智能问答方法、装置、设备及存储介质与流程

1.本技术属于人工智能技术领域，尤其涉及智能问答方法、装置、设备及存储介质。


背景技术：

2.目前各个行业中的客户服务非常重要，为了加速各个行业的发展，每个行业都提供了售前售后的咨询，通过客户服务来吸引更多的客户，进而提升业务量和业绩。
3.然而，现有的智能客户服务中，当用户需要解决的问题比较复杂时，需要多次转接专业人员才能解决，流程复杂、耗时长，导致不能及时地解答用户的问题，答复给用户的结果不准确，还降低了咨询效率。


技术实现要素：

4.有鉴于此，本技术实施例提供了智能问答方法、装置、设备及存储介质，以解决现有技术中当用户需要解决的问题比较复杂时，需要多次转接专业人员才能解决，流程复杂、耗时长，导致不能及时地解答用户的问题，答复给用户的结果不准确，还降低了咨询效率的问题。
5.本技术实施例的第一方面提供了一种智能问答方法，该智能问答方法包括：
6.获取用户的咨询问题；
7.确定所述咨询问题对应的语义信息，并基于所述语义信息对所述咨询问题进行分类，得到所述咨询问题对应的问题类型，所述问题类型包括基础问题、业务问题、技术问题以及其他问题，所述其他问题为除所述基础问题、所述业务问题以及所述技术问题外的问题；
8.确定与所述问题类型匹配的应答方式，并基于所述应答方式回答所述咨询问题。
9.可选地，所述确定与所述问题类型匹配的应答方式，并基于所述应答方式回答所述咨询问题，包括：
10.当检测到所述问题类型为基础问题时，获取已训练的智能应答模型；将所述咨询问题输入所述智能应答模型中进行处理，得到所述咨询问题对应的应答结果；将所述应答结果反馈给所述用户；
11.或，当检测到所述问题类型为业务问题时，查询与所述业务问题匹配的业务人员，将所述咨询问题发送至所述业务人员的终端；将所述业务人员针对所述咨询问题的应答结果反馈给所述用户；
12.或，当检测到所述问题类型为技术问题时，查询与所述技术问题匹配的技术人员，将所述咨询问题发送至所述技术人员的终端；将所述技术人员针对所述咨询问题的应答结果反馈给所述用户；
13.或，当检测到所述问题类型为其他问题时，查询与所述其他问题匹配的专业人员，将所述咨询问题发送至所述专业人员的终端；将所述专业人员针对所述咨询问题的应答结果反馈给所述用户。
14.可选地，所述将所述咨询问题输入所述智能应答模型中进行处理，得到所述咨询问题对应的应答结果，包括：
15.通过所述智能应答模型，提取所述咨询问题中的关键词；
16.查找与所述关键词匹配的应答结果。
17.可选地，所述通过所述智能应答模型，提取所述咨询问题中的关键词，包括：
18.获取所述咨询问题的文本信息；
19.对所述文本信息进行分词处理，得到多个分词；
20.基于所述智能应答模型确定每个分词对应的词向量，以及所述文本信息对应的语义向量；
21.确定每个词向量与所述语义向量之间的余弦相似度；
22.基于每个词向量与所述语义向量之间的余弦相似度，在所述多个分词中确定所述关键词。
23.可选地，所述当检测到所述问题类型为技术问题时，查询与所述技术问题匹配的技术人员，将所述咨询问题发送至所述技术人员的终端之后，所述智能问答方法还包括：
24.获取解决所述咨询问题对应的技术；
25.远程控制所述用户的终端，并在所述用户的终端上应用所述技术。
26.可选地，所述智能问答方法应用于车险系统，所述获取用户的咨询问题，包括：
27.在所述车险系统中获取用户的咨询问题。
28.可选地，在所述获取用户的咨询问题之前，所述智能问答方法还包括：
29.获取样本训练集，所述样本训练集包括多个样本基础问题，以及每个样本基础问题对应的样本应答结果；
30.基于所述样本训练集对初始智能应答网络进行训练，并基于训练结果更新所述初始智能应答网络的参数；
31.当检测到所述初始智能应答网络对应的损失函数收敛时，得到所述智能应答模型。
32.本技术实施例的第二方面提供了一种智能问答装置，包括：
33.获取单元，用于获取用户的咨询问题；
34.分类单元，用于确定所述咨询问题对应的语义信息，并基于所述语义信息对所述咨询问题进行分类，得到所述咨询问题对应的问题类型，所述问题类型包括基础问题、业务问题、技术问题以及其他问题，所述其他问题为除所述基础问题、所述业务问题以及所述技术问题外的问题；
35.确定单元，用于确定与所述问题类型匹配的应答方式，并基于所述应答方式回答所述咨询问题。
36.本技术实施例的第三方面提供了一种智能问答设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面所述的智能问答方法的步骤。
37.本技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的智能问答方法的步骤。
38.本技术实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在智能问答设备上运行时，使得该设备执行上述第一方面所述的智能问答方法的步骤。
39.本技术实施例提供的智能问答方法、装置、设备及存储介质，具有以下有益效果：
40.对用户的咨询问题先进行精准、细化分类，得到该咨询问题对应的问题类型，该问题类型包括基础问题、业务问题、技术问题以及其他问题。根据不同的问题类型为用户提供不同的应答方式，有针对性地答复用户的问题，保证用户的咨询问题在短时间内得到专业、准确地解答，为用户提供方便、高效地咨询方式，提高了咨询问题的答复效率，保证了咨询服务的质量稳定性；且根据不同的问题类型为用户提供不同的应答方式，有针对性地答复用户的问题，提升了应答结果的准确性，提升了用户体验。
