CN110837586A - 问答匹配方法、系统、服务器及存储介质 - Google Patents

Abstract

本申请实施例提供一种问答匹配方法、系统、服务器及存储介质。在本实施例中，服务器接收到智能终端发送的用户问题后，确定与用户问题相关的至少一个候选知识点，结合候选知识点中的知识点问题和知识点答案，计算用户问题与候选知识点的匹配度；进而，根据计算出的匹配度给出用户问题的答案，充分利用了知识点中的问题信息和答案信息，提高了知识点匹配的准确性。

Description

问答匹配方法、系统、服务器及存储介质

技术领域

本申请涉及人工智能技术领域，尤其涉及一种问答匹配方法、系统、服务器及存储介质。

背景技术

目前，在许多应用场景中，存在问答匹配需求。例如，用户可通过智能终端向问答平台发起问题咨询，问答平台需要为用户咨询的问题匹配合适的答案并返回给用户。又例如，电子商务领域中，用户可以通过智能终端进行在线咨询，在线客服需要为用户咨询的问题匹配合适的答案并返回给用户。

现有问答匹配方式通常是，将用户问题和已有问题进行匹配，找到与用户问题匹配的已有问题，并将该已有问题对应的答案返回给用户。但是，这种问答匹配方式的准确率较低。

发明内容

本申请实施例的多个方面提供一种问答匹配方法、系统、服务器及存储介质，用以提高知识点匹配的准确性。

本申请实施例提供一种问答匹配方法，包括：接收智能终端发送的用户问题；确定与所述用户问题相关的至少一个候选知识点，所述候选知识点包括知识点问题和知识点答案；根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

本申请实施例还提供一种问答匹配方法，包括：接收智能终端发送的用户问题，并获取与所述用户问题相关的附加特征；确定与所述用户问题相关的至少一个候选知识点；结合所述与用户问题相关的附加特征，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

本申请实施例还提供一种问答匹配方法，包括：展示第一界面，所述第一界面包括至少一个提问入口；响应用户发出的提问入口触发操作，展示与被触发提问入口适配的问答界面；通过所述问答界面获取所述用户问题，并将所述用户问题发送给服务器，以供所述服务器确定所述用户问题的答案。

本申请实施例还提供一种问答匹配系统，包括：智能终端和服务器；所述智能终端，用于获取用户问题并将所述用户问题发送给所述服务器；所述服务器，用于接收智能终端发送的用户问题；确定与所述用户问题相关的至少一个候选知识点，所述候选知识点包括知识点问题和知识点答案；根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

本申请实施例还提供一种服务器，包括：存储器、处理器以及通信组件；所述存储器，用于存储一条或多条计算机指令；所述处理器，用于执行一条或多条计算机指令，以用于：通过所述通信组件接收智能终端发送的用户问题；确定与所述用户问题相关的至少一个候选知识点，所述候选知识点包括知识点问题和知识点答案；根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

本申请实施例还提供一种服务器，包括：存储器、处理器以及通信组件；所述存储器，用于存储一条或多条计算机指令；所述处理器，用于执行一条或多条计算机指令，以用于：接收智能终端发送的用户问题，并获取与所述用户问题相关的附加特征；确定与所述用户问题相关的至少一个候选知识点；结合所述与用户问题相关的附加特征，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

本申请实施例还提供一种智能终端，包括：存储器、处理器以及通信组件；所述存储器，用于存储一条或多条计算机指令；所述处理器，用于执行一条或多条计算机指令，以用于：展示第一界面，所述第一界面包括至少一个提问入口；响应用户发出的提问入口触发操作，展示与被触发提问入口适配的问答界面；通过所述问答界面获取所述用户问题，并将所述用户问题发送给服务器，以供所述服务器确定所述用户问题的答案。本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被执行时能够实现本申请实施例提供的由服务器执行的问答匹配方法中的步骤。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被执行时能够实现本申请实施例提供的由服务器执行的问答匹配方法中的步骤。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被执行时能够实现本申请实施例提供的由智能终端执行的问答匹配方法中的步骤。

在本申请实施例中，服务器接收到智能终端发送的用户问题后，确定与用户问题相关的至少一个候选知识点，结合候选知识点中的知识点问题和知识点答案，计算用户问题与候选知识点的匹配度；进而，根据计算出的匹配度给出用户问题的答案，这充分利用了知识点中的问题信息和答案信息，提高了知识点匹配的准确性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一示例性实施例提供的一种问答匹配系统的结构示意图；

