一种针对用户提问的答复方法、装置及设备

摘要

本说明书实施例提供一种针对用户提问的答复方法、装置及设备。所述方法包括：接收用户输入的提问语句；确定所述提问语句对应的至少一个场景类别；所述场景类别对应于数据表类别；解析所述提问语句中的条件项目和查询项目；所述条件项目包括提问语句所关联的数据类型；所述查询项目包括提问语句所需要获取的数据类型；根据所述场景类别、条件项目和查询项目确定目标数据表中的目标数据；所述目标数据表包括对应于所述数据表类别的数据表；基于所述目标数据反馈对应于所述提问语句的查询结果至用户。上述方法确保了答复过程涉及到的数据的全面性，实现了准确有效地针对用户提问进行答复，保障了用户的使用体验。

说明书

技术领域

本说明书实施例涉及人工智能技术领域，特别涉及一种针对用户提问的答复方法、装置及设备。

背景技术

随着计算机技术的发展，越来越多的工作可以通过计算机来完成，以减少人力资源的消耗。例如，在一些场景中可以利用问答系统实现对于提问的答复，在保证答复准确性的同时也确保了答复的及时性。

目前的问答系统，一般是预先根据提问的类别构建相应的问答对数据集，或者将原始数据转化为知识图谱。在用户提问后，针对所构建的问答对数据集或知识图谱来进行答复。上述答复方式不仅需要对数据进行格式转换或预处理，而且，由于上述问答系统一般只针对一张数据表进行问答，当用户的提问涉及多个数据表中的内容时，也准确有效地对用户的提问进行答复，从而影响用户的使用体验。因此，目前亟需一种能够准确有效地针对用户提问进行答复的方法。

发明内容

本说明书实施例的目的是提供一种针对用户提问的答复方法、装置及设备，以解决如何准确有效地针对用户的提问进行答复的问题。

为解决上述技术问题，本说明书实施例提供一种针对用户提问的答复方法，包括：接收用户输入的提问语句；确定所述提问语句对应的至少一个场景类别；所述场景类别对应于数据表类别；解析所述提问语句中的条件项目和查询项目；所述条件项目包括提问语句所关联的数据类型；所述查询项目包括提问语句所需要获取的数据类型；根据所述场景类别、条件项目和查询项目确定目标数据表中的目标数据；所述目标数据表包括对应于所述数据表类别的数据表；基于所述目标数据反馈对应于所述提问语句的查询结果至用户。

本说明书实施例还提出一种针对用户提问的答复装置，包括：提问语句接收模块，用于接收用户输入的提问语句；场景类别确定模块，用于确定所述提问语句对应的至少一个场景类别；所述场景类别对应于数据表类别；项目解析模块，用于解析所述提问语句中的条件项目和查询项目；所述条件项目包括提问语句所关联的数据类型；所述查询项目包括提问语句所需要获取的数据类型；目标数据定位模块，用于根据所述场景类别、条件项目和查询项目确定目标数据表中的目标数据；所述目标数据表包括对应于所述数据表类别的数据表；查询结果反馈模块，用于基于所述目标数据反馈对应于所述提问语句的查询结果至用户。

本说明书实施例还提出一种针对用户提问的答复设备，包括存储器和处理器；所述存储器，用于存储计算机程序指令；所述处理器，用于执行所述计算机程序指令以实现以下步骤：接收用户输入的提问语句；确定所述提问语句对应的至少一个场景类别；所述场景类别对应于数据表类别；解析所述提问语句中的条件项目和查询项目；所述条件项目包括提问语句所关联的数据类型；所述查询项目包括提问语句所需要获取的数据类型；根据所述场景类别、条件项目和查询项目确定目标数据表中的目标数据；所述目标数据表包括对应于所述数据表类别的数据表；基于所述目标数据反馈对应于所述提问语句的查询结果至用户。

