维护问答模型的方法及装置与流程

本说明书一个或多个实施例涉及计算机人工智能技术领域，尤其涉及问答机器人系统中问答模型的建立和维护。

背景技术

随着计算机人工智能技术的发展，提出了各种智能“机器人”来实现常规人类完成的工作。例如，在一些应用场景中，设计了问答机器人。问答机器人是一种人机交互系统，该系统能够识别用户输入的自然语言问句，并通过信息检索，自然语言处理，深度计算等算法逻辑处理，最终给用户返回一个最恰当的答案。这样的问答机器人可以应用于例如聊天机器人，培训机器人，客服小二机器人等场景中。一般地，在问答机器人系统中，通过问答模型来实现对问句或问题的分析处理，并确定如何回答。随着人工智能的发展和模型训练的深入，已经提出了多种基于不同思路不同算法的问答模型。

在此基础上，希望能有改进的方案，可以更高效地使用和维护用于问答机器人的问答模型。

技术实现要素：

本说明书一个或多个实施例描述了一种方法和装置，能够动态地维护用于问答机器人系统的问答模型，实现问答模型的“热插拔”，使得问答模型的上下线和修改能够以配置化的方式灵活实现。

根据第一方面，提供了一种维护用于问答机器人系统的问答模型的方法，所述问答机器人系统包括问题分发模块和模型中心，所述方法由所述模型中心执行，所述方法包括：

获取模型库配置文件，所述模型库配置文件包括，部署平台上的已部署问答模型的配置信息；

根据所述配置信息，解析所述已部署问答模型中的至少一个问答模型，从而生成与所述至少一个问答模型对应的至少一个模型运行实例；

用所述至少一个模型运行实例更新模型集合。

根据一种实施方式，配置信息包括，模型id，模型的部署环境，模型的解析协议。

在一个实施场景中，在问答机器人系统的启动阶段，获取初始模型库配置文件；相应地，解析步骤包括：根据所述初始模型库配置文件中的配置信息，解析每个已部署问答模型，从而生成每个已部署问答模型的模型运行实例；更新步骤包括，将所述每个已部署问答模型的模型运行实例依次添加到模型集合中。

在另一实施场景中，获取模型库配置文件包括：在第一时刻，获取第一模型库配置文件；在第一时刻之后预定时间间隔的第二时刻，获取第二模型库配置文件；通过对比第二模型库配置文件与第一模型库配置文件，确定第二模型库配置文件相比于第一模型库配置文件发生变更的修改配置信息。

进一步地，在一个实施例中，上述修改配置信息为所述第二模型库配置文件相比于第一模型库配置文件新增的配置信息，对应于新增的第一问答模型。在这样的情况下，解析步骤实现为，根据修改配置信息，解析所述第一问答模型，从而生成与该第一问答模型对应的第一模型运行实例；更新步骤实现为，将所述第一模型运行实例添加到所述模型集合中。

在另一实施例中，上述修改配置信息为，所述第二模型库配置文件中针对第二问答模型的配置信息，所述第二问答模型是所述第一模型库配置文件已经包含的问答模型。在这样的情况下，解析步骤实现为，根据所述修改配置信息，解析所述第二问答模型，从而生成与该第二问答模型对应的第二模型运行实例；更新步骤实现为，删除模型集合中与所述第二问答模型对应的原有模型运行实例，将所述第二模型运行实例添加到所述模型集合中。

在又一实施例中，上述修改配置信息为，所述第二模型库配置文件相对于第一模型库配置文件减少的配置信息，该减少的配置信息是所述第一模型库配置文件中针对第三问答模型的配置信息；在这样的情况下，上述方法还包括：将所述第三问答模型对应的模型运行实例从所述模型集合中删除。

根据一种可能的设计，上述方法还包括：

从所述问题分发模块接收分发请求，所述分发请求包括第一问题，以及针对该第一问题而确定的第一模型集，所述第一模型集至少包括第一目标问答模型；

在所述模型集合中查找所述第一目标问答模型；

在查找到所述第一目标问答模型的情况下，调用所述第一目标问答模型对应的模型运行实例处理所述第一问题。

进一步地，在一种实施方式中，问答机器人系统还包括问题融合模块，并且所述方法还包括：获取所述第一目标问答模型对应的模型运行实例针对所述第一问题的处理结果；将所述处理结果发送至所述问题融合模块。