附图说明
41.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
42.图1是本技术一示例性实施例提供的智能问答方法的示意性流程图；
43.图2是本技术再一示例性实施例示出的训练智能应答模型的方法的具体流程图；
44.图3是本技术一实施例提供的一种智能问答装置的示意图；
45.图4是本技术另一实施例提供的智能问答设备的示意图。
具体实施方式
46.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
47.在本技术实施例的描述中，除非另有说明，“/”表示或的意思，例如，a/b可以表示a或b；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，在本技术实施例的描述中，“多个”是指两个或多于两个。
48.以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
49.目前各个行业中的客户服务非常重要，为了加速各个行业的发展，每个行业都提供了售前售后的咨询，通过客户服务来吸引更多的客户，进而提升业务量和业绩。
50.现有的智能客户服务中，当用户需要解决的问题比较复杂时，需要多次转接专业人员才能解决，流程复杂、耗时长。例如，车险系统，智能客户的智能化程度不高，无法与用户进行有效沟通，仅能回复重复性的简单问题，遇到复杂技术问题，需要转接人工客服，人工客服通常无法给出有效解决方案，需再次转接专业人员，安排专业人员解决用户的问题。当专业人员分配不均时，用户还需等待更久，导致不能及时地解答用户的问题，答复给用户
的结果不准确，还降低了咨询效率的问题，也降低了咨询效率，给用户造成了不好的体验。
51.有鉴于此，本技术实施例提供的智能问答方法、装置、设备及存储介质，具有以下有益效果：
52.对用户的咨询问题先进行精准、细化分类，得到该咨询问题对应的问题类型，该问题类型包括基础问题、业务问题、技术问题以及其他问题。根据不同的问题类型为用户提供不同的应答方式，有针对性地答复用户的问题，保证用户的咨询问题在短时间内得到专业、准确地解答，为用户提供方便、高效地咨询方式，提高了咨询问题的答复效率，保证了咨询服务的质量稳定性；且根据不同的问题类型为用户提供不同的应答方式，有针对性地答复用户的问题，提升了应答结果的准确性，提升了用户体验。
53.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
54.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/机器学习/监督学习等几大方向。
55.请参见图1，图1是本技术一示例性实施例提供的智能问答方法的示意性流程图。本技术提供的智能问答方法的执行主体为智能问答设备，其中，该智能问答设备包括但不限于智能手机、平板电脑、计算机、个人数字助理(personal digital assistant，pda)、台式电脑等移动终端，还可以包括各种类型的服务器。例如，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务。
56.本技术实施例中以执行主体为服务器为例进行说明。
57.如图1所示的智能问答方法可包括：s101～s103，具体如下：
58.s101：获取用户的咨询问题。
59.本实施例中，用户可以通过应用程序(application，app)、系统咨询界面、网页咨询界面等输入咨询问题。其中，应用程序、系统可以在各种智能终端中运行。智能终端包括但不限于手机、平板电脑、笔记本、台式电脑、学习机等。
60.示例性地，当用户想要得到某些信息时，可在app、系统咨询界面、网页咨询界面等输入咨询问题，智能终端设备在获取到咨询问题后，向服务器发送该咨询问题，服务器获取该咨询问题。
61.可选地，在一种可能的实现方式中，本技术提供的智能问答方法应用于车险系统，获取用户的咨询问题可以包括：在车险系统中获取用户的咨询问题。
62.例如，系统为车险系统，该车险系统在智能终端上运行。用户想要获取关于车险的相关信息，可在该车险系统的咨询界面输入“汽车出了事故后，理赔的基本程序是什么”、“全款买车和贷款买车在车辆的保险理赔上有区别吗”等。智能终端设备将“汽车出了事故后，理赔的基本程序是什么、“全款买车和贷款买车在车辆的保险理赔上有区别吗”等发送
至服务器。服务器接收这些咨询问题。此处仅为示例性说明，对此不做限定。
63.s102：确定咨询问题对应的语义信息，并基于语义信息对咨询问题进行分类，得到咨询问题对应的问题类型，问题类型包括基础问题、业务问题、技术问题以及其他问题，其他问题为除基础问题、业务问题以及技术问题外的问题。
64.示例性地，基础问题包括与基础知识相关的问题。例如，基础问题可以包括与车险基础知识相关的问题。具体地，车险的种类有哪些、每种车险保障的范围是什么等。
65.业务问题包括与公司业务、流程等相关的问题。例如，业务问题可以包括与车险业务、车险流程等相关的问题。具体地，汽车出了某个事故后，贵公司理赔的基本程序是什么；当前汽车的使用环境是什么样的，办理什么车险业务比较合适等。