由以上本说明书实施例提供的技术方案可见，本说明书实施例在接收到用户输入的提问语句后，可以先确定所述提问语句对应的场景类别，以确定所述提问语句对应的至少一个数据表。之后，通过解析出提问语句中的条件项目和查询项目，可以在数据表中查找具体的对应于条件项目和查询项目的数据，进而所查找到的目标数据反馈相应的查询结果至用户。通过上述方法，在针对用户提问进行答复时，无需事先对数据库中的数据表进行处理，而是通过直接对用户提问进行解析的方式，查找得到对应于用户提问的相关数据，确保了答复过程涉及到的数据的全面性，实现了准确有效地针对用户提问进行答复，保障了用户的使用体验。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，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说明书中记载的一些实施例，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他的附图。

图1为本说明书实施例一种针对用户提问的答复方法的流程图；

图2为本说明书实施例一种针对用户提问的答复装置的模块图；

图3为本说明书实施例一种针对用户提问的答复设备的结构图。

具体实施方式

下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

为了解决上述技术问题，首先介绍本说明书实施例一种针对用户提问的答复方法。所述针对用户提问的答复方法的执行主体可以为针对用户提问的答复设备，所述针对用户提问的答复设备包括但不限于服务器、工控机、PC机等。如图1所示，所述针对用户提问的答复方法可以包括以下具体实施步骤。

S110：接收用户输入的提问语句。

提问语句可以是用户针对所希望获取的信息或数据所提出的问句。所述提问语句可以是直接由自然语言所构成的问句，例如，在金融问答场景中，当用户需要在某一个营业厅办理相应业务时，可以直接输入提问语句“XX市XX营业厅几点营业？”或是“XX网点周六上班吗？”实际应用中用户可以根据需求输入任意形式的提问语句，并不限于上述示例，在此不再赘述。

S120：确定所述提问语句对应的至少一个场景类别；所述场景类别对应于数据表类别。

在获取到所述提问语句后，可以先确定所述提问语句对应的场景类别。由于数据库中的数据是基于场景类别按照不同的数据表进行存储的，因此通过获取所述提问语句所对应的场景类别，可以确定所述场景类别对应的数据表，进而能够从这些数据表中获取相应的数据。

具体的，场景类别可以是地点类别、时间类别、业务类别等不同类别，例如在步骤S110中的示例问句“XX市XX营业厅几点营业？”中，可以确定对应于业务时间查询类别这一场景中。实际应用中对于场景类别的划分方式可以根据需求进行设置，并不限于上述示例，在此不再赘述。

在一些实施方式中，也可以预先利用BERT算法训练分类模型，所述分类模型用于确定提问语句对应的场景类别。具体的，分类模型可以为一种数学模型，用于将未分类的业务数据划分至已知的类型。所述分类模型可以为贝叶斯分类模型、支持向量机分类模型(Support Vector Machine，SVM)、或卷积神经网络分类模型(Convolutional NeuralNetworks，CNN)等。

在训练得到所述分类模型之后，即可利用所述分类模型实现对提问语句所对应的场景类别进行识别。需要说明的是，实际应用中利用所述分类模型对提问语句进行识别时可能出现针对提问只识别出单表的情况，则在这种情况下可以直接展示所识别到的数据表标识，从而节省相应的步骤。

在识别到一个或多个场景类别后，可以获取所述场景类别下所对应所有数据表，作为识别得到的数据表。

S130：解析所述提问语句中的条件项目和查询项目；所述条件项目包括提问语句所关联的数据类型；所述查询项目包括提问语句所需要获取的数据类型。

在获取到所述提问语句之后，结合步骤S120中所确定的对应于提问语句的数据表，还可以进一步解析所述提问语句针对所述数据表所对应的条件项目和查询项目。所述条件项目包括提问语句所关联的数据类型，所述查询项目包括提问语句所需要获取的数据类型。例如，在问句为“我想知道上海长岛路支行的营业时间”时，对应的条件项目可以是相应的数据表中的“上海市”“长岛路支行”，对应查询项目可以是相应的数据表中的“营业时间”。通过解析提问语句中的条件项目和查询项目，可以更为准确地从相应的数据表中查询相应的数据以反馈给用户。

