【技術實現步驟摘要】
本說明書涉及自然語言處理領域，尤其涉及一種基于智能問答的業務執行方法、裝置以及電子設備。
技術介紹
1、隨著科學技術的不斷發展和進步，基于大語言模型的智能問答技術也日漸趨于成熟并且大范圍普及。在現階段各領域中，此類技術的廣泛應用不僅有效解決了用戶的各種難題和需求，還為人們的日常生活、學習以及工作都帶來了極大程度上的便利性。
2、伴隨著網絡技術的快速發展和廣范圍覆蓋，網絡用戶的體量和個性化需求也隨之增長。雖然現階段的智能問答技術可以根據用戶輸入的問題或需求進行一定程度上的有效回應，但大多都是單純基于用戶問題和通過數據庫索引進行解答，所做出的回答也較為籠統和單一。不同用戶群體即使是在詢問相同問題時，也可能會由于實際需求和群體特征的區別，使得實際尋求的答案或幫助對應的側重點不盡相同。在這種情況下，僅基于問題內容和數據庫進行過于單一的問題回答是無法精準滿足用戶實際需求和意向的，甚至還會導致用戶得到的答復不精準且實用性較低，降低問題解決效率的同時，還會一定程度上影響用戶體驗。
3、因此，如何能夠針對用戶提出的問題進行滿足用戶個性化需求的回答，是個至關重要的問題。
技術實現思路
1、本說明書提供一種基于智能問答的業務執行方法、裝置以及電子設備，以部分的解決現有技術存在的上述問題。
2、本說明書采用下述技術方案：
3、本說明書提供了一種基于智能問答的業務執行方法，包括：
4、獲取目標用戶在展示的問答顯示界面中輸入的目標問題對應的問題文本
5、根據所述目標用戶標識，從預設的存儲空間中確定出所述目標用戶對應的用戶特征數據，所述用戶特征數據是預先將所述目標用戶對應的用戶屬性信息和歷史問答主題信息對應的關聯信息進行關聯后得到的，所述歷史問答主題信息是預先根據所述目標用戶對應的歷史問答記錄數據確定出的，所述歷史問答主題信息對應的關聯信息包括所述歷史問答主題信息的上位概念信息或所述歷史問答主題信息的下位概念信息；
6、將所述問題文本信息和所述用戶特征數據輸入到預設的智能問答模型中，以使得所述智能問答模型根據所述用戶特征數據，得到針對所述問題文本信息的回答結果；
7、根據所述回答結果，執行目標問答業務。
8、可選的，預先將所述目標用戶對應的用戶屬性信息和歷史問答主題信息對應的關聯信息進行關聯得到所述用戶特征數據，具體包括：
9、針對所述用戶屬性信息中包含的每個維度的屬性信息，確定該屬性信息與所述歷史問答主題信息對應關聯信息之間的相似度，并在確定所述相似度不小于預設的相似度閾值時，將該屬性信息與所述歷史問答主題信息對應關聯信息進行關聯，得到該屬性信息對應的子用戶特征數據；
10、根據所述用戶屬性信息中至少部分屬性信息對應的子用戶特征數據，得到所述用戶特征數據。
11、可選的，根據所述用戶屬性信息中至少部分屬性信息對應的子用戶特征數據，得到所述用戶特征數據，具體包括：
12、根據所述用戶屬性信息，以所述目標用戶對應的用戶標識為中心節點，以及以所述用戶屬性信息中包含的每個維度的屬性信息為相鄰節點，構建所述目標用戶對應的基礎用戶圖譜；
13、根據所述用戶屬性信息中至少部分屬性信息對應的子用戶特征數據，對所述基礎用戶圖譜進行圖譜擴充，得到擴充后用戶圖譜，將所述擴充后用戶圖譜作為所述用戶特征數據，其中，針對所述至少部分屬性信息中的每個屬性信息，在所述擴充后用戶圖譜中該屬性信息對應的子用戶特征數據的節點與該屬性信息對應的節點相連。
14、可選的，預先根據所述目標用戶對應的歷史問答記錄數據確定所述歷史問答主題信息，具體包括：
15、對所述歷史問答記錄數據進行分詞處理，得到各分詞詞匯；
16、將所述各分詞詞匯輸入到預先訓練的主題檢測模型中，以使得所述主題檢測模型針對每個分詞詞匯，確定出該分詞詞匯在所述歷史問答記錄數據中對應的分詞類別，以及該分詞詞匯在所述歷史問答記錄數據中對應的分詞概率分布，根據所述各分詞詞匯對應的分詞概率分布和各分詞類別，確定出每個分詞類別在所述歷史問答記錄數據中對應的類別概率分布；
17、根據所述各分詞類別和所述各分詞類別在所述歷史問答記錄數據中對應的類別概率分布，確定所述目標用戶對應的歷史問答主題信息。
18、可選的，訓練所述主題檢測模型，具體包括：
19、獲取樣本問答數據；
20、將所述樣本問答數據輸入到待訓練的主題檢測模型中，以使得所述待訓練的主題檢測模型根據所述樣本問答數據，確定出所述樣本問答數據對應的問答主題信息；