66.技术问题包括与开发、系统等相关的问题。例如，技术问题可以包括车险技术、车险系统等相关的问题。具体地，车险系统在使用过程中出现了某个问题，该如何处理；车险系统在某个方面还需要完善等。
67.其他问题为除基础问题、业务问题、技术问题以外的问题。具体地，其他问题可以为用户咨询法律相关的问题；咨询车祸造成伤亡时，关于抚养费的问题；用户为需要赔偿的一方，想要咨询是否可以减少赔偿款等问题。
68.此处均为示例性说明，对此不做限定。
69.示例性地，可以通过已训练的咨询模型提取咨询问题对应的语义信息，根据该语义信息对该咨询问题进行分类，得到咨询问题对应的问题类型。其中，语义信息的表现形式为向量，可以理解为，语义信息就是语义向量。
70.示例性地，咨询模型是使用机器学习算法基于预设的样本训练集对初始咨询网络进行训练得到的。初始咨询网络指未训练的咨询模型。预设的样本训练集可以包括多个样本问题，以及每个样本问题对应的样本问题类型。
71.咨询模型中包含多个隐藏层，利用咨询模型中的多个隐藏层对咨询问题对应的文本进行映射处理，将该咨询问题对应的文本映射到公共语义空间，输出咨询问题对应的语义向量。
72.通过咨询模型中的全连接层对该语义向量进行处理，得到咨询问题对应的问题类型。可以通俗理解为，通过咨询模型中的全连接层判断该语义向量属于哪种问题类型的概率更大，选择概率最大的那个问题类型作为该咨询问题对应的问题类型并输出。此处仅为示例性说明，对此不做限定。
73.可选地，在一种可能的实现方式中，也可以先对咨询问题进行预处理。预处理指提取咨询问题中的有效字符，或者去除咨询问题中的冗余信息。其中，有效字符指咨询问题中具有实际意义的信息。当预处理为提取咨询问题中的有效字符时，此时，预处理后的咨询问题由这些有效字符按照提取有效字符时的顺序组合生成。
74.冗余信息是指咨询问题中没有实际意义的信息。例如，冗余信息可以是咨询问题中的停用词、标点符号等。其中，停用词通常为限定词、语气助词、副词、介词、连接词、英文字符、数字、数学字符等。其中，英文字符为单独存在的字母，且没有实际意义。若英文字符为字母组合且具有意义时，此时，该英文字符被认定为有效字符，不会被去除。例如，当英文字符为cpu、mac、hr等时，会作为有效字符保留下来，不会被去除。此处仅为示例性说明，对此不做限定。
75.对预处理后的咨询问题进行分词处理，得到多个分词。在多个分词中提取咨询问题对应的一个或多个关键词，在预设的问题库中查找与这些关键词匹配的问题类型，作为该咨询问题对应的问题类型。
76.其中，预设的问题库中预先存储有多个不同的关键词，以及每个关键词对应的问题类型。可选地，对于问题类型为基础问题的关键词，还关联存储有该关键词对应的应答结果。此处仅为示例性说明，对此不做限定。
77.可选地，也可通过信息检索与数据挖掘的常用加权技术常用加权(term frequency
–
inverse document frequency，tf-idf)算法确定文本信息对应的关键词。
78.以tf-idf为例进行说明，tf表示词频，即一个词在咨询问题中出现的次数；idf表示逆文档频率，用于在词频的基础上给每个词分配一个重要性权重，它的大小与一个词的常见程度成反比。将词频与逆文档频率的值相乘，得到一个词的tf-idf值，该词的tf-idf值表示该词对咨询问题的重要性，tf-idf值越大表示该词对咨询问题越重要。将tf-idf值排在最前面的几个词作为咨询问题的关键词。
79.具体地，服务器先对咨询问题进行分词处理，得到咨询问题对应的若干分词结果，进而可通过下述表达式计算每个分词对应的词频。
[0080]“词频(tf)＝某个词在咨询问题的出现次数/咨询问题的总词数”或“词频(tf)＝某个词在咨询问题中的出现次数/该咨询问题出现次数最多的词的出现次数”。
[0081]
通过“逆文档频率(idf)＝log(语料库的文本总数/包含该词的文本数+1)”计算逆文档频率(idf)；其中，分母加1是为了避免所有文本都不包含该词导致分母为0的情况出现，log表示对得到的值取对数；若一个词越常见，则分母越大，逆文档频率就越小越接近0。通过“tf-idf＝词频(tf)*逆文档频率(idf)”计算该词的tf-idf值，即该词对咨询问题的重要性。计算得到每个词对应的tf-idf值后，对tf-idf值进行降序排列，取排在最前面的几个词作为该咨询问题的关键词。即得到以tf-idf对咨询问题处理后的一组关键词。
[0082]
在问题库中查找与这些关键词匹配的问题类型，作为该咨询问题对应的问题类型。
[0083]
s103：确定与问题类型匹配的应答方式，并基于应答方式回答咨询问题。
[0084]
不同的问题类型对应不同的应答方式。示例性地，根据s102中确定的不同的问题类型，选择不同的应答方式，根据选择的应答方式回答用户的咨询问题。
[0085]
例如，当咨询问题对应的问题类型为基础问题时，与其匹配的应答方式为自动应答，即通过智能应答模型自动答复该咨询问题，无需人工答复。
[0086]
又例如，当咨询问题对应的问题类型为业务问题时，与其匹配的应答方式为转接业务人员应答，即先查询与该业务问题匹配的业务人员，将咨询问题发送至业务人员的终端；业务人员对该咨询问题进行解答，并将业务人员针对该咨询问题的应答结果反馈给用户。
[0087]