图2为本申请一示例性实施例提供的服务器进行问答匹配时的流程示意图；

图3为本申请另一示例性实施例提供的服务器进行问答匹配时的流程示意图；

图4为本申请一示例性实施例提供的一种问答匹配方法的方法流程图；

图5为本申请另一示例性实施例提供的一种问答匹配方法的方法流程图；

图6为本申请又一示例性实施例提供的一种问答匹配方法的方法流程图；

图7为本申请一示例性实施例提供的一种服务器的结构示意图；

图8为本申请另一示例性实施例提供的一种服务器的结构示意图；

图9为本申请一示例性实施例提供的一种智能终端的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

在一些应用场景中，存在问答匹配需求。现有技术中，满足问答匹配需求的方式通常是将用户问题和已有问题进行匹配，找到与用户问题匹配的已有问题，并将该已有问题对应的答案返回给用户。但是，这种问答匹配方式的准确性较低。针对该技术问题，在本申请一些示例性实施例中，在确定用户问题对应的答案时，结合至少一个候选知识点包含的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度，并基于计算出的匹配度从至少一个候选知识点中确定用户问题的答案，充分利用了知识点中的问题信息和答案信息，有利于提高知识点匹配的准确性。以下部分将结合附图进行详细说明。

图1为本申请一示例性实施例提供的一种问答匹配系统的结构示意图。如图1所示，该问答匹配系统10包括：智能终端11和服务器12。

智能终端11与服务器12之间可以是无线或有线网络连接。在本实施例中，若智能终端11通过移动网络与服务器12通信连接，该移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax等中的任意一种。

智能终端11可以是智能手机、平板电脑、个人电脑、穿戴设备等。智能终端11可以是一台或多台。如图1所示，智能终端11通常包括至少一个处理单元111、至少一个存储器112以及显示器113。处理单元111和存储器112的数量取决于智能终端11的配置和类型。

显示器113可以包括屏幕，主要用于显示各类信息。可选地，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力等信息。

存储器112可以包括易失性的，例如RAM，也可以包括非易失性的，例如只读存储器(Read-Only Memory，ROM)、闪存等，或者也可以同时包括两种类型。存储器112内通常存储有操作系统(Operating System，OS)、一个或多个应用程序，也可以存储有程序数据等。

如图1所示，除了处理单元111、存储器112以及显示器113之外，智能终端11还包括一些基本配置114，例如网卡芯片、IO总线、音视频组件等。可选地，智能终端11还可以包括一些外围设备115，例如键盘、鼠标、输入笔、打印机等。这些外围设备在本领域中是众所周知的，在此不做赘述。

在本实施例中，智能终端11主要用于在人机交互过程中，获取用户问题，并将用户问题发送给服务器12。根据人机交互场景以及智能终端11实现形态的不同，智能终端11与用户进行人机交互的方式也会有所不同。通常，智能终端11可向用户提供人机交互界面、语音输入接口等多种形式的人机交互接口。用户需要提问时，可通过智能终端11提供的人机交互接口向智能终端11输入用户问题。

在一些应用场景中，智能终端11可以向用户提供人机交互界面，该人机交互界面的实现形态可以是网页、或者应用页面，或者窗口等。该人机交互界面可作为问答界面或咨询界面。用户可在该人机交互界面上输入需要咨询的问题(简称为用户问题)，智能终端11获取用户问题之后，将用户问题发送至服务器12，以供服务器12为该用户问题匹配答案并返回。智能终端11可在接收到服务器12返回的该用户问题的答案后，将该答案输出至该问答界面，以供用户查看。例如，在电商领域，用户可通过电商平台提供的智能终端提问“订单xxx的物流进度是？”，服务器返回的答案可以是“订单xxx目前已由派件员进行派送”。