在一些实施方式中，获取提问语句中的条件项目可以是利用条件模型进行识别。所述条件模型用于分析提问语句的条件项目。在解析提问语句中的条件项目之前，可以先获取样本条件语句，所述样本条件语句对应有查询数据表标识、条件字段标识、条件字段操作类型和条件链接关系。之后，可以利用样本条件语句对所述条件模型进行训练，从而能够利用训练后的条件模型实现对提问语句所对应的查询数据表标识、条件字段标识、条件字段操作类型和条件链接关系的识别。

查询数据表标识可以用于标识相应的数据表，所述数据表即为步骤S120中识别得到的数据表。条件字段标识可以定位条件项目在数据表中所对应的具体字段。条件字段操作类型可以用于表示针对条件字段所采取的具体操作类型，例如可以包括无操作、等于、大于、小于、接近、大于等于、小于等于中的一种。条件链接关系可以用于表示不同的条件字段之间的数据关系，具体的可以包括无关系、与关系、或关系中的一种，从而能够更好地获取用户所需要的数据结果。

利用一个具体的示例进行说明，构建条件数据集，使得其中每一行的数据为{“query”:问句；“table_id”:对应的数据表的id；“header”:[当前表哪些列作为条件列，条件列对应值为1，其他为0]；“operation”:[条件中对列的操作是什么，0对应无操作，1对应等于，2对应大于，3对应小于，4对应like，5对应大于等于，6对应小于等于]；“connection”:[这几个列对应条件之间的链接关系，0对应无关系,1对应or，2对应and]}。对于“我想知道上海长岛路支行的营业时间”这一问句，对应的条件数据行为{“query”:“我想知道上海长岛路支行的营业时间”；“table_id”:“111”；“header”:[0,1,1,1,0]；“operation”:[0,1,1,1,0]；“connection”:[0,2,2,2,0]}。

相应的，在一个示例中，基于样本条件语句，也可以利用BERT算法对条件模型进行训练，具体的训练过程可以基于实际应用的需求进行设置，在此不再赘述。

一般情况下，当根据条件项目进行数据定位查找时，若基于提问语句可以确定具体的属性值，且条件项目所对应的条件字段操作类型为等于，则可以直接在对应的列中进行匹配。例如当需要查找对应于具体时刻的目标数据时，可以直接在数据表中匹配时间为所述目标时刻的数据，作为查找到的数据。

但是，在一些实施方式中，可能会出现数据表中对应于该条件项目的列中所记录的是文本的情况，在这种情况下，可能无法匹配到完全对应的数据。例如当用户希望了解长岛路支行的营业时间时，所提出的问句中可能记录的是“长岛支行”。若采取完全对应的匹配方式，可能无法将“长岛路支行”与“长岛支行”进行匹配。针对这种情况，可以基于列中所记录的文本与问句中的文本的相似度进行匹配，并将获取到的最为相似的文本作为查询到的文本。具体的相似度匹配方式可以基于实际应用的需求进行调整，在此不再赘述。

在另一些实施方式中，还可能会出现获取到的条件列属性为数值，且对该条件列的操作为比较操作，比如大于、小于等情况，这种情况下条件值需要从问句中识别得到。例如，当用户提问为“我想知道员工数量大于二十的支行”时，将该问句输入模型后可以得到该问句对应的条件列为员工数，数据表中员工数量所在列的内容都是数值，此时对问句进行分词，对每个词和该条件列列名进行相似度匹配。比如上述条件语句分词后的结果可能为[我,想,知道,员工数量,大于,二十,的,支行]，每个词和列名员工数进行相似度匹配后，最相似的词为员工数量，之后获取与该词距离最近(先从该词右边开始查找)的表示数值的词作为条件值，在此例中为二十。具体操作方式可以基于实际应用的需求进行调整，在此不再赘述。