又例如，当咨询问题对应的问题类型为技术问题时，与其匹配的应答方式为转接技术人员应答，即先查询与该技术问题匹配的技术人员，将咨询问题发送至技术人员的终端；技术人员对该咨询问题进行解答，并将技术人员针对该咨询问题的应答结果反馈给用户。
[0088]
又例如，当咨询问题对应的问题类型为其他问题时，与其匹配的应答方式为转接
专业人员应答，即先查询与该其他问题匹配的专业人员，将咨询问题发送至专业人员的终端；专业人员对该咨询问题进行解答，并将专业人员针对该咨询问题的应答结果反馈给用户。
[0089]
上述方案中，对用户的咨询问题先进行精准、细化分类，得到该咨询问题对应的问题类型，该问题类型包括基础问题、业务问题、技术问题以及其他问题。根据不同的问题类型为用户提供不同的应答方式，有针对性地答复用户的问题，保证用户的咨询问题在短时间内得到专业、准确地解答，为用户提供方便、高效地咨询方式，提高了咨询问题的答复效率，保证了咨询服务的质量稳定性。
[0090]
值得说明的是，现有技术中的咨询服务只区分机器自动回复和人工回复两种，即如果用户咨询的问题机器可以自动回复，那么就采用机器自动回复，如果用户咨询的问题机器回答不了，那么就转接到人工回复。由于没有对用户咨询的问题进行精准、细化分类，导致转接到人工客服后，大多人工客服并不能直接回答用户咨询的问题，还得多次跳转其他人工客服，最后才能解答用户咨询的问题。整个个过程中，需要用户等待很久，且每次转接新的人工客服，都会询问用户咨询的问题是什么，用户需要不断重复描述咨询的问题，导致整个咨询服务流程极度繁琐、耗时长，给用户带来不好的体验。本方案中开始就对用户的咨询问题进行精准、细化分类，根据不同的问题类型为用户提供不同的应答方式，有针对性地答复用户的问题，提升了应答结果的准确性，提升了用户体验。
[0091]
可选地，在本技术一些可能的实现方式中，上述s103可包括s1031～s1034。值得说明的是，s1031、s1032、s1033、s1034均并列，根据s102中确定的不同的问题类型，选择执行s1031或s1032或s1033或s1034，根据实际情况选择执行，对此不做限定，s1031～s1034具体如下：
[0092]
s1031：当检测到问题类型为基础问题时，获取已训练的智能应答模型；将咨询问题输入智能应答模型中进行处理，得到咨询问题对应的应答结果；将应答结果反馈给用户。
[0093]
示例性地，当检测到该咨询问题对应的问题类型为基础问题时，获取已训练的智能应答模型。车险系统可以通过智能应答模型自动答复该咨询问题，无需人工答复。将咨询问题输入智能应答模型中进行处理，智能应答模型输出该询问题对应的应答结果，将该应答结果反馈给用户。
[0094]
在本实施例中，终端中预先存储有预先训练好的智能应答模型。该智能应答模型是使用机器学习算法，基于样本训练集对初始智能应答网络进行训练得到。
[0095]
可以理解的是，智能应答模型可以由终端预先训练好，也可以由其他设备预先训练好后将智能应答模型对应的文件移植至终端中。也就是说，训练该智能应答模型的执行主体与使用该智能应答模型的执行主体可以是相同的，也可以是不同的。例如，当采用其他设备训练初始智能应答网络时，其他设备对初始智能应答网络结束训练后，固定初始智能应答网络的参数，得到训练好的智能应答模型对应的文件。然后将该文件移植到终端中。
[0096]
可选地，在本技术一些可能的实现方式中，上述s1031中的将咨询问题输入智能应答模型中进行处理，得到咨询问题对应的应答结果，具体包括：
[0097]
通过智能应答模型，提取咨询问题中的关键词；查找与该关键词匹配的应答结果。
[0098]
示例性地，智能应答模型中预先存储有不同的关键词对应的应答结果。值得说明的是，这些关键词都是属于基础问题的咨询问题的关键词。通过智能应答模型提取属于基
础问题的咨询问题中的关键词，再查找与该关键词匹配的应答结果。
[0099]
例如，咨询问题为“车险的种类有哪些”，通过智能应答模型对该咨询问题进行处理时，提取到该咨询问题对应的关键词为车险、种类，在智能应答模型中查找与“车险、种类”所匹配的应答结果。查找到的应答结果为：车险的种类分为主险(基本险)和附加险，主险包括交强险、车辆损失险、商业第三者责任险、盗抢险、车上人员责任险，附加险包括玻璃单独破碎险、车身划痕损失险、自燃损失险、新增设备损失险、无过失责任险、不计免赔率特约险、可选免赔额特约险、其他险种。将查询到的该应答结果展示给用户。
[0100]
可选地，通过智能应答模型，提取咨询问题中的关键词，可以包括：获取咨询问题的文本信息；对文本信息进行分词处理，得到多个分词；基于智能应答模型确定每个分词对应的词向量，以及文本信息对应的语义向量；确定每个词向量与语义向量之间的余弦相似度；基于每个词向量与语义向量之间的余弦相似度，在多个分词中确定关键词。
[0101]
当咨询问题为文本格式时，直接获取咨询问题的文本信息；当咨询问题为语音格式时，先将语音格式的咨询问题转换为文本格式的咨询问题，然后获取转换后的文本信息。
[0102]
智能应答模型中可以包括分词算法，通过分词算法对属于基础问题的咨询问题的文本进行分词处理，得到多个分词。即通过分词算法将咨询问题中的内容划分为多个分词。其中，分词可以为词语或者单字。示例性地，根据分词算法可以确定咨询问题对应的多种分词方式，选取其中最合适的分词方式对该咨询问题进行分词，得到该咨询问题对应的多个分词。
[0103]