可选地，为了便于用户针对不同类别的问题进行提问，智能终端11向用户提供人机交互界面(以第一界面为例)可以包括与至少一个问题类别对应的提问入口，例如，问题类别A对应提问入口A’，问题类别B对应的提问入口B’。这样，用户可根据提问需求，触发该至少一个提问入口中的相应提问入口以发起提问请求。响应用户发出的提问入口触发操作，智能终端11展示与被触发提问入口适配的问答界面；用户可在该问答界面上输入需要咨询的问题(简称为用户问题)，智能终端11获取用户问题之后，将用户问题发送至服务器12，以供服务器12为该用户问题匹配答案并返回。

在问答匹配系统10中，服务器12主要面向智能终端11提供问答匹配服务，例如接收智能终端11发送的用户问题，为该用户问题匹配答案并将匹配到的答案返回给智能终端11。服务器12可以是任何可提供计算服务，能够响应服务请求并进行处理的设备，例如可以是常规服务器、云服务器、云主机、虚拟中心等。服务器12的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似。

在本实施例中，服务器12接收智能终端11发送的用户问题之后，首先确定与该用户问题相关的至少一个候选知识点。每个候选知识点包括知识点问题和知识点答案，知识点问题可包括标准问题，也可以包括与标准问题相似的其它问题(简称为相似问题)，相似问题可以有一个，也可以有多个。至少一个候选知识点中，可能包含与用户问题匹配的知识点。为了更加准确地从至少一个候选知识点中确定出用户问题的答案，服务器12同时结合至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度，进而基于用户问题与至少一个候选知识点的匹配度，从至少一个候选知识点中确定用户问题的答案。

在本实施例提供的问答匹配系统中，服务器12计算用户问题与至少一个候选知识点的匹配度时，充分利用了候选知识点包含的知识点问题和知识点答案的信息，提高了用户问题与候选知识点的匹配精度，进而提高了知识点匹配的准确性。

在一些示例性实施方式中，服务器12可进一步获取与用户问题相关的附加特征，并在计算用户问题与至少一个候选知识点的匹配度时，结合与用户问题相关的附加特征与至少一个候选知识点中的知识点问题和知识点答案一起进行计算。其中，通过将用户问题、候选知识点中的知识点问题、知识点答案和与用户问题相关的附加特征结合起来，可在保证信息完整的情况下，进一步提升知识点匹配的准确率。

值得说明的是，根据应用场景、用户问题等不同，与用户问题相关的附加特征也会有所不同，凡是与用户问题相关且能够在为该用户问题匹配答案过程中起到辅助作用的特征信息均适用于本申请实施例。下面给出几种与用户问题相关的附加特征的示例，但并不限于这些示例。例如，与用户问题相关的附加特征包括：用户问题所属的业务场景、是否包含特定信息、问题类别、与用户问题相关的用户行为特征中的至少一种。在一些应用场景中，与用户问题相关的附加特征还可包括用户问题的字符长度、用户问题出现的频度等。

可选的，获取用户问题所属的业务场景时，服务器12可根据用户问题的上下文内容识别业务场景。例如，用户问题为：“商品保修期限是多久？”，若识别到用户提问之前涉及到有关“冰箱参数”的问题咨询时，可认为该用户问题所属的业务场景为：商品售前咨询场景。

可选的，获取用户问题是否包含特定信息时，服务器12可通过对用户问题进行文本识别来确定。例如，当用户发起与商品有关的提问时，可识别用户问题中是否包含商品的品牌、尺寸、型号或者产地等特定信息。当然，不用应用场景，特定信息也会有所不同。例如，特定信息还可以是特定的字母、数字、汉字、关键字等。

可选的，获取用户问题所属的问题类别时，服务器12可识别用户问题对应的提问入口标识。例如，智能终端11为了便于用户针对不同类别的问题发起提问，可提供多个提问入口，每个提问入口对应不同的问题类别，用户可根据目标想要提问的问题类别，选择相应的提问入口发起提问请求。假设提问入口X对应商品售前咨询问题类别，提问入口Y对应售后维权咨询问题类别，提问入口Z对应电商规则解读问题类别。智能终端11向服务器12发送用户问题时，可携带用户问题对应的提问入口的标识，服务器12根据该提问入口的标识可确定用户问题所属的问题类别。例如，服务器12接收到的用户问题对应的提问入口的标识为Y，则可确定该用户问题所属的问题类别为售后维权咨询问题类别。

