一种基于意图识别与模板匹配的混合问答方法与流程

技术特征：
1.一种基于意图识别与模板匹配的混合问答方法，其特征在于，包括如下步骤：s1，基于特征词匹配进行意图初识别：从用户输入的问句中匹配出实体和触发词，根据实体类型和触发词类型综合判断出意图个数并对意图进行初识别；s2，基于bert-textcnn进行意图再识别：利用意图识别的方法直接识别出用户的真实意图；s3，联合决策：将s1和s2得到的识别结果进行融合，确定用户意图；其中，在单意图场景下，以s2得到的识别结果为确定的用户意图；在多意图场景下，以s1和s2得到的识别结果的交集为确定的用户意图；s4，解析问句：基于用户输入的问句中的实体、实体类型以及确定的用户意图，生成对应的cypher查询语句；s5，生成答案：调用cypher在图谱上进行查询，保存返回的结果，然后套用预先定义好的回复模板，对返回的结果进行组织和处理，生成相应的答案返回给用户。2.根据权利要求1所述基于意图识别与模板匹配的混合问答方法，其特征在于，所述s1包括：s11：基于ac自动机进行实体匹配：在用户输入问句之后，使用ac自动机逐一判断实体库中的所有实体是否在问句中出现过，即多模匹配，快速识别出用户输入的问句中的实体及其类型；s12：定义问句的触发词：所述触发词用于判断用户输入问句的主题，每种主题对应一组预先定义的触发词，所有主题的触发词构成触发词库；s13：根据用户输入问句中的实体类型和问句主题，制定问句分类的规则，通过规则直接得到用户的意图类型，即实现了用户意图的初识别。3.根据权利要求1所述基于意图识别与模板匹配的混合问答方法，其特征在于，所述s1，当特征词匹配的输出为空，则说明初识别未能识别出结果，当特征词匹配的输出不为空，则说明初识别能够识别出结果。4.根据权利要求1所述基于意图识别与模板匹配的混合问答方法，其特征在于，所述s2包括：s21：对用户输入的问句进行分词和编码，bert模型的输入层由词嵌入、位置嵌入、句子分割嵌入三个部分组成，将三者相加得到的嵌入向量作为模型输入；s22：对嵌入向量进行层归一化，解决模型隐层数据分布不一致问题，加速模型训练；s23：引入多头自注意力机制，在不增加时间复杂度的情况下，在更低的维度，在多个独立的特征空间，学习到更丰富的特征信息；s24：将bert模型的输出作为textcnn网络的输入，得到更多的先验知识和语义特征；s25：在textcnn网络中，对bert模型输入的句向量进行卷积操作进一步提取特征；s26：对卷积后的结果进行1-max池化，即为从每个滑动窗口产生的特征向量中筛选出一个最大的特征，然后将得到的最大的特征拼接起来构成向量表示；s27：经过bert模型和textcnn网络的特征提取，得到了一个高维的特征矩阵，将该高维的特征矩阵经过全连接层转化为n维向量来解决n分类任务；s28：通过softmax层对textcnn网络池化层的输出结果进行归一化，将输出结果用概率的形式表现出来，不同大小的概率值表示输出结果属于不同意图类别的可能性大小。
5.根据权利要求1所述基于意图识别与模板匹配的混合问答方法，其特征在于，所述s4，将用户输入的问句中的实体、实体类型以及确定的用户意图填充到预先设计的槽位上，从而生成对应的cypher查询语句；当确定的用户意图有多个时，依次分别进行解析。

技术总结
一种基于意图识别与模板匹配的混合问答方法，基于特征词匹配进行意图初识别；基于BERT-textCNN进行意图再识别；将得到的识别结果进行融合，确定用户意图；基于用户输入的问句中的实体、实体类型以及确定的用户意图，生成对应的Cypher查询语句；调用Cypher在图谱上进行查询，保存返回的结果，然后套用预先定义好的回复模板，对返回的结果进行组织和处理，生成相应的答案返回给用户。本发明将复杂的问答任务转化为意图识别任务和模板匹配任务，不仅解决了深度学习模型无法同时识别出单句中多个意图的弊端；而且有效解决了传统模板匹配无法理解用户真正意图的问题，提高了问答准确率。在保证准确率的同时，提高了整体效率。提高了整体效率。提高了整体效率。


技术研发人员：苗蕾 姬红兵 张文博 夏玉童 柯欣飞
受保护的技术使用者：陕西方寸积慧智能科技有限公司
技术研发日：2022.04.13
技术公布日：2022/7/29