利用智能应答模型中的多个隐藏层对每个分词以及属于基础问题的咨询问题对应的文本进行映射处理，将每个分词以及该咨询问题对应的文本映射到公共语义空间，输出每个分词对应的词向量以及咨询问题对应的语义向量。
[0104]
通过智能应答模型计算每个分词对应的词向量与该咨询问题对应的语义向量之间的余弦相似度。针对每个词向量，将该词向量与咨询问题对应的语义向量输入余弦距离公式进行计算，得到该词向量对应的分词与咨询问题之间的余弦相似度。
[0105]
采用归一化指数函数对计算得到的每个余弦相似度进行归一化处理，得到归一化的概率分布值。该概率分布值越大，表示该分词越能代表属于基础问题的咨询问题表达的语义；该概率分布值越小，表示该分词越不能代表属于基础问题的咨询问题表达的语义。根据概率分布值从高到低的顺序对每个分词进行排序，选择排序在前的一个或若干个分词作为属于基础问题的咨询问题对应的关键词。或者，根据概率分布值从低到高的顺序对每个分词进行排序，选择排序在后的一个或若干个分词作为属于基础问题的咨询问题对应的关键词。
[0106]
上述方案中，当检测到问题类型为基础问题时，通过预先训练的智能应答模型对用户此时的咨询问题进行应答，可以快速、准确地解答用户的问题，提升了咨询服务的效率和准确率。且智能应答模型是专门针对属于基础问题的咨询问题进行处理，更进一步地提升了处理属于基础问题的咨询问题的效率和准确率。
[0107]
s1032：当检测到问题类型为业务问题时，查询与业务问题匹配的业务人员，将咨询问题发送至业务人员的终端；将业务人员针对咨询问题的应答结果反馈给用户。
[0108]
现有技术中，智能客服的智能化程度不高，只能自动答复用户咨询的简单问题。当用户咨询的问题复杂时，智能客户无法自动答复用户，只能指引用户选择人工客服。但是人
工客服在回答用户咨询的复杂问题时，可能出现专业不对口的问题，即用户咨询的复杂问题不是当前的人工客服能够解决的，又需要不停的转接客服人员，且每次在转接客服人员后，用户又需要重复一遍问题，直至最后某个人工客服可以答复用户的复杂问题后停止。这种智能问答方式并不智能，答复效率低、准确率差，浪费了用户的时间，降低了用户的满意度。
[0109]
本方案中，当检测到该咨询问题对应的问题类型为业务问题时，车险系统需要通过人工答复该咨询问题。但是不需要多次转接，而是根据该咨询问题对应的业务问题类型，分配专业解答这类业务问题的业务人员进行解答。
[0110]
即当检测到该咨询问题对应的问题类型为业务问题时，查询可以解决该业务问题的业务人员，将该咨询问题(业务问题)发送给该业务人员的终端，由该业务人员对该咨询问题(业务问题)进行解答。将业务人员对该咨询问题(业务问题)的应答结果显示给该用户。
[0111]
可选地，在一种可能的实现方式中，当检测到该咨询问题对应的问题类型为业务问题时，查询可以解决业务问题的所有业务人员。在所有业务人员中选取当前处于空闲状态的目标业务人员。若当前处于空闲状态的目标业务人员只有一个，将该咨询问题(业务问题)发送给该目标业务人员的终端，由该目标业务人员对该咨询问题(业务问题)进行解答。将目标业务人员对该咨询问题(业务问题)的应答结果显示给该用户。
[0112]
若当前处于空闲状态的目标业务人员有多个，对多个目标业务人员进行排序，将该咨询问题(业务问题)发送给排序最前的目标业务人员，由该目标业务人员对该咨询问题(业务问题)进行解答。将目标业务人员对该咨询问题(业务问题)的应答结果显示给该用户。
[0113]
若当前所有的业务人员都处于接待状态，则生成提醒信息。该提醒信息用于提醒用户当前可以解答该咨询问题(业务问题)的业务人员正在接待其他用户，请该用户稍等/排队等候。
[0114]
此处均为示例性说明，对此不做限定。
[0115]
例如，咨询问题为“汽车出了x事故后，贵公司理赔的基本程序是什么”，在s102中对该咨询问题进行处理时，提取到该咨询问题对应的关键词为x事故、贵公司、理赔、基本程序，根据这些关键词判定该咨询问题对应问题类型为业务问题。查询当前可以解答业务问题的业务人员，查询到当前处于空闲状态的目标业务人员只有一个，将“汽车出了x事故后，贵公司理赔的基本程序是什么”后台发送给该目标业务人员，建立该用户与该目标业务人员之间的对话连接，目标业务人员将该问题对应的应答结果输入到显示界面，用户查看该应答结果。
[0116]
本方案中，当检测到该咨询问题对应的问题类型为业务问题时，通过人工答复该咨询问题，不需要多次转接，而是直接分配业务人员为该用户专业解答。由于该业务人员本身就是专业解答业务问题的，可以直接给出用户准确、满意的应答结果。不仅提升了咨询服务的效率，简化了咨询复杂问题的流程，还提升了用户的体验感。
[0117]
s1033：当检测到问题类型为技术问题时，查询与技术问题匹配的技术人员，将咨询问题发送至技术人员的终端；将技术人员针对咨询问题的应答结果反馈给用户。
[0118]
示例性地，当检测到该咨询问题对应的问题类型为技术问题时，车险系统需要通
过人工答复该咨询问题。但是不需要多次转接，而是根据该咨询问题对应的技术问题类型，分配专业解答这类技术问题的技术人员进行解答。
[0119]
即当检测到该咨询问题对应的问题类型为技术问题时，查询可以解决该技术问题的技术人员，将该咨询问题(技术问题)发送给该技术人员的终端，由该技术人员对该咨询问题(技术问题)进行解答。将技术人员对该咨询问题(技术问题)的应答结果显示给该用户。
[0120]