可选的，与用户问题相关的用户行为特征可由智能终端11获取并发送给服务器12；对服务器12来说，可以接收智能终端11发送的用户行为特征。其中，用户行为特征主要是指一些与用户为何发起提问、用户希望得到的答案类型等相关的信息。智能终端11展示与被触发提问入口适配的问答界面之后，还可向用户展示第二界面，以供用户提供与用户问题相关的用户行为特征；响应于用户的输入操作，获取用户行为特征并发送给所述服务器。例如，智能终端11可获取用户在第二界面上输入的想要咨询的问题类别或者期待得到的答案类别等。

在一些示例性的实施例中，可以预先训练一问答匹配模型，基于该问答匹配模型获取用户问题与至少一个候选知识点的匹配度。则，根据至少一个候选知识点中的知识点问题和知识点答案以及与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度的一种方式，包括：将用户问题、与用户问题相关的附加特征以及至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行问答匹配模型以获得用户问题与所述至少一个候选知识点的匹配度。

本实施例并不限定问答匹配模型的内部实现逻辑，下面针对问答匹配模型的内部实现逻辑进行示例性说明。

可选的，在问答匹配模型内部，可将至少一个候选知识点中的知识点问题和知识点答案以及与用户问题相关的附加特征进行向量化处理，采用基于向量的方法进行计算，这有利于提高计算性能和匹配结果的准确性。

基于此，在确定与用户问题相关的附加特征之后，服务器12可获取用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵。

可选的，服务器12获取用户问题对应的向量矩阵时，可首先对用户问题进行分词处理，得到用户问题对应的词语向量。接着，对用户问题对应的词语向量进行编码转换处理，得到用户问题对应的向量矩阵。可选的，对用户问题对应的词语向量进行编码转换时，可采用word2vec模型实现。word2vec是一种用于将词语进行编码转换以得到向量矩阵的模型，向量矩阵的每一个维度分布有词语的不同句法和语义特征，此处不赘述。在一些可选实施方式中，除了word2vec模型之外，还可以采用GloVe模型或者fasttext模型对用户问题对应的词语向量进行编码转换，此处不赘述。

同理，服务器12可采用上述方法对每个候选知识点对应的知识点问题和知识点答案进行分词处理和编码转换处理，得到每个候选知识点对应的问题向量矩阵和答案向量矩阵，不再赘述。

在一些应用场景中，服务器12可在接收智能终端11发送的用户问题之前，预先对候选知识点对应的问题和知识点答案进行分词处理和编码转换处理，并将得到的问题向量矩阵和答案向量矩阵保存在指定存储空间。这样，在得到用户问题对应的向量矩阵后，服务器12可直接从指定储空间中获取每个候选知识点对应的问题向量矩阵和答案向量矩阵，并用于后续匹配度计算。这有利于提高匹配度计算过程的效率，进而提高整个知识点匹配过程的效率。

在另一些应用场景中，服务器12可以在需要每个候选知识点对应的问题向量矩阵和答案向量矩阵时实时计算获得。即，服务器12可在接收智能终端11发送的用户问题后，分别对用户问题、每个候选知识点对应的知识点问题和知识点答案进行分词和编码转换处理，得到用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵，以用于后续匹配度计算。

接着，服务器12可结合与用户问题相关的附加特征、每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度。

值得说明的是，服务器12在结合与用户问题相关的附加特征、每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度时，可以采用多种实施方式。在本申请下述实施例中列举两种实施方式，但并不限于此。

实施方式A：先计算问题匹配结果和问答匹配结果；再将问题匹配结果和问答匹配结果连同与用户问题相关的附加特征进行融合学习，得到最终的知识点匹配度，该方式可称为问题答案-问题问题匹配方式(QA-QQmatch)。

实施方式B：首先获得用户问题特征向量、知识点问题特征向量和知识点答案特征向量；然后，将三个特征向量和与用户问题相关的附加特征向量拼接得到拼接向量；最后，使用MLP(多层感知机)或者分类器等得到最终知识点匹配度。

其中，服务器12采用实施方式A计算用户问题与至少一个候选知识点的匹配度的过程如下：

在一些示例性实施方式中，计算问题匹配结果和问答匹配结果时，可采用基于文本匹配的计算方法。首先，将每个候选知识点对应的问题向量矩阵和用户问题对应的向量矩阵进行文本匹配，以获得用户问题与每个候选知识点的问题匹配结果；以及，将每个候选知识点对应的答案向量矩阵和用户问题对应的向量矩阵进行文本匹配，以获得用户问题与每个候选知识点的问答匹配结果。