21、根據所述問答主題信息和所述樣本問答數據對應的標準問答主題信息，確定針對所述待訓練的主題檢測模型的損失值，并根據所述損失值，對所述待訓練的主題檢測模型進行模型訓練，其中，所述損失值的大小與所述問答主題信息與所述標準問答主題信息之間相似度呈負相關關系。
22、可選的，預先根據所述目標用戶對應的歷史問答記錄數據確定所述歷史問答主題信息，具體包括：
23、根據所述目標用戶對應的歷史問答記錄數據，確定各候選歷史問題主答信息；
24、針對每個候選歷史問答主體信息，確定該候選歷史問答主題信息在所述歷史問答記錄數據中的數據占比，并當所述數據占比不小于預設的數據占比閾值時，將該候選歷史問答主題信息作為歷史問題主答信息。
25、可選的，所述方法還包括：
26、獲取在預設時間范圍內所述目標用戶針對所述問答顯示界面的歷史使用記錄數據，所述歷史使用記錄數據至少包含有所述目標用戶在所述問答顯示界面中的點擊記錄數據、所述問答顯示界面中各問答功能組件的顯示時長數據以及所述問答顯示界面中各問答功能組件對應的組件類別數據，所述點擊記錄數據中至少包含有所述目標用戶針對所述各問答功能組件的點擊記錄數據；
27、針對所述問答顯示界面中每個問答功能組件，根據所述歷史使用記錄數據和所述用戶特征數據，確定該問答功能組件對于所述目標用戶的重要性表征值；
28、根據所述問答顯示界面中各問答功能組件對應的重要性表征值，對所述問答顯示界面進行顯示調整，并將調整后的問答顯示界面展示給所述目標用戶。
29、本說明書提供了一種基于智能問答的業務執行裝置，包括：
30、獲取模塊，用于獲取目標用戶在展示的問答顯示界面中輸入的目標問題對應的問題文本信息以及所述目標用戶對應的目標用戶標識；
31、特征確定模塊，用于根據所述目標用戶標識，從預設的存儲空間中確定出所述目標用戶對應的用戶特征數據，所述用戶特征數據是預先將所述目標用戶對應的用戶屬性信息和歷史問答主題信息對應的關聯信息進行關聯后得到的，所述歷史問答主題信息是預先根據所述目標用戶對應的歷史問答記錄數據確定出的，所述歷史問答主題信息對應的關聯信息包括所述歷史問答主題信息的上位概念信息或所述歷史問答主題信息的本文檔來自技高網...
【技術保護點】
1.一種基于智能問答的業務執行方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，預先將所述目標用戶對應的用戶屬性信息和歷史問答主題信息對應的關聯信息進行關聯得到所述用戶特征數據，具體包括：
3.如權利要求2所述的方法，其特征在于，根據所述用戶屬性信息中至少部分屬性信息對應的子用戶特征數據，得到所述用戶特征數據，具體包括：
4.如權利要求1所述的方法，其特征在于，預先根據所述目標用戶對應的歷史問答記錄數據確定所述歷史問答主題信息，具體包括：
5.如權利要求4所述的方法，其特征在于，訓練所述主題檢測模型，具體包括：
6.如權利要求4所述的方法，其特征在于，預先根據所述目標用戶對應的歷史問答記錄數據確定所述歷史問答主題信息，具體包括：
7.如權利要求1所述的方法，其特征在于，所述方法還包括：
8.一種基于智能問答的業務執行裝置，其特征在于，包括：
9.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述權利要求1~7任一項所述
10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現上述權利要求1~7任一項所述的方法。
...【技術特征摘要】
1.一種基于智能問答的業務執行方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，預先將所述目標用戶對應的用戶屬性信息和歷史問答主題信息對應的關聯信息進行關聯得到所述用戶特征數據，具體包括：
3.如權利要求2所述的方法，其特征在于，根據所述用戶屬性信息中至少部分屬性信息對應的子用戶特征數據，得到所述用戶特征數據，具體包括：
4.如權利要求1所述的方法，其特征在于，預先根據所述目標用戶對應的歷史問答記錄數據確定所述歷史問答主題信息，具體包括：
5.如權利要求4所述的方法，其特征在于，訓練所述主題檢測模型，具體包括：
<...【專利技術屬性】
技術研發人員：姜娜，張君蘭，單利群，趙連敏，肖津，周英，
申請(專利權)人：之江實驗室，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。