根据第二方面，提供一种维护用于问答机器人系统的问答模型的装置，所述问答机器人系统包括问题分发模块和模型中心，所述装置包含在所述模型中心中，所述装置包括：

获取单元，配置为获取模型库配置文件，所述模型库配置文件包括，部署平台上的已部署问答模型的配置信息；

解析单元，配置为根据所述配置信息，解析所述已部署问答模型中的至少一个问答模型，从而生成与所述至少一个问答模型对应的至少一个模型运行实例；

更新单元，配置为用所述至少一个模型运行实例更新模型集合。

根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。

根据第四方面，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。

通过本说明书实施例提供的方法和装置，将问答机器人系统可能用到的问答模型部署到部署平台上，并通过模型库配置文件记录各个问答模型的配置信息。模型中心通过读取模型库配置文件，获取各个问答模型的配置信息，并根据配置信息解析各个问答模型，生成对应的模型运行实例，将其记录在模型集合中。在问答模型发生变化的情况下，例如模型上线、下线和修改，模型库配置文件会相应发生变更。模型中心通过检测模型库配置文件的变化，并重新解析修改的配置信息对应的问答模型，从而保持模型集合中问答模型的更新。如此，模型中心实现各个问答模型的“热插拔”，也就是以配置化的方式，在无需重启系统、无需重新开发重新发布的情况下，动态灵活地维护模型集合中的问答模型保持更新，以应用于问答机器人系统。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本说明书披露的一个实施例的问答机器人系统的示意图；

图2为本说明书披露的另一实施例的问答机器人系统的示意图；

图3示出根据一个实施例的维护问答模型的方法流程图；

图4示出根据一个实施例的将问题分发到问答模型的流程图；

图5示出根据一个实施例的问答模型维护装置的示意性框图。

具体实施方式

下面结合附图，对本说明书提供的方案进行描述。

图1为本说明书披露的一个实施例的问答机器人系统的示意图。如前所述，随着人工智能的发展和模型训练的深入，已经提出了多种基于不同思路不同算法的问答模型，用于问答机器人确定问句的回答。这些问答模型例如包括，基于搜索技术框架的问答模型，基于模式匹配技术框架的问答模型，交互式问答模型等等。这些问答模型利用不同的算法和技术，适用于不同的业务场景，各有优势，各有千秋。常规技术往往根据需要采用其中一种适合的问答模型来构建问答机器人系统。然而，采用单一问答模型，往往会造成某方面的技术缺陷难以突破。基于这样的考虑，在图1所示实施例的问答机器人系统中，融合了多种问答模型，对于多种问答模型进行取长补短，从而更好地实现针对性的问答。因此，在以下说明中，将图1所示的融合了多种问答模型的问答机器人系统又称为总线型机器人。

具体地，图1所示的总线型问答机器人系统包括预处理模块，问题分发模块，模型中心，融合重排模块等。模型中心包括多个问答模型，这些问答模型由开发人员开发，然后在模型中心中进行部署、测试、发布、上线。多个问答模型构成了上述模型中心。

当机器人系统接收到问题时，首先由预处理模型对问题进行预处理。预处理过程可以包括，纠错，分词，去停用词，业务分类等等。接着，经过预处理的问题会进入问题分发模块。问题分发模块根据一些分发规则，将问题分发到模型中心所包含的不同的模型集合上。然后，每个模型会针对问题进行处理，并将推荐答案输出到答案融合模块。答案融合模块根据预定的融合逻辑，对各个模型的推荐答案进行合并、重新排序，输出最优结果。

在图1的模型中心中，各个问答模型是负责算法和应用开发的人员预先对接开发好，内置在系统中。当需要新增模型，或者修改已有模型时，需要系统开发人员对新模型或者修改的模型重新进行对接开发，然后再重新发布上线。为了进一步提升总线型问答机器人的模型框架的灵活性，在图1的基础上，还提出了图2的问答机器人系统。

图2为本说明书披露的另一实施例的问答机器人系统的示意图。图2的机器人系统与图1的相比，整体框架是相同的，但是对模型中心进行了优化。在图1中，模型中心中的问答模型是具体的，是预先开发对接好的；系统一旦启动之后就固定不变了。如果需要新增或者删改模型，就需要应用重新进行代码开发，重新发布。