其中，文本匹配可基于文本匹配模型实现。本实施例中，可采用单语义文本匹配模型(例如，深度结构化语义模型DSSM，ARC-Ⅰ等)、多语义文本匹配模型(例如，多粒度神经网络模型MultiGranCNN)、直接建模匹配模型(深度卷积匹配模型DeepMatch、ARC-Ⅱ、构造匹配矩阵模型MatchPyramid等)和/或浅层文本匹配模型等，对每个候选知识点对应的问题向量矩阵和用户问题对应的向量矩阵进行文本匹配，或者对每个候选知识点对应的答案向量矩阵和用户问题对应的向量矩阵进行文本匹配。当然，本实施例包含但不仅限于上述文本匹配模型。在另一些示例性实施方式中，计算问题匹配结果和问答匹配结果时，可采用基于cosine相似度、欧几里得距离和/或pearson相关系数的计算方法，此处不赘述。需要说明的是，实际中，可采用上述实施例涉及到的其中一种方法计算问题匹配结果和问答匹配结果，也可以同时采用上述实施例涉及到的多种方法计算问题匹配结果和问答匹配结果，本申请对此不作限制。

基于上述，服务器12可基于与用户问题相关的附加特征、用户问题与每个候选知识点的问题匹配结果和问答匹配结果对用户问题与每个候选知识点进行二分类处理，并根据二分类处理的结果获得用户问题与每个候选知识点的匹配度。

可选的，服务器12基于与用户问题相关的附加特征、用户问题与每个候选知识点的问题匹配结果和问答匹配结果进行二分类处理的一种方式为：采用二分类模型，将与用户问题相关的附加特征、用户问题与每个候选知识点的问题匹配结果和问答匹配结果作为输入参数输入二分类模型，并将二分类模型的输出结果作为用户问题与每个候选知识点的匹配度。

其中，二分类模型可以是多层感知器MLP、分类器或者能够实现二分类处理功能的其他模型。其中，MLP是一种前向结构的人工神经网络，能够将一组输入向量映射至一组输出向量。分类器是一种分类模型，能够将输入的数据划分为至少一种类别或者划分至指定类别中的某一种或者某几种。

需要说明的是，当采用上述实施例涉及到的基于cosine相似度、欧几里得距离和pearson相关系数的计算方法中的多种方法计算问题匹配结果和问答匹配结果时，可将得到的多种问题匹配结果和问答匹配结果同时作为输入参数输入二分类模型，以综合多种二分类模型对问题匹配结果和问答匹配结果的影响，有利于提升用户问题和候选知识点的匹配精度。

其中，服务器12采用实施方式B计算用户问题与至少一个候选知识点的匹配度的过程如下：

首先，服务器12可对用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量。其中，特征提取时，具体可采用多层卷积神经网络CNN、循环神经网络RNN、长短期记忆网络LSTM或设置门复现单元GRU等方法，当然，本申请实施例包含但不仅限于此。其中，候选知识点对应的问题特征向量可简称为知识点问题特征向量；相应地，候选知识点对应的答案特征向量可简称为知识点答案特征向量。

在获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量之后，服务器12可将用户问题特征向量和与用户问题相关的附加特征对应的向量分别与每个候选知识点对应的问题特征向量和答案特征向量进行拼接，以获得用户问题与每个候选知识点的拼接向量；接着，对用户问题与每个候选知识点的拼接向量进行二分类处理，以获取用户问题与每个候选知识点的匹配度。

在一些示例性实施例中，对用户问题与每个候选知识点的拼接向量进行二分类处理的一种方式包括：采用二分类模型，将该拼接向量作为二分类模型的输入参数，并根据二分类模型的输出结果确定用户问题与该候选知识点的匹配度。其中，二分类模型可包括多层感知器MLP、分类器或者具有二分类处理功能的其他模型，此处不赘述。在上述实施方式A以及实施方式B中，可采用现有的MLP或者分类器执行二分类处理操作，或者，还可以在已有的数据基础上通过训练学习构造MLP或者分类器，并采用训练得到的MLP或者分类器执行二分类处理操作。其中，训练MLP或者分类器时，可收集已有与用户问题相关的附加特征、知识点问题和知识点答案作为训练数据，不再赘述。