可选地，在一种可能的实现方式中，当检测到该咨询问题对应的问题类型为技术问题时，查询可以解决技术问题的所有技术人员。在所有技术人员中选取当前处于空闲状态的目标技术人员。若当前处于空闲状态的目标技术人员只有一个，将该咨询问题(技术问题)发送给该目标技术人员，由该目标技术人员对该咨询问题(技术问题)进行解答。将目标技术人员对该咨询问题(技术问题)的应答结果显示给该用户。
[0121]
若当前处于空闲状态的目标技术人员有多个，对多个目标技术人员进行排序，将该咨询问题(技术问题)发送给排序最前的目标技术人员，由该目标技术人员对该咨询问题(技术问题)进行解答。将目标技术人员对该咨询问题(技术问题)的答复结果显示给该用户。
[0122]
若当前所有的技术人员都处于接待状态，则生成提醒信息。此时该提醒信息用于提醒用户当前可以解答该咨询问题(技术问题)的技术人员正在接待其他用户，请该用户稍等/排队等候。
[0123]
此处均为示例性说明，对此不做限定。
[0124]
例如，咨询问题为“车险系统在使用过程中出现了xx问题，该如何处理”，在s102中对该咨询问题进行处理时，提取到该咨询问题对应的关键词为车险系统、使用过程、xx问题，根据这些关键词判定该咨询问题对应问题类型为技术问题。查询当前可以解答技术问题的技术人员，查询到当前处于空闲状态的目标技术人员只有一个，将“车险系统在使用过程中出现了xx问题，该如何处理”后台发送给该目标技术人员，建立该用户与该目标技术人员之间的对话连接，目标技术人员将该问题对应的应答结果输入到显示界面，用户查看该应答结果。
[0125]
本方案中，当检测到该咨询问题对应的问题类型为技术问题时，通过人工答复该咨询问题，不需要多次转接，而是直接分配技术人员为该用户专业解答。由于该技术人员本身就是专业解答技术问题的，可以直接给出用户准确、满意的应答结果。不仅提升了咨询服务的效率，简化了咨询复杂问题的流程，还提升了用户的体验感。
[0126]
可选地，在本技术一些可能的实现方式中，当检测到问题类型为技术问题时，查询与技术问题匹配的技术人员，将咨询问题发送至技术人员的终端之后，该智能问答方法还包括：获取解决咨询问题对应的技术；远程控制用户的终端，并在用户的终端上应用该技术。
[0127]
示例性地，如果咨询问题的问题类型为技术问题，技术人员在解答该咨询问题时，发现需要对用户的终端进行操作才能解决，此时可获取解决该咨询问题对应的技术。该技术根据具体的咨询问题确定，例如，该技术可以为修复漏洞的技术、对系统进行设置等，此处不做限定。
[0128]
技术人员通过其使用的终端向用户发起远程控制请求，用户接受该远程控制请
求，此时技术人员可以远程控制用户的终端，在用户的终端上应用该技术，用以解决用户的问题。
[0129]
上述实施方式中，技术人员可以通过远程控制的方式控制用户的终端，用以解决用户的技术问题，为操作能力差、年龄大、不经常上网的用户提供了便利，提升了解决用户问题的能力，提升了用户的体验感。
[0130]
s1034：当检测到问题类型为其他问题时，查询与其他问题匹配的专业人员，将咨询问题发送至专业人员的终端；将专业人员针对咨询问题的应答结果反馈给用户。
[0131]
示例性地，当检测到该咨询问题对应的问题类型为其他问题时，车险系统需要通过人工答复该咨询问题。但是不需要多次转接，而是根据该咨询问题对应的其他问题类型，分配专业解答这类其他问题的专业人员进行解答。
[0132]
即当检测到该咨询问题对应的问题类型为其他问题时，查询可以解决业务问题的专业人员，将该咨询问题(其他问题)发送给该专业人员，由该专业人员对该咨询问题(其他问题)进行解答。将专业人员对该咨询问题(其他问题)的答复结果显示给该用户。
[0133]
可选地，在一种可能的实现方式中，当检测到该咨询问题对应的问题类型为其他问题时，查询可以解决其他问题的所有专业人员。在所有专业人员中选取当前处于空闲状态的目标专业人员。若当前处于空闲状态的目标专业人员只有一个，将该咨询问题(其他问题)发送给该目标专业人员，由该目标专业人员对该咨询问题(其他问题)进行解答。将目标专业人员对该咨询问题(其他问题)的应答结果显示给该用户。
[0134]
若当前处于空闲状态的目标专业人员有多个，对多个目标专业人员进行排序，将该咨询问题(其他问题)发送给排序最前的目标专业人员，由该目标专业人员对该咨询问题(其他问题)进行解答。将目标专业人员对该咨询问题(其他问题)的专业人员显示给该用户。
[0135]
若当前所有的专业人员都处于接待状态，则生成提醒信息。此时该提醒信息用于提醒用户当前可以解答该咨询问题(其他问题)的专业人员正在接待其他用户，请该用户稍等/排队等候。
[0136]
此处均为示例性说明，对此不做限定。
[0137]
本方案中，当检测到该咨询问题对应的问题类型为其他问题时，通过人工答复该咨询问题，不需要多次转接，而是直接分配专业人员为该用户专业解答。由于该专业人员本身就是专业解答其他问题的，可以直接给出用户准确、满意的应答结果。不仅提升了咨询服务的效率，简化了咨询复杂问题的流程，还提升了用户的体验感。
[0138]
可选地，在一种可能的实现方式中，当咨询问题对应的问题类型为业务问题、技术问题、其他问题时，相应的业务人员、技术人员、专业人员通过文字不能解决用户的问题时，可通过建立视频通话、语音通话、发送图片的方式解决用户的问题。进一步地，相应的业务人员和专业人员也可通过远程控制终端的方式解决用户的问题。