而在图2的问答机器人系统中，模型中心动态地维护有可能用到的各个问答模型。具体地，在一个实施例中，开发人员可以将问答模型部署在部署平台，并通过模型库配置文件记录各个问答模型的配置信息。在系统启动时，模型中心通过读取配置文件中的配置信息，解析各个问答模型，生成模型运行实例。在系统启动后，如果需要新增或修改问答模型，这些新增或修改会体现为模型库配置文件的变化。模型中心可以周期性检测配置文件的变化，并根据该变化，修改相应的模型运行实例。如此使得，模型中心包含哪些模型并不是确定不变的，而是动态可变的。并且，在问答机器人系统运行过程中，对模型的变更，例如新上线一个模型，下线一个模型，修改一个模型等，都不涉及机器人系统的重新开发和重新发布。从而使得，对问答模型的维护和管理更加灵活。下面描述模型中心动态维护问答模型的具体实现方式。

图3示出根据一个实施例的维护问答模型的方法流程图，所维护的问答模型是用于问答机器人系统，所述问答机器人系统至少包括问题分发模块和模型中心，图3的方法由模型中心执行。如图3所示，在一个实施例中，维护问答模型的方法可以包括：步骤31，获取模型库配置文件，所述模型库配置文件用于描述，部署平台上的已部署问答模型的配置信息；步骤33，根据上述配置信息，解析所述已部署问答模型中的至少一个问答模型，从而生成与所述至少一个问答模型对应的至少一个模型运行实例；步骤35，用所述至少一个模型运行实例更新模型集合。下面描述以上各个步骤的执行方式。

需要理解的是，根据本说明书的一个或多个实施例，为了动态地维护用于问答机器人的问答模型，模型中心与开发问答模型的工程师可以预先约定一种或多种模型协议。算法工程师在开发一个问答模型的时候，基于预先约定的模型协议中的一种协议来实现模型算法。在实现某个问答模型之后，可以将该问答模型部署到部署平台中。可以理解，常规技术已经可以提供各种各样的算法平台，来提供一些用于算法代码的基础能力。当把问答模型的模型代码部署到部署平台，部署平台会把这些代码编译，转化为机器可以运行的组件来运行起来。在一个实施例中，开发工程师在完成问答模型的代码开发后，将问答模型部署到热部署平台上，其中热部署指的是在系统运行时可以修改系统而不需要系统重启的机能。

在将问答模型进行部署之后，即可以生成或确定该问答模型的配置信息，该配置信息可以包括，模型部署的环境(例如部署平台的硬件参数，运行环境参数等)，模型部署id，模型采用的模型协议，模型要适配的问答机器人id，等等。在一个实施例中，采用模型库配置文件来记录已经部署的问答模型的配置信息。每当部署好一个问答模型，就将该问答模型的配置信息添加或写入到模型库配置文件中。因此，模型库配置文件可以用于记录或描述，部署平台上所部署的各个问答模型的配置信息。

在一个实施例中，可以将该模型库配置文件存储在部署有各个问答模型的部署平台中。在另一实施例中，可以将该模型库配置文件存储在隶属于模型中心的存储器中。在又一实施例中，可以将上述模型库配置文件存储在不同于部署平台和模型中心的另一独立存储库中，该存储库与部署平台和模型中心通过多种通信方式连接，从而使得在将问答模型在部署平台部署之后，可以将配置信息写入模型库配置文件，并且模型中心可以访问该存储库来读取模型库配置文件。

在问答机器人系统启动的情况下，在步骤31，模型中心获取初始版本的模型库配置文件。根据模型库配置文件的存储位置，在不同实施例中，模型中心可以从部署平台，或者从其本地存储器，或者从独立存储库，获取上述模型库配置文件。

如前所述，该模型库配置文件记录有，部署平台上已部署的各个问答模型的配置信息。在问答机器人系统启动阶段，在步骤33，模型中心需要根据模型库配置文件中的配置信息，依次解析配置文件中记录的各个问答模型。

如前所述，问答模型的配置信息中可以包括，模型部署的环境，模型部署id，模型采用的模型协议等，其中模型采用的模型协议中描述了模型的实现和解析方式。更具体而言，模型协议中可以描述，该问答模型的输入输出格式，调用的接口，等等。根据模型协议的内容，模型中心就可以对已部署的问答模型进行解析，从而生成模型运行实例。

一个模型运行实例可以认为对应于一项接口服务，通过用预定格式调用接口服务，即调用该模型运行实例，就可以将输入参数等传递给对应的问答模型，问答模型基于传入参数在部署平台上进行运行和计算，根据模型算法得出运行结果，并通过模型运行实例返回运行结果。

