(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210133855.6 (22)申请日 2022.02.14 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 钱扬　吴锦　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01) G06F 40/295(2020.01) G06F 40/30(2020.01)G06Q 30/00(2012.01) (54)发明名称 智能问答方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术， 揭露了一种智能 问答方法， 包括： 接收待回答问题， 并记录接收时 间； 提取待回答问题的待回答问题实体和待回答 问题意图， 根据待回答问题实体和待回答问题意 图， 从答案库中查询待回答问题的当前答案； 从 接收到问题的时间开始的预设时间段内， 判断是 否接收到补充问题； 若没有接收到补充问题， 则 将当前答案返回至用户； 若接收到补充问题， 则 整合待回答问题及补充问题， 得到完整问题， 并 利用上下文答案分析模型识别完整问题的完整 答案， 并将完整答案返回至用户。 本发明还提出 一种智能问答装置、 电子设备以及存储介质。 本 发明可以提高问答的准确度。 权利要求书3页 说明书12页 附图2页 CN 114461777 A 2022.05.10 CN 114461777 A 1.一种智能问答方法， 其特 征在于， 所述方法包括： 接收到用户的问题时， 记录所述问题， 得到待回答问题， 并记录接收到所述问题的时 间； 提取所述待回答问题的待回答问题实体和待回答问题意图， 根据 所述待回答问题实体 和所述待回答问题意图， 从预构建的答案库中查询所述待回答问题的当前答案； 从接收到所述问题的时间开始的预设时间段内， 判断是否接收到所述用户的补充问 题； 若没有接收到所述用户的补充问题， 则将所述当前答案返回至所述用户； 若接收到所述用户的补充问题， 则整合所述待回答问题及所述补充问题， 得到完整问 题， 并利用预先训练完成的上下文答案分析模型识别所述完整问题的完整答案， 并将所述 完整答案返回至所述用户。 2.如权利要求1所述的智能问答方法， 其特征在于， 所述提取所述待回答问题的待回答 问题实体和待回答问题意图， 包括： 利用预构建的分词工具， 对所述待回答问题执 行分词操作以及词性标注； 根据所述分词操作后的每个词语以及对应的词性标注， 分析所述待回答问题的语义信 息； 根据所述语义信息， 识别出待回答问题的实体和意图， 得到所述待回答问题实体和待 回答问题意图。 3.如权利要求1所述的智能问答方法， 其特征在于， 所述根据所述待回答问题实体和所 述待回答问题意图， 从预构建的答案库中查询所述待回答问题的当前答案， 包括： 根据所述待回答问题实体在所述答案库中进行查找， 获取与 所述待回答问题实体相关 联的关联答案； 在所述关联答案 中查询与 所述待回答问题意图的字段对应的答案文本， 得到所述当前 答案。 4.如权利要求1所述的智能问答方法， 其特征在于， 所述整合所述待回答问题及所述补 充问题， 得到 完整问题， 包括： 提取所述补充问题的补充问题意图和补充问题实体； 将所述补充问题实体、 所述待回答问题实体、 所述补充问题意图以及所述待回答问题 意图进行字段识别； 当所述补充问题实体与所述待回答问题实体的字段一致时， 将所述字段执行整合操 作， 及当所述补充问题实体与所述待回答问题实体的字段不一致时， 则将所述字段执行拼 接操作； 当所述补充问题意图与所述待回答问题意图的字段一致时， 将所述字段执行整合操 作， 及当所述补充问题意图与所述待回答问题意图的字段不一致时， 则将所述字段执行拼 接操作； 汇总所述整合操作及/或所述 拼接操作后的问题， 得到所述完整问题。 5.如权利要求4所述的智能问答方法， 其特征在于， 所述利用预构建的上下文答案分析 模型识别所述完整问题的完整答案之前， 所述方法还 包括： 获取预标注的问答文本， 并将所述问答文本作为训练语料；权　利　要　求　书 1/3 页 2 CN 114461777 A 2将所述训练语料根据预设的比例切割成训练集及测试集； 对所述训练集进行双 向编码， 得到所述训练集的编码数据， 并将所述编码数据执行汇 总以及输出， 得到训练集中每 个所述问答文本的语义向量； 将所述语义向量作为所述上下文答案分析模型的初始向量， 并对所述语义向量进行循 环嵌入计算， 得到所述训练集中每 个所述问答文本中问题的预测答案； 根据所述预测答案与 所述预标注的问答文本 中对应问题的真实答案， 利用预构建的损 失函数， 计算损失值偏差； 当所述损失值偏差大于所述损失值偏差 阈值时， 则调整所述上下文答案分析模型中的 模型参数， 并返回上述将所述语义向量作为所述上下文答案分析模型 的初始向量， 并对所 述语义向量进 行循环嵌入计算， 得到所述训练集中每个所述问答文本中 问题的预测答案的 步骤； 当所述损失值偏差不大于所述损失值偏差阈值时， 得到初始上 下文答案分析模型； 利用所述测试集测试所述初始上下文答案分析模型， 得到测试通过率， 并判断所述测 试通过率是否大于预设的测试通过率阈值； 当所述测试通过不大于所述测试通过率阈值 时， 调整所述上下文答案分析模型中的模 型参数， 并返回上述将所述语义向量作为所述上下文答案分析模型 的初始向量， 并对所述 语义向量进行循环嵌入计算， 得到所述训练集中每个所述问答文本中问题的预测答案的步 骤； 当所述测试通过不大于所述测试通过率阈值时， 得到训练完成的上下文答案分析模 型。 6.如权利要求5中所述的智能问答方法， 其特征在于， 所述利用预构建的损 失函数， 计 算损失值偏差， 包括： 利用下述损失函数， 计算所述损失值偏差： 其中， pi为所述预测答案， yi为所述真实答案， L为所述上下文答案分析模型的神经元细 胞个数， m为所述上 下文答案分析模型中的神经 元细胞总数。 7.如权利要求1所述的智能问答方法， 其特征在于， 所述利用预先训练完成的上下文答 案分析模型识别所述完整问题的完整答案， 包括； 提取所述完整问题的完整问题意图和完整问题实体； 将所述完整问题意图和所述完整问题实体执行双向编码， 得到所述完整问题的编码数 据； 将所述完整问题的编码数据在所述上下文答案分析模型的编码层中执行汇总以及输 出， 得到每 个所述问答文本的语义向量； 利用所述上下文答案分析模型的解码层获取所述语义向量， 并执行循环嵌入计算， 得 到所述完整问题的完整答案 。 8.一种智能问答装置， 其特 征在于， 所述装置包括： 初始问题获取模块， 用于接收到用户的问题时， 记录所述问题， 得到待回答问题， 并记 录接收到所述问题的时间；权　利　要　求　书 2/3 页 3 CN 114461777 A 3