[0139]
可选地，在一种可能的实现方式中，当获取到用户输入的咨询问题时，获取该用户的身份信息，根据该用户的身份信息确定用户的等级。当检测到用户的等级为高级等级时，为该用户分配专用客服人员。由该专用客服人员解答该用户的咨询问题。
[0140]
可选地，在一种可能的实现方式中，现有技术在智能问答中，若用户发送的信息为图片，则无法自动识别。本方案中提供了人工智能模型，若用户发送的信息为图片，则通过
人工智能模型识别用户发送的图片。例如，用户发送了身份证照片，通过人工智能模型可以识别身份证中的身份证号码、姓名、性别、住址等信息。这种实现方式，在用户与客服沟通的过程中，提升了沟通效率，提升了用户好感度。
[0141]
请参见图2，图2是本技术再一示例性实施例示出的训练智能应答模型的方法的具体流程图；可选地，在本技术一些可能的实现方式中，在执行如图1所示的方法之前，还可包括训练智能应答模型的方法，训练智能应答模型的方法可包括：s201～s203，具体如下：
[0142]
s201：获取样本训练集，样本训练集包括多个样本基础问题，以及每个样本基础问题对应的样本应答结果。
[0143]
示例性地，可在网络中采集多个基础问题，也可以收集之前用户在车险系统中咨询的问题，在这些问题中整理出多个样本基础问题，并为每个样本基础问题设置对应的样本应答结果。
[0144]
可选地，还可将样本训练集中的一部分数据作为测试集，便于后续对训练中的初始智能应答网络进行测试。例如，在样本训练集中选取若干个样本基础问题，以及这些样本基础问题各自对应的样本应答结果作为测试集。
[0145]
s202：基于样本训练集对初始智能应答网络进行训练，并基于训练结果更新初始智能应答网络的参数。
[0146]
将多个样本基础问题以及每个样本基础问题对应的样本应答结果分别输入到初始智能应答网络中进行训练。初始智能应答网络学习样本基础问题以及样本基础问题对应的样本应答结果之间的关联关系。
[0147]
在达到预设的训练次数时，对此时的初始智能应答网络进行测试。示例性地，将测试集中的样本基础问题输入此时的初始智能应答网络中进行处理，此时的初始智能应答网络输出该样本基础问题对应的实际应答结果。
[0148]
基于损失函数计算该样本基础问题对应的实际应答结果与测试集中该样本基础问题对应的样本应答结果之间的损失值。
[0149]
当损失值不满足预设条件时，调整初始智能应答网络的参数(例如，调整初始智能应答网络各个网络层对应的权重值)，并基于样本训练集继续训练该初始智能应答网络。
[0150]
s203：当检测到初始智能应答网络对应的损失函数收敛时，得到智能应答模型。
[0151]
当检测到损失值满足预设条件时，停止训练该初始智能应答网络，并将训练后的该初始智能应答网络作为已训练好的智能应答模型。
[0152]
例如，假设预设条件为损失值小于或等于预设的损失值阈值。那么，当损失值大于损失值阈值时，调整初始智能应答网络的参数，并继续训练该初始智能应答网络。当损失值小于或等于损失值阈值时，停止训练该初始智能应答网络，固定此时该初始智能应答网络的参数，并将训练后的该初始智能应答网络作为已训练好的智能应答模型。此处仅为示例性说明，对此不做限定。
[0153]
示例性地，也可以是在训练初始智能应答网络的过程中，观察初始智能应答网络对应的损失函数收敛情况。当损失函数未收敛时，调整初始智能应答网络的参数，并基于样本训练集继续训练该初始智能应答网络。当损失函数收敛时，停止训练初始智能应答网络，并将训练后的该初始智能应答网络作为已训练好的智能应答模型。其中，损失函数收敛是指损失函数的值趋于稳定。此处仅为示例性说明，对此不做限定。
[0154]
上述实施方式中，训练智能应答模型，便于为用户提供更准确地咨询服务。
[0155]
可选地，在本技术一些可能的实现方式中，本技术提供的智能问答方法，还可包括训练咨询模型的方法。咨询模型的训练方式与智能应答模型的训练方式类似，只是训练咨询模型的样本训练集中的样本数据不同，具体可参考智能应答模型的训练方式，此处不再赘述。
[0156]
可选地，在本技术一些可能的实现方式中，本技术提供的智能问答方法，可应用在医疗领域。例如当用户想要咨询与医疗相关的问题时，通过本技术提供的智能问答方法，可为用户及时提供准确地咨询服务，提升了解答医疗相关的问题的精准度和时效性。
[0157]
请参见图3，图3是本技术一实施例提供的一种智能问答装置的示意图。该智能问答装置包括的各单元用于执行图1～图2对应的实施例中的各步骤。具体请参阅图1～图2各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图3，包括：
[0158]
获取单元310，用于获取用户的咨询问题；
[0159]
分类单元320，用于确定所述咨询问题对应的语义信息，并基于所述语义信息对所述咨询问题进行分类，得到所述咨询问题对应的问题类型，所述问题类型包括基础问题、业务问题、技术问题以及其他问题，所述其他问题为除所述基础问题、所述业务问题以及所述技术问题外的问题；
[0160]
确定单元330，用于确定与所述问题类型匹配的应答方式，并基于所述应答方式回答所述咨询问题。
[0161]
可选地，所述确定单元330具体用于：
[0162]
当检测到所述问题类型为基础问题时，获取已训练的智能应答模型；将所述咨询问题输入所述智能应答模型中进行处理，得到所述咨询问题对应的应答结果；将所述应答结果反馈给所述用户；
