本申請涉及問答處理，尤其涉及一種問答處理方法、裝置及相關設備。

背景技術：

1、在現有的問答處理技術方案中，通常使用根據歷史問答內容訓練得到的深度學習模型來針對用戶的提問內容進行答復。

2、在實際應用中，由于深度學習模型在訓練過程中所使用的訓練樣本集不能窮盡所有問答內容，導致訓練后的模型在使用過程中經常出現無法準確答復用戶的提問內容的情形出現。

3、此外，即使假設訓練樣本集能夠在訓練時窮盡所有對話內容，但是在信息迭代愈發(fā)快速的當今時代，用戶的提問內容必然也會出現訓練樣本集中沒有出現的提問內容等，也會導致模型無法準確答復用戶的提問內容。

技術實現思路

1、有鑒于此，本申請的目的在于提供一種問答處理方法、裝置及相關設備，以解決現有的問答處理方案存在的可能無法準確答復用戶的提問內容的技術問題。

2、第一方面，本申請?zhí)峁┝艘环N問答處理方法，所述方法包括：

3、確定用戶的當前提問內容的當前摘要；

4、針對所述當前摘要進行特征提取處理得到當前摘要特征；

5、根據所述當前摘要特征，在多個歷史摘要中確定對應于所述當前提問內容的目標歷史摘要；

6、其中，所述歷史摘要為根據歷史提問內容確定的；

7、根據所述當前提問內容和所述目標歷史摘要，通過問答模型確定當前答復內容。

8、優(yōu)選地，所述確定用戶的當前提問內容的當前摘要，包括：

9、獲取所述用戶輸出的當前提問內容；

10、根據所述當前提問內容，通過第一模型針對所述當前提問內容進行處理得到所述當前摘要；

11、其中，所述第一模型為根據所述歷史提問內容和所述歷史摘要，針對預訓練模型進行微調得到的。

12、優(yōu)選地，所述針對所述當前摘要進行特征提取處理得到當前摘要特征，包括：

13、根據所述當前摘要，通過第二模型針對所述當前摘要進行特征提取處理得到當前摘要特征向量；

14、其中，所述當前摘要的字符數符合預設標準。

15、優(yōu)選地，多個所述歷史摘要存儲在第二數據庫中；所述根據所述當前摘要特征，在多個歷史摘要中確定對應于所述當前提問內容的目標歷史摘要，包括：

16、根據所述當前摘要特征向量，通過第三模型在第一數據庫中確定與所述當前摘要特征向量之間的相似度為最大的目標歷史摘要特征向量，以及根據所述目標歷史摘要特征向量，在所述第二數據庫中確定對應于所述目標歷史摘要特征向量的所述目標歷史摘要；

17、其中，所述第三模型為根據歷史摘要向量特征和所述歷史摘要，針對預訓練模型進行微調得到的。

18、優(yōu)選地，所述通過第二模型針對所述當前摘要進行特征提取處理得到當前摘要特征向量之后，所述方法還包括：

19、將所述當前摘要確定為新增的所述歷史摘要，將所述當前摘要特征向量確定為新增的所述歷史摘要特征向量；

20、將新增的所述歷史摘要存儲至所述第一數據庫，將新增的所述歷史摘要特征向量存儲至所述第二數據庫。

21、優(yōu)選地，所述問答模型為根據所述歷史提問內容、所述歷史摘要和歷史答復內容，針對預訓練模型進行微調得到的。

22、第二方面，本申請?zhí)峁┝艘环N問答處理裝置，所述裝置包括：摘要確定模塊、特征提取模塊、摘要調取模塊和回復確定模塊；

23、所述摘要確定模塊，用于確定用戶的當前提問內容的當前摘要；

24、所述特征提取模塊，用于針對所述當前摘要進行特征提取處理得到當前摘要特征；

25、所述摘要調取模塊，用于根據所述當前摘要特征，在多個歷史摘要中確定對應于所述當前提問內容的目標歷史摘要；

26、其中，所述歷史摘要為根據歷史提問內容確定的；

27、所述回復確定模塊，用于根據所述當前提問內容和所述目標歷史摘要，通過問答模型確定當前答復內容。

28、第三方面，本申請?zhí)峁┝艘环N電子設備，所述電子設備包括處理器和存儲器，所述存儲器用于存儲軟件程序，所述處理器通過運行或執(zhí)行存儲在所述存儲器內的軟件程序，以使所述電子設備實現上述的問答處理方法。

