智能问答的答复生成方法、装置、电子设备及存储介质与流程

技术特征：
1.一种智能问答的答复生成方法，其特征在于，所述方法包括：获取用户的当前提问，根据所述当前提问从预设的历史问答信息中筛选符合第一预设条件的历史问答信息作为参考语料，其中，所述历史问答信息包括历史提问及所述历史提问对应的历史答复；获取所述参考语料中历史答复对应的相反答复，并利用所述参考语料中历史答复及所述相反答复，对预构建的问答模型进行答复分类训练，直至所述答复分类训练满足第二预设条件时，结束所述答复分类训练；利用所述当前提问及所述参考语料对完成答复分类训练的问答模型进行答复预测训练，直至所述答复预测训练满足第三预设条件时，结束所述答复预测训练，生成预测答复；从所述预测答复中选择满足第四预设条件的答复作为最终答复。2.如权利要求1所述的智能问答的答复生成方法，其特征在于，所述根据所述当前提问从预设的历史问答信息中筛选符合第一预设条件的历史问答信息作为参考语料，其中，所述历史问答信息包括历史提问及所述历史提问对应的历史答复，包括：分别计算所述预设的历史问答信息中的每个历史提问与所述当前提问之间的综合相似度；选择所述综合相似度满足第一预设条件的历史提问对应的历史问答信息作为参考语料。3.如权利要求2所述的智能问答的答复生成方法，其特征在于，所述分别计算所述预设的历史问答信息中的每个历史提问与所述当前提问之间的综合相似度，包括：利用基于倒排索引的方式提取每个所述历史提问与所述当前提问的重叠词语，并根据所述重叠词语的词频计算每个所述历史提问与所述当前提问之间的第一相似度；将每个所述历史提问与所述当前提问转化为低维度词向量，并采用基于余弦相似度的方法计算每个历史提问词向量与当前提问词向量的第二相似度；提取每个所述历史提问词向量与所述当前提问词向量的词向量极值，并根据所述词向量极值计算每个历史提问词向量与当前提问词向量的第三相似度；利用基于bert模型对每个所述历史提问与所述当前提问进行全局词向量编码，得到每个所述历史提问与所述当前提问的全局词向量，并根据所述每个所述历史提问与所述当前提问的全局词向量计算第四相似度；将所述第一相似度、所述第二相似度、所述第三相似度以及所述第四相似度进行归一化处理，计算归一化后的所有相似度的均值，将所述均值作为相应历史提问与所述当前提问之间的综合相似度。4.如权利要求1所述的智能问答的答复生成方法，其特征在于，所述利用所述当前提问及所述参考语料对预构建的问答模型进行答复预测训练，生成预测答复，包括：将所述参考语料与所述当前提问进行文本拼接，得到问答训练文本；对所述问答训练文本执行词向量转换操作，得到文本向量；根据所述文本向量，利用所述预构建的问答模型中的前馈神经网络层对所述当前提问进行答复预测，得到预测答复；计算所述预测答复与所述当前提问真实答复之间的预测损失值，并判断所述预测损失值是否满足所述第三预设条件；
当所述预测损失值不满足所述第三预设条件时，调整所述预构建的问答模型的参数，并返回上述的利用所述预构建的问答模型中的前馈神经网络层对所述当前提问进行答复预测的步骤；当所述预测损失值满足第三预设条件时，结束所述预构建的问答模型的预测训练，并提取所述预测答复。5.如权利要求4所述的智能问答的答复生成方法，其特征在于，所述计算所述预测答复与所述当前提问真实答复之间的预测损失值，包括：可采用下述损失值公式：其中，p
i
为所述预测答复，y
i
为所述真实答复，loss1为所述预测答复与所述真实答复之间的预测损失值，l为所述预构建的问答模型的神经元细胞个数，m为所述预构建的问答模型中的神经元细胞总数。6.如权利要求1所述的智能问答的答复生成方法，其特征在于，所述利用所述参考语料中历史答复及所述相反答复，对所述预构建的问答模型进行答复分类训练，包括：将所述参考语料中历史答复作为所述答复分类训练的正标签，及将所述相反答复作为所述答复分类训练的负标签；利用所述参考语料中历史答复及所述相反答复对所述预构建的问答模型的答复分类进行答复分类训练；利用预设的损失函数计算每种所述正标签及每种所述负标签的对应的分类损失值，判断所述分类损失值是否满足所述第二预设条件；当所述分类损失值不满足所述第二预设条件时，调整所述预构建的问答模型的参数，并返回上述的利用所述参考语料中历史答复及所述相反答复对所述预构建的问答模型的答复分类进行答复分类训练的步骤；当所述分类损失值满足所述第二预设条件时，结束所述预构建的问答模型的分类训练。7.如权利要求1所述的智能问答的答复生成方法，其特征在于，所述从所述候选答复中选择满足第四预设条件的答复作为最终答复，包括：计算每个所述预测答复的置信度；提取所述置信度满足所述第四预设条件的预测答复，作为所述最终答复。8.一种智能问答的答复生成装置，其特征在于，所述装置包括：训练语料选取模块，用于获取用户的当前提问，根据所述当前提问从预设的历史问答信息中筛选符合第一预设条件的历史问答信息作为参考语料，其中，所述历史问答信息包括历史提问及所述历史提问对应的历史答复；答复一致性训练模块，用于获取所述参考语料中历史答复对应的相反答复，并利用所述参考语料中历史答复及所述相反答复，对预构建的问答模型进行答复分类训练，直至所述答复分类训练满足第二预设条件时，结束所述答复分类训练；答复预测模块，用于利用所述当前提问及所述参考语料对完成答复分类训练的问答模型进行答复预测训练，直至所述答复预测训练满足第三预设条件时，结束所述答复预测训
练，生成预测答复；答复筛选模块，用于从所述预测答复中选择满足第四预设条件的答复作为最终答复。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的智能问答的答复生成方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的智能问答的答复生成方法。

技术总结
本发明涉及人工智能技术，揭露了一种智能问答的答复生成方法，包括：获取用户的当前提问，从预设的历史问答信息中筛选符合第一预设条件的历史问答信息作为参考语料，其中，所述历史问答信息包括历史提问及所述历史提问对应的历史答复；获取历史答复对应的相反答复，并利用历史答复及所述相反答复，对预构建的问答模型进行答复分类训练；利用当前提问及参考语料对完成答复分类训练的问答模型进行答复预测训练，并生成预测答复；从预测答复中选择满足第四预设条件的答复作为最终答复。本发明还提出一种智能问答的答复生成装置、电子设备以及存储介质。本发明可以优化智能问答中的逻辑一致性。辑一致性。辑一致性。


技术研发人员：林凌峰 李剑锋
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2022.05.17
技术公布日：2022/8/9