在上述实施方式A以及实施方式B中，获取到用户问题与该至少一个候选知识点对应的匹配度之后，可基于该匹配度确定用户问题对应的答案。

在一可选实施方式中，服务器12可将最大匹配度对应的候选知识点作为与用户问匹配的目标知识点，并将该目标知识点中的知识点答案作为用户问题的答案返回至智能终端11；智能终端11接收到服务器12返回的答案后，向用户输出该答案。

在另一可选实施方式中，服务器12可按照匹配度由高至低的顺序对至少一个候选知识点进行排序，选择排序靠前的topM个候选知识点，将该topM个候选知识点中的知识点问题返回至智能终端11。

在一些可选的实施方式，选择排序靠前的topM个候选知识点之前，还可以进行知识点去重处理。其中，知识点去重处理的一种实现方式为：将任意两个候选知识点中的标准问题进行比较，以判断这两个候选知识点的相似度是否大于设定相似度阈值，若大于设定相似度阈值，说明两个候选知识点比较相似，则可以去除其中一个候选知识点，保留另一个候选知识点。可选地，可以将两个候选知识点中与用户问题的匹配度相对较低的一个候选知识点去除。通过去重处理，可进一步提升知识点匹配的精确程度，提升用户体验。相应地，可以从去重后的排序结果中选择topM个知识点问题。

接着，智能终端11接收到topM个知识点问题后，输出该topM个知识点问题，以供用户进行选择。用户可通过智能终端11提供的人机交互接口，从topM个知识点问题中选择目标知识点问题。智能终端11接收到用户选择的目标知识点问题后，将目标知识点问题发送至服务器12。服务器12接收到目标知识点问题后，将目标知识点问题对应的知识点答案返回至智能终端11；智能终端11接收到目标知识点答案后，输出该目标知识点答案。当然，服务器12也可以将topM个候选知识点中的知识点答案返回至智能终端11，智能终端11输出该topM个知识点答案，以供用户从该topM个知识点答案中获取所需的答案。值得说明的是，在一些示例性实施方式中，计算用户问题与该至少一个候选知识点的匹配度之前，服务器12可采用如下的方式确定与用户问题相关的至少一个候选知识点：

首先，获取与用户问题领域相关的知识点数据集；接着，根据用户问题与知识点数据集中各知识点问题的匹配度，从知识点数据集中选择至少一个候选知识点。

其中，用户问题领域与用户的提问渠道、用户提问时所处的业务场景关联，或者与用户问题包含的特定信息关联。识别用户问题所属的业务场景或者用户问题是否包含特定信息即可确定用户问题领域。知识点数据集包含各个问题领域的知识点，在确定用户问题领域之后，可从知识点数据集中获取与用户问题领域相关的知识点数据集。进而，通过这种初步筛选的方式，可以缩小候选知识点的范围，有利于减少计算量，节约计算资源，并可迅速确定用户问题对应的答案。

当然，除了根据用户问题与知识点数据集中各知识点问题的匹配度，从知识点数据集中选择至少一个候选知识点之外，也可以直接将知识点数据集中的所有知识点作为候选知识点参与到问答匹配计算中。

需要说明的是，本申请实施例提供的问答匹配系统除执行上述实施例记载的方法逻辑之外，在其他可选的实施方式中，还可执行与前述实施例不同的方法逻辑，以下将具体说明：

可选的，在问答匹配系统中，服务器12接收智能终端11发送的用户问题之后，可获取与用户问题相关的附加特征以及与用户问题相关的至少一个候选知识点。可选地，与用户问题相关的附加特征包括：用户问题所属的业务场景、是否包含特定信息、问题类别、与用户问题相关的用户行为特征中的至少一种，上述每一种与用户问题相关的附加特征的获取方法可参考前述实施例中的记载。接着，服务器12可结合与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度。在计算得到用户问题与至少一个候选知识点的匹配度之后，服务端12可从至少一个候选知识点中确定用户问题的答案。

