的問答結(jié)果之后，還包括：

29、根據(jù)所述問答結(jié)果生成相應(yīng)的語音播報(bào)，并利用語音驅(qū)動(dòng)人臉模型根據(jù)所述語音播報(bào)驅(qū)動(dòng)虛擬交互代理進(jìn)行唇形同步與面部動(dòng)作；

30、根據(jù)所述意圖預(yù)測(cè)結(jié)果，利用姿態(tài)合成模型驅(qū)動(dòng)所述虛擬交互代理生成連貫的身體動(dòng)作序列。

31、第二方面，本技術(shù)公開了一種智能問答裝置，應(yīng)用于問答系統(tǒng)，包括：

32、數(shù)據(jù)獲取模塊，用于獲取包含多模態(tài)數(shù)據(jù)的用戶提問和與所述用戶提問對(duì)應(yīng)的候選答案集；

33、語義匹配模塊，用于確定所述用戶提問與所述候選答案集之間的第一語義相似度，并根據(jù)所述第一語義相似度從所述候選答案中確定初始候選答案；

34、意圖預(yù)測(cè)模塊，用于基于所述初始候選答案，獲取與用戶交互過程中的歷史對(duì)話信息，并利用滑動(dòng)窗口對(duì)所述歷史對(duì)話信息進(jìn)行上下文分析，以生成針對(duì)所述用戶提問的意圖預(yù)測(cè)結(jié)果；

35、擴(kuò)展問答庫(kù)構(gòu)建模塊，用于根據(jù)所述意圖預(yù)測(cè)結(jié)果，利用語義生成模型生成與所述用戶提問語義相似的新問題序列，并基于所述新問題序列構(gòu)建擴(kuò)展問答庫(kù)；

36、問答結(jié)果生成模塊，用于獲取用戶反饋數(shù)據(jù)，并基于所述用戶反饋數(shù)據(jù)與所述擴(kuò)展問答庫(kù)中的數(shù)據(jù)，利用閉環(huán)優(yōu)化模型生成對(duì)所述初始候選答案優(yōu)化后的問答結(jié)果，并將所述問答結(jié)果推送給用戶；所述用戶反饋數(shù)據(jù)為用戶針對(duì)不同問題的生成答案反饋的評(píng)分?jǐn)?shù)據(jù)。

37、第三方面，本技術(shù)公開了一種電子設(shè)備，所述電子設(shè)備包括處理器和存儲(chǔ)器；其中，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序由所述處理器加載并執(zhí)行以實(shí)現(xiàn)如前所述的智能問答方法。

38、第四方面，本技術(shù)公開了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)計(jì)算機(jī)程序；其中所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如前所述的智能問答方法。

39、本技術(shù)提供了一種智能問答方法，應(yīng)用于問答系統(tǒng)，包括：獲取包含多模態(tài)數(shù)據(jù)的用戶提問和與所述用戶提問對(duì)應(yīng)的候選答案集；確定所述用戶提問與所述候選答案集之間的第一語義相似度，并根據(jù)所述第一語義相似度從所述候選答案集中確定初始候選答案；基于所述初始候選答案，獲取與用戶交互過程中的歷史對(duì)話信息，并利用滑動(dòng)窗口對(duì)所述歷史對(duì)話信息進(jìn)行上下文分析，以生成針對(duì)所述用戶提問的意圖預(yù)測(cè)結(jié)果；根據(jù)所述意圖預(yù)測(cè)結(jié)果，利用語義生成模型生成與所述用戶提問語義相似的新問題序列，并基于所述新問題序列構(gòu)建擴(kuò)展問答庫(kù)；獲取用戶反饋數(shù)據(jù)，并基于所述用戶反饋數(shù)據(jù)與所述擴(kuò)展問答庫(kù)中的數(shù)據(jù)，利用閉環(huán)優(yōu)化模型生成對(duì)所述初始候選答案優(yōu)化后的問答結(jié)果，并將所述問答結(jié)果推送給用戶；所述用戶反饋數(shù)據(jù)為用戶針對(duì)不同問題的生成答案反饋的評(píng)分?jǐn)?shù)據(jù)。

40、本技術(shù)的有益技術(shù)效果為：針對(duì)多模態(tài)數(shù)據(jù)的用戶提問，首先通過計(jì)算其與候選答案之間的語義相似度篩選出初始候選答案，提高問答匹配的精準(zhǔn)度；其次，引入滑動(dòng)窗口的預(yù)測(cè)機(jī)制，通過預(yù)測(cè)用戶需求生成針對(duì)用戶提問的意圖預(yù)測(cè)結(jié)果，通過語義相似問題生成技術(shù)，豐富問答系統(tǒng)的知識(shí)庫(kù)得到擴(kuò)展問答庫(kù)，顯著增強(qiáng)知識(shí)庫(kù)的多樣性和全面性，提高系統(tǒng)對(duì)用戶問題的覆蓋能力；最后，在用戶反饋和擴(kuò)展問答庫(kù)的基礎(chǔ)上，通過閉環(huán)優(yōu)化，提供更加準(zhǔn)確且符合用戶需求的答案。

41、此外，本技術(shù)提供的一種智能問答裝置、設(shè)備及存儲(chǔ)介質(zhì)，與上述智能問答方法對(duì)應(yīng)，效果同上。