[0163]
或，当检测到所述问题类型为业务问题时，查询与所述业务问题匹配的业务人员，将所述咨询问题发送至所述业务人员的终端；将所述业务人员针对所述咨询问题的应答结果反馈给所述用户；
[0164]
或，当检测到所述问题类型为技术问题时，查询与所述技术问题匹配的技术人员，将所述咨询问题发送至所述技术人员的终端；将所述技术人员针对所述咨询问题的应答结果反馈给所述用户；
[0165]
或，当检测到所述问题类型为其他问题时，查询与所述其他问题匹配的专业人员，将所述咨询问题发送至所述专业人员的终端；将所述专业人员针对所述咨询问题的应答结果反馈给所述用户。
[0166]
可选地，所述确定单元330还用于：
[0167]
通过所述智能应答模型，提取所述咨询问题中的关键词；
[0168]
查找与所述关键词匹配的应答结果。
[0169]
可选地，所述确定单元330还用于：
[0170]
获取所述咨询问题的文本信息；
[0171]
对所述文本信息进行分词处理，得到多个分词；
[0172]
基于所述智能应答模型确定每个分词对应的词向量，以及所述文本信息对应的语
义向量；
[0173]
确定每个词向量与所述语义向量之间的余弦相似度；
[0174]
基于每个词向量与所述语义向量之间的余弦相似度，在所述多个分词中确定所述关键词。
[0175]
可选地，所述智能问答装置还包括：
[0176]
技术获取单元，用于获取解决所述咨询问题对应的技术；
[0177]
控制单元，用于远程控制所述用户的终端，并在所述用户的终端上应用所述技术。
[0178]
可选地，所述智能问答装置还包括训练单元，所述训练单元用于：
[0179]
获取样本训练集，所述样本训练集包括多个样本基础问题，以及每个样本基础问题对应的样本应答结果；
[0180]
基于所述样本训练集对初始智能应答网络进行训练，并基于训练结果更新所述初始智能应答网络的参数；
[0181]
当检测到所述初始智能应答网络对应的损失函数收敛时，得到所述智能应答模型。
[0182]
请参见图4，图4是本技术另一实施例提供的智能问答设备的示意图。如图4所示，该实施例的智能问答设备4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个智能问答方法实施例中的步骤，例如图1所示的s101至s103。或者，所述处理器40执行所述计算机程序42时实现上述各实施例中各单元的功能，例如图3所示单元310至330功能。
[0183]
示例性地，所述计算机程序42可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器41中，并由所述处理器40执行，以完成本技术。所述一个或多个单元可以是能够完成特定功能的一系列计算机指令段，该指令段用于描述所述计算机程序42在所述设备4中的执行过程。例如，所述计算机程序42可以被分割为获取单元、分类单元以及确定单元，各单元具体功能如上所述。
[0184]
所述设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是设备4的示例，并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述设备还可以包括输入输出设备、网络接入设备、总线等。
[0185]
所称处理器40可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0186]
所述存储器41可以是所述设备的内部存储单元，例如设备的硬盘或内存。所述存储器41也可以是所述设备的外部存储终端，例如所述设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器41还可以既包括所述设备的内部存储单元也包括外部存储终端。所述存储器41用于存储所述计算机指令以及所述终端所需的其他程序和数据。所述存储器41
还可以用于暂时地存储已经输出或者将要输出的数据。
[0187]
本技术实施例还提供了一种计算机存储介质，计算机存储介质可以是非易失性，也可以是易失性，该计算机存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述各个智能问答方法实施例中的步骤。
[0188]
本技术还提供了一种计算机程序产品，当计算机程序产品在设备上运行时，使得该设备执行上述各个智能问答方法实施例中的步骤。
[0189]
本技术实施例还提供了一种芯片或者集成电路，该芯片或者集成电路包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片或者集成电路的设备执行上述各个智能问答方法实施例中的步骤。
[0190]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0191]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0192]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0193]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神范围，均应包含在本技术的保护范围之内。