在解析生成模型运行实例的基础上，在步骤35，模型中心将解析生成的模型运行实例添加到模型集合中。在一个实施例中，模型中心通过维护模型集合，来记录已经解析可用的模型运行实例。需要理解的是，模型集合中只是简单记录，已经解析生成了哪些模型的运行实例；模型中心并不能依据这样的模型集合，知晓各个问答模型的算法、代码实现、作用等模型实质内容。

例如，在一个具体例子中，模型中心维护的模型集合中记录了：完成解析的问答模型的模型id，和部署平台id。在另一例子中，模型集中还记录有各个问答模型所适用的机器人id，该信息可以从对应问答模型的配置信息中获取。在又一例子中，模型集合还可以仅记录完成解析的问答模型的模型id。

如此，按照以上方式执行步骤31-35，在问答机器人系统启动时，模型中心完成了各个问答模型的解析和加载。

在问答机器人系统启动后，模型开发人员可以对问答模型进行修改，包括上线新的问答模型，下线已有的问答模型，以及修改某个已上线问答模型。下面描述，在问答模型发生变更的情况下，模型中心维护问答模型的实现过程。

具体而言，在一种情况下，开发人员需要上线一个新的问答模型。那么，类似的，开发人员采用某种模型协议来实现该新的问答模型，并将其部署到部署平台上。接着，将该新部署的问答模型的配置信息添加到模型库配置文件中，从而更新模型库配置文件。

在另一种情况下，开发人员需要下线一个已部署已解析的问答模型。那么，在一个实施例中，可以直接从模型库配置文件中删除与该待下线模型有关的配置信息，如此，更新模型库配置文件。

在又一种情况下，开发人员需要修改一个已上线的问答模型，例如修改其中的部分算法逻辑或代码实现。在一个实施例中，开发人员在修改问答模型的实现代码之后，将修改后的模型代码重新部署到部署平台，然后用重新部署的问答模型的新配置信息，更新模型库配置文件中与该问答模型对应的原有配置信息。

在以上几种情况下，在模型开发人员对问答模型进行修改变更时，模型库配置文件都会相应地发生改变。因此，模型中心可以通过监听模型库配置文件的方式，检测到问答模型的变更，进而进行相应修改。从流程执行的角度，模型中心可以再次执行图3的流程步骤来实现问答模型的修改，只是在步骤31中，通过监听来获取更新的模型库配置文件，在步骤33，仅对涉及修改的问答模型进行重新解析，然后在步骤35，用新解析的问答模型更新模型集合。

具体而言，在问答机器人系统启动之后，模型中心监听模型库配置文件的变化以检测问答模型的修改。换而言之，模型中心仍然不断地以预定时间间隔，例如5min，读取模型库配置文件，并对比新获取的模型库配置文件相比于前一版本有没有变化。也就是，在步骤31，模型中心于第一时刻获取第一模型库配置文件，之后，在第一时刻之后预定时间间隔的第二时刻，获取第二模型库配置文件。上述第一时刻可以是系统启动的时刻，此时第一模型库配置文件对应于问答机器人系统启动时最初的模型库配置文件。第一时刻也可以是系统启动之后维护阶段的任意时刻。第二时刻是第一时刻过去预定时间间隔，例如5min，之后的时刻，此时，再次获取模型库配置文件，称为第二模型库配置文件。接着，对比第二模型库配置文件与第一模型库配置文件，从而确定出第二模型库配置文件中的配置信息相比于第一模型库文件的配置信息的变更信息，称为修改配置信息。

如果上述修改配置信息涉及新模型的添加或已有模型的修改，那么，在步骤33，根据上述修改配置信息，解析该修改配置信息对应的问答模型，生成对应的修改模型运行实例，并在步骤35，更新模型集合。

在一个实施例中，上述修改配置信息是第二模型库配置文件相对于第一模型库配置文件新增的配置信息，其中的模型id是第一模型库配置文件中不存在的模型id。这意味着，需要上线新问答模型，并且该修改配置信息对应于新增的问答模型。此时，在步骤33，根据该修改配置信息中的解析协议，解析该新增的问答模型，从而生成该新增的问答模型的模型运行实例。然后，在步骤35，将该新增的问答模型的模型运行实例添加到模型集合中。