相应的，在一些实施方式中，对于所述查询项目，也可以利用查询模型进行识别和提取，所述查询模型可以用于分析提问语句中的查询项目。在解析提问语句中的查询项目之前，可以先获取样本查询语句，所述样本查询语句对应有查询数据表标识、查询字段标识、查询字段操作类型和字段分组情况。之后，可以利用样本查询语句对所述查询模型进行训练，从而能够利用训练后的查询模型实现对提问语句所对应的查询数据表标识、查询字段标识、查询字段操作类型和字段分组情况的识别。

查询数据表标识可以用于标识查找到的数据表。查询字段标识可以定位查询项目在数据表中所对应的具体字段。查询字段操作类型可以用于表示针对查询字段所采取的具体操作类型，例如可以包括无操作、计数操作、求和操作、求平均值操作、求最小值操作、求最大值操作中的至少一种。字段分组情况可以用于表示问句对数据表中的具体数据列进行了分组，可以通过字段分组情况来标识相应字段所对应的组别情况。

利用一个具体示例进行说明，针对单表查询情况下的日志建立查询数据集，每行数据为{“query”:问句；“table_id”:提问所对应的数据表的id；“select”:[该问句查询了当前表的哪些列，查询列对应值为1，其他为0]；“agg”:[该问句对查询列的聚合操作，0对应无操作，1对应count，2对应sum，3对应avg，4对应min，5对应max]；“group_by”:[问句对表中哪列进行分组，分组列对应值为1，其他为0]}。比如假设网点属性表id为111，该表的列名有Id(网点id),省(ProvinceName)，城市(CityName)，网点名(Name)，营业时间(WorkTime)；问句为我想知道上海长岛路支行的营业时间，则对应的数据行为{“query”:“我想知道上海长岛路支行的营业时间”；“table_id”:“111”；“select”:[0,0,0,0,1]；“agg”:[0,0,0,0,0]；“group_by”:[0,0,0,0,0]}。

相应的，在一个示例中，基于样本查询语句，也可以利用BERT算法对查询模型进行训练，具体的训练过程可以基于实际应用的需求进行设置，在此不再赘述。

在一些实施方式中，由于提问语句自身的格式或系统自身识别方式的缺陷等因素的影响，可能会出现所生成的查询字段标识或条件字段标识为空的情况下，即无法正常获取查询项目或条件项目。在这种情况下，可以将所述提问语句记入转换错误日志，所述转换错误日志即用于记录无法实现问答的语句。对于转换错误日志中的问句，可以每间隔一段时间作为样本数据进行模型增量训练，从而优化问句的识别过程，提高问句识别的有效性。

S140：根据所述场景类别、条件项目和查询项目确定目标数据表中的目标数据；所述目标数据表包括对应于所述数据表类别的数据表。

在获取到场景类别、条件项目和查询项目，即可查找到符合所述提问语句的数据。具体的，可以通过场景类别定位到目标数据表，再利用条件项目和查询项目锁定目标数据表中的目标数据。目标数据表即可以是对应于所述数据表类别的数据表。而由于条件项目和查询项目限制了查询条件和查询结果要求，因此可以根据目标数据表中的获取得到最终的目标数据。

所述目标数据可以是直接在目标数据表中查找得到的数据，也可以是利用目标数据表中的数据进行计算后所得到的数据。具体的获取方式可以根据条件项目和查询项目中相应关系来确定，在此不再赘述。

在一些实施方式中，在获取所述目标数据时，可以根据所述场景类别、条件项目和查询项目生成sql查询语句或hql查询语句，从而利用所述sql查询语句或hql查询语句查询目标数据表中的目标数据。