29、第四方面，本申請?zhí)峁┝艘环N計算機可讀存儲介質，所述計算機可讀存儲介質用于存儲處理器所執(zhí)行的程序代碼，所述程序代碼包括用于實現上述的問答處理方法。

30、第五方面，本申請?zhí)峁┝艘环N計算機程序產品，包括程序代碼，當計算機運行所述計算機程序產品時，使得所述計算機執(zhí)行上述的問答處理方法。

31、有益效果：

32、本申請?zhí)峁┝艘环N問答處理方法，方法包括：確定用戶的當前提問內容的當前摘要；針對當前摘要進行特征提取處理得到當前摘要特征；根據當前摘要特征，在多個歷史摘要中確定對應于當前提問內容的目標歷史摘要；其中，歷史摘要為根據歷史提問內容確定的；根據所述當前提問內容和所述目標歷史摘要，通過問答模型確定當前答復內容；

33、綜上可知，本申請通過與當前提問內容的當前摘要相似的目標歷史摘要對問答模型進行提示，令問答模型能夠“學習”在社會上或者專業(yè)領域內新出現的專業(yè)術語或者俗語，使問答模型即時不再進行訓練也能夠適應信息迭代愈發(fā)快速發(fā)展的現今時代，因此能夠節(jié)省大量的資源。

技術特征：

1.一種問答處理方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述確定用戶的當前提問內容的當前摘要，包括：

3.根據權利要求2所述的方法，其特征在于，所述針對所述當前摘要進行特征提取處理得到當前摘要特征，包括：

4.根據權利要求3所述的方法，其特征在于，多個所述歷史摘要存儲在第二數據庫中；所述根據所述當前摘要特征，在多個歷史摘要中確定對應于所述當前提問內容的目標歷史摘要，包括：

5.根據權利要求4所述的方法，其特征在于，所述通過第二模型針對所述當前摘要進行特征提取處理得到當前摘要特征向量之后，所述方法還包括：

6.根據權利要求1所述的方法，其特征在于，所述問答模型為根據所述歷史提問內容、所述歷史摘要和歷史答復內容，針對預訓練模型進行微調得到的。

7.一種問答處理裝置，其特征在于，所述裝置包括：摘要確定模塊、特征提取模塊、摘要調取模塊和回復確定模塊；

8.一種電子設備，其特征在于，所述電子設備包括處理器和存儲器，所述存儲器用于存儲軟件程序，所述處理器通過運行或執(zhí)行存儲在所述存儲器內的軟件程序，以使所述電子設備實現如權利要求1至6任一項所述的問答處理方法。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質用于存儲處理器所執(zhí)行的程序代碼，所述程序代碼包括用于實現如權利要求1至6任一項所述的問答處理方法。

10.一種計算機程序產品，其特征在于，包括程序代碼，當計算機運行所述計算機程序產品時，使得所述計算機執(zhí)行如權利要求1至6任一項所述的問答處理方法。

技術總結
本申請涉及問答處理技術領域，尤其涉及一種問答處理方法、裝置及相關設備。方法包括：確定用戶的當前提問內容的當前摘要；針對當前摘要進行特征提取處理得到當前摘要特征；根據當前摘要特征，在多個歷史摘要中確定對應于當前提問內容的目標歷史摘要；其中，歷史摘要為根據歷史提問內容確定的；根據當前提問內容和目標歷史摘要，通過問答模型確定當前答復內容；本申請通過與當前提問內容的當前摘要相似的目標歷史摘要對問答模型進行提示，令問答模型能夠“學習”在社會上或者專業(yè)領域內新出現的專業(yè)術語或者俗語，使問答模型即時不再進行訓練也能夠適應信息迭代愈發(fā)快速發(fā)展的現今時代，因此能夠節(jié)省大量的資源。

技術研發(fā)人員：顧葉,顧上飛,金國平
受保護的技術使用者：上海即科智能技術集團有限公司
技術研發(fā)日：
技術公布日：2024/12/10