在另一实施例中，上述修改配置信息是第二模型库配置文件相对于第一模型库配置文件而言，针对某个已经存在的模型id，发生修改的配置信息。这意味着，已有的某个问答模型发生了修改，并且该修改配置信息即对应于该发生修改的问答模型。或者说，该修改配置信息是重新部署的某个问答模型的新配置信息。于是，在步骤33，根据该修改配置信息，重新解析对应的修改的问答模型，从而生成对应的修改模型运行实例。然后，在步骤35，将重新生成的修改模型运行实例添加到模型集合中。此外，还将该修改的问答模型所对应的原有的模型运行实例从模型集合中删除。

在又一实施例中，上述修改配置信息是第二模型库配置文件相对于第一模型库配置文件，删减的配置信息。换而言之，第一模型库配置文件包含针对某个已部署已解析的问答模型的配置信息，而第二模型库配置文件却不包含针对该问答模型的配置信息，这意味着，需要下线该已部署已解析的问答模型。此时，从修改配置信息中确定出对应的模型id，进而确定出对应的模型运行实例，然后从模型集合中删除该对应的模型运行实例。

如此，不管开发人员对问答模型进行怎样的变更(上线，下线，修改)，模型中心通过配置化的方式，在无需重启系统、无需重新开发重新发布的情况下，动态地维护模型集合中的问答模型保持更新。

在此基础上，模型中心可以基于如此动态维护的问答模型，为问答机器人系统提供问答。再次参看图1和图2，在图1中，模型中心的各个问答模型是预先开发对接好，且固定不变的，问题分发模块可以直接将问题分发到模型中心所包含的不同的模型集合上。而当采用图2的模型中心，根据图3的方法动态维护各个问答模型的情况下，模型中心所维护的问答模型并不固定，因此，在将问题分发到问答模型的过程中，模型中心还需要进行额外的处理和判断。

具体而言，在图2所示的问答机器人系统中，在接收到一个问题，对其进行必要的预处理后，由问题分发模块根据一些预设的分发规则，确定应该将该问题分发到哪些问答模型。所确定的适合回答该问题的问答模型构成一个模型集。然后问题分发模块向模型中心发出一个分发请求，指示模型中心将上述问题分发到其所确定的模型集中的问答模型。于是，模型中心根据上述分发请求执行问题的分发。

图4示出根据一个实施例的将问题分发到问答模型的流程图，该流程由模型中心执行。如图4所示，在步骤41，从问题分发模块接收分发请求。一般地，分发请求包括某个待回答的具体问题(以下称为第一问题)，以及问题分发模块针对该问题而确定的模型集(以下称为第一模型集)，其中包括适于回答上述第一问题的各个问答模型，下面将其称为目标问答模型。在一个实施例中，模型集中包括各个目标问答模型的模型id。

在接收到这样的分发请求的情况下，在步骤43，模型中心在维护的模型集合中查找上述第一模型集中包含的各个目标问答模型。以某个目标问答模型，以下称为第一目标问答模型为例，可以在模型集合中查找该第一目标问答模型的模型id，如果查找到对应的模型id，那么模型中心包含该目标问答模型，于是在步骤45，将问题分发给该第一目标问答模型对应的模型运行实例，也就是，调用该对应的模型运行实例处理上述第一问题。更具体地，可以将上述第一问题作为部分调用参数，调用目标模型运行实例的服务，从而将第一问题传递给目标问答模型，使得目标问答模型对问题进行处理。

在一个实施例中，如果在模型集合中未能查找到分发请求中指定的某个目标问答模型，那么可以向问题分发模块返回一个错误消息，其中包含该未查找到的目标问答模型的模型id。

在一个实施例中，上述问答机器人系统适于多个问答机器人终端，例如客服小二机器人，培训机器人等。相应地，模型中心以及其中维护的问答模型，由该多个机器人终端所共享。在这样的情况下，分发请求中还可以包含，第一问题所来自的机器人id。相应地，模型中心维护的模型集合也可以记录，各个问答模型适用的机器人id。在这样的情况下，根据一个实施例，在模型集合中查找到某个目标问答模型之后，还将分发请求中标注的机器人id与模型集合中记录的该目标问答模型适用的机器人id进行对比，在两者匹配的情况下，才进行问题分发和模型运行实例的调用。

根据一个实施例，在将分发请求中的第一问题成功分发到各个目标问答模型之后，模型中心还可以获取各个目标问答模型对应的模型运行实例针对第一问题的处理结果，然后将所述处理结果发送至问答机器人系统中的答案融合模块，从而使得答案融合模块根据各个目标问答模型的处理结果，进行答案的融合和重排，输出更优的答案。