在一可选实施方式中，每个候选知识点包括知识点问题和知识点答案。基于此，在结合与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度的至少一个候选知识点的一种方式中，可以结合与用户问题相关的附加特征，根据至少一个候选知识点中的知识点问题计算用户问题与至少一个候选知识点的匹配度。或者，在结合与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度的至少一个候选知识点的另一种方式中，将与用户问题相关的附加特征和至少一个候选知识点中的知识点问题相结合，可以结合与用户问题相关的附加特征，根据至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度。

其中，结合与用户问题相关的附加特征，根据至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度的方法，可通过上述实施方式A或实施方式B实现，此处不再赘述。

实际中，本申请实施例提供的问答匹配系统可应用于多种应用场景中。例如，商品售前/售后咨询场景、电商规则解读场景或者智能教学场景等。

在商品售前/售后咨询场景中，智能终端11可表现为电商平台提供的智能客服、在线客服或者机器人客服等。在购物前，用户可通过智能终端11对商品性能、发货时间、商品的规格参数发起咨询请求。在购物后，用户可通过智能终端咨询物流运转情况、售后流程等。服务器12可表现为电商平台的后端，可针对用户的咨询请求进行解答。

在电商规则解读场景中，针对电商平台推出的活动，例如双11、双12等，用户可对活动规则进行咨询。例如，用户可能咨询活动时间是什么时候、可参加此次活动的商户有哪些、可参加此次活动的商品类目有哪些等等。

在智能教学场景中，智能终端11可表现为教学机器人、在线家教等。教学对象可通过智能终端11提出教学问题，例如，询问物理定理的具体内容、具体的数学公式或者外文句子如何翻译等等。

除上述应用场景之外，还会有其它应用场景。但凡是用户有问答需求的应用场景，可以部署本实施例提供的问答匹配系统10。基于问答匹配系统10，用户可以通过智能终端11向服务器12提出问题并获得答案。

以下部分将结合两个具体的应用场景，对本申请实施例提供的问答匹配系统进行具体说明。首先结合实施方式A为例进行说明：

假设，在商品售后咨询的应用场景中，用户通过电商平台提供的智能客服发起提问：“订单什么时候配送到收货地址？”。智能客服可将该提问作为用户问题发送至电商平台提供的服务器。服务器接收到该用户问题时，可首先根据该用户问题的提问渠道确定该用户问题对应的用户问题领域为订单咨询领域。接着，考虑到知识点数据集中的数据量较大，可以从知识点数据集中，选择与订单咨询领域对应的知识点作为该用户问题对应的候选知识点，这样有利于降低后续问答匹配和问题匹配的计算量。

接着，可以将用户问题对应的业务场景(例如商品售后咨询场景)作为与用户问题相关的附加特征，连同用户问题以及候选知识点中的知识点问题和知识点答案送入图2所示的问答匹配模型中。

在图2所示的问答匹配模型中，服务器可对该用户问题进行分词处理，得到该用户问题对应的词语向量，例如，分词处理后，该用户问题对应的词语向量可以是：[订单/什么/时候/配送/到/收货地址]。与此同时，服务器也可对候选知识点中的知识点问题以及知识点答案进行分词处理，得到知识点问题向量以及知识点答案向量。

然后，服务器可采用word2vec模型，将用户问题对应的词语向量、知识点问题向量以及知识点答案向量进行编码转换。在保证词语顺序的前提下，将每个词语转换为相应的word2vec向量，以最终得到该用户问题对应的向量矩阵、知识点问题对应的问题向量矩阵以及知识点答案对应的答案向量矩阵，其中，每个矩阵大小为与词语的个数以及向量长度有关。

接着，服务器可将用户问题对应的向量矩阵和每个知识点问题对应的问题向量矩阵进行文本匹配，得到问题匹配结果；以及，将该用户问题对应的向量矩阵和每个知识点问题对应的答案向量矩阵进行文本匹配，得到问答匹配结果。

接着，根据问题匹配结果、问答匹配结果和用户问题对应的业务场景进行二分类处理，得到用户问题与每一个候选知识点的匹配度并输出。

之后，服务器可根据问答匹配模型输出的用户与每一个候选知识点的匹配度，从中选择最大匹配度对应的候选知识点作为目标知识点，并将该目标知识点对应的知识点答案返回给智能客服。例如，目标知识点可以是：[订单发货后几天能够配送到收货地址？答案：订单发货后3天到达收货地址]。智能客服接收到知识点答案后，展示该答案，此时，用户的提问得以解答。