在实际应用中，由于提问语句的格式或系统本身功能的限制，可能会出现无法生成sql查询语句或hql查询语句的情况。在这种情况下，也可以将所述提问语句记入转换错误日志。具体的对于转换错误日志的描述以及对于转换错误日志中的记录所采取的操作的说明可以参考步骤S130中的叙述，在此不再赘述。

相应的，在所述目标数据表的数量不止一个时，可以针对不同的表格生成多个不同的查询语句，分别进行查询。具体的查询方式可以参照上述示例，在此不再赘述。

S150：基于所述目标数据反馈对应于所述提问语句的查询结果至用户。

在获取到所述目标数据之后，即可根据所述目标数据生成相应的查询结果，并反馈给用户，以完成对于所述提问语句的答复。例如在针对用户的提问“我想知道上海长岛路支行的营业时间”，根据查找到的营业时间，可以将所查找到的营业时间以查询结果的形式反馈给用户，例如反馈语句为“上海长岛路支行的营业时间为8点到17点”。具体的反馈相应的结果的方式可以根据实际应用的情况进行调整，并不限于上述示例，在此不再赘述。

在一些实施方式中，若出现步骤S130或步骤S140中所出现的无法正常查询或查询结果为空的情况，可以反馈错误查询信息至用户以提示用户无法针对所述提问语句进行查询。例如可以反馈给用户“很抱歉，没有查到相关结果”，以告知用户未能成功完成查询，保证能够给予用户答复以优化用户使用体验。

基于上述实施例的介绍，可以看出，所述方法在接收到用户输入的提问语句后，可以先确定所述提问语句对应的场景类别，以确定所述提问语句对应的至少一个数据表。之后，通过解析出提问语句中的条件项目和查询项目，可以在数据表中查找具体的对应于条件项目和查询项目的数据，进而所查找到的目标数据反馈相应的查询结果至用户。通过上述方法，在针对用户提问进行答复时，无需事先对数据库中的数据表进行处理，而是通过直接对用户提问进行解析的方式，查找得到对应于用户提问的相关数据，确保了答复过程涉及到的数据的全面性，实现了准确有效地针对用户提问进行答复，保障了用户的使用体验。

针对上述针对用户提问的答复方法，介绍本说明书实施例一种针对用户提问的答复装置。所述针对用户提问的答复装置可以设置于所述针对用户提问的答复设备。如图2所示，所述针对用户提问的答复装置包括以下模块。

提问语句接收模块210，用于接收用户输入的提问语句。

场景类别确定模块220，用于确定所述提问语句对应的至少一个场景类别；所述场景类别对应于数据表类别。

项目解析模块230，用于解析所述提问语句中的条件项目和查询项目；所述条件项目包括提问语句所关联的数据类型；所述查询项目包括提问语句所需要获取的数据类型。

目标数据定位模块240，用于根据所述场景类别、条件项目和查询项目确定目标数据表中的目标数据。

查询结果反馈模块250，用于基于所述目标数据反馈对应于所述提问语句的查询结果至用户。

针对上述针对用户提问的答复方法，本说明书实施例提供一种针对用户提问的答复设备。如图3所示，所述针对用户提问的答复设备可以包括存储器和处理器。

在本实施例中，所述存储器可以按任何适当的方式实现。例如，所述存储器可以为只读存储器、机械硬盘、固态硬盘、或U盘等。所述存储器可以用于存储计算机程序指令。

在本实施例中，所述处理器可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述处理器可以执行所述计算机程序指令实现以下步骤：接收用户输入的提问语句；确定所述提问语句对应的至少一个场景类别；所述场景类别对应于数据表类别；解析所述提问语句中的条件项目和查询项目；所述条件项目包括提问语句所关联的数据类型；所述查询项目包括提问语句所需要获取的数据类型；根据所述场景类别、条件项目和查询项目确定目标数据表中的目标数据；所述目标数据表包括对应于所述数据表类别的数据表；基于所述目标数据反馈对应于所述提问语句的查询结果至用户。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的第一硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书可用于众多第一或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。