如此，模型中心动态维护问答机器人系统所需的多种问答模型，使得问答机器人系统可以利用这些问答模型与用户交互，实现问答。

另一方面，还提供一种维护用于问答机器人系统的问答模型的装置，其中问答机器人系统包括问题分发模块和模型中心，上述维护问答模型的装置包含在模型中心中。图5示出根据一个实施例的问答模型维护装置的示意性框图。如图5所示，该维护装置50包括：获取单元51，配置为获取模型库配置文件，所述模型库配置文件包括，部署平台上的已部署问答模型的配置信息；解析单元53，配置为根据所述配置信息，解析所述已部署问答模型中的至少一个问答模型，从而生成与所述至少一个问答模型对应的至少一个模型运行实例；更新单元55，配置为用所述至少一个模型运行实例更新模型集合。

根据一种实施方式，所述配置信息包括，模型id，模型的部署环境，模型的解析协议。

在一个实施场景中，获取单元51配置为，在所述问答机器人系统的启动阶段，获取初始模型库配置文件；相应地，解析单元53配置为，根据所述初始模型库配置文件中的配置信息，解析每个已部署问答模型，从而生成每个已部署问答模型的模型运行实例；更新单元55配置为，将所述每个已部署问答模型的模型运行实例依次添加到模型集合中。

在另一实施场景中，获取单元51配置为：在第一时刻，获取第一模型库配置文件；在第一时刻之后预定时间间隔的第二时刻，获取第二模型库配置文件；通过对比第二模型库配置文件与第一模型库配置文件，确定第二模型库配置文件相比于第一模型库配置文件发生变更的修改配置信息。

进一步地，在一个实施例中，上述修改配置信息为第二模型库配置文件相比于第一模型库配置文件新增的配置信息，对应于新增的第一问答模型。在这样的情况下，解析单元53配置为，根据所述修改配置信息，解析所述第一问答模型，从而生成与该第一问答模型对应的第一模型运行实例；更新单元55配置为，将所述第一模型运行实例添加到所述模型集合中。

在另一实施例中，上述修改配置信息为，第二模型库配置文件中针对第二问答模型的配置信息，所述第二问答模型是所述第一模型库配置文件已经包含的问答模型。在这样的情况下，解析单元53配置为，根据所述修改配置信息，解析所述第二问答模型，从而生成与该第二问答模型对应的第二模型运行实例；更新单元55配置为，删除模型集合中与所述第二问答模型对应的原有模型运行实例，将所述第二模型运行实例添加到所述模型集合中。

在又一实施例中，上述修改配置信息为，所述第二模型库配置文件相对于第一模型库配置文件减少的配置信息，该减少的配置信息是所述第一模型库配置文件中针对第三问答模型的配置信息。在这样的情况下，更新单元55将所述第三问答模型对应的模型运行实例从所述模型集合中删除。

根据一种实施方式，维护装置50还包括分发单元57，所述分发单元又包括(未示出)：

第一获取子单元，配置为从所述问题分发模块接收分发请求，所述分发请求包括第一问题，以及针对该第一问题而确定的第一模型集，所述第一模型集至少包括第一目标问答模型；

查找子单元，配置为在所述模型集合中查找所述第一目标问答模型；

调用子单元，配置为在查找到所述第一目标问答模型的情况下，调用所述第一目标问答模型对应的模型运行实例处理所述第一问题。

在一个实施例中，问答机器人系统还包括问题融合模块，上述分发单元57还包括：第二获取子单元，配置为获取所述第一目标问答模型对应的模型运行实例针对所述第一问题的处理结果；发送子单元，配置为将所述处理结果发送至所述问题融合模块。

综合以上，通过以上描述的一个或多个实施例，模型中心动态维护问答机器人系统所需的多种问答模型，使得问答机器人系统可以利用这些问答模型与用户交互，实现问答。特别是，根据以上实施例，将问答模型从总线型机器人框架中剥离，以热部署以及协议约定的开发模式，结合配置，达到实时上线、更新、下线模型的效果，实现问答模型的“热插拔”，即达到能够尽快观察模型线上效果的目的。同时，还免去算法工程师和应用工程师对接开发的效率问题，此外也不需要应用系统做模型内置，增强了整个总线型问答机器人框架的灵活性。

根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图3和/或图4所描述的方法。

根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图3和/或图4所述的方法。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。