以下将结合实施方式B为例进行说明：

假设，在智能教学的应用场景中，用户通过教育平台提供的在线家教发起提问：“《出师表》的作者是谁？”。在线家教可将该提问作为用户问题发送至教育平台提供的服务器。服务器接收到该用户问题时，可首先根据该用户问题的提问渠道确定该用户问题对应的业务场景为文学知识领域。接着，从知识点数据集中，将文学知识领域对应的知识点作为该用户问题对应的候选知识点。

接着，可以将用户问题对应的业务场景(例如智能教学场景)作为与用户问题相关的附加特征，连同用户问题以及候选知识点中的知识点问题和知识点答案送入图3所示的问答匹配模型中。

在图3所示的问答匹配模型中，服务器可对该用户问题进行分词处理，得到该用户问题对应的词语向量，例如，分词处理后，该用户问题对应的词语向量可以是：[出师表/的/作者/是/谁]。与此同时，服务器也可对候选知识点中的知识点问题以及知识点答案进行分词处理，得到知识点问题向量以及知识点答案向量。

然后，服务器可采用word2vec模型，将用户问题对应的词语向量、知识点问题向量以及知识点答案向量进行编码转换。在保证词语顺序的前提下，将每个词语转换为相应的word2vec向量，以最终得到该用户问题对应的向量矩阵、知识点问题对应的问题向量矩阵以及知识点答案对应的答案向量矩阵。

接着，服务器可采用CNN对用户问题对应的向量矩阵、每个知识点问题对应的问题向量矩阵和答案向量矩阵进行特征提取，以得到用户问题特征向量以及每个知识点对应的问题特征向量和答案特征向量。

接着，对用户问题特征向量以及每个知识点对应的问题特征向量和答案特征向量进行向量拼接处理，得到拼接向量。然后，将拼接向量送入MLP，并根据MLP的输出结果得到用户问题与每一个候选知识点的匹配度并输出。

之后，服务器可根据问答匹配模型输出的用户问题与每一个候选知识点的匹配度对候选知识点进行排序，并将排在前三位的候选知识点返回至在线家教。假设，排在前三位的知识点可以是：1、[问题：《出师表》是谁的作品？/答案：陶渊明]、2、[问题：《出师表》记载在哪部古籍中？/答案：《三国志·诸葛亮传》]、3、[问题：《出师表》和《隆中对》的相关历史人物是谁？/答案：诸葛亮]。在线家教接收到服务器发送的排在前三位的候选知识点后，可在以页面展示排在前三位的候选知识点，以供用户选择。待用户选择完毕后，在线家教向用户展示用户所选择的候选知识点中的知识点答案，此时，用户的提问得以解答。

上述各实施例描述了本申请提供的问答匹配系统的系统架构以及系统功能，以下部分将结合附图对本申请实施例提供的问答匹配方法进行具体说明。

图4是本申请一示例性实施例提供的一种问答匹配方法的方法流程图，该实施例可基于图1所示的问答匹配系统实现，主要是从服务器的角度进行的描述。如图3所示，该方法包括：

步骤401、接收智能终端发送的用户问题。

步骤402、确定与所述用户问题相关的至少一个候选知识点，所述候选知识点包括知识点问题和知识点答案。

步骤403、根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度。

步骤404、根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

在一些示例性实施方式中，根据至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度的一种方式，包括：获取与用户问题相关的附加特征；根据至少一个候选知识点中的知识点问题和知识点答案以及与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度。其中，与用户问题相关的附加特征包括：用户问题所属的业务场景、是否包含特定信息、问题类别中的至少一个。

在一些示例性实施方式中，获取与用户问题相关的附加特征，包括以下至少一种操作：

识别用户问题是否包含特定信息；

从用户问题的上下文中获取用户问题所属的业务场景；

获取发起用户问题的提问入口对应的问题类别，作为用户问题所属的问题类别；

接收终端设备发送的与用户问题相关的用户行为特征。

在一些示例性实施方式中，根据至少一个候选知识点中的知识点问题和知识点答案以及与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度的一种方式，包括：将用户问题、与用户问题相关的附加特征以及至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行问答匹配模型以获得用户问题与至少一个候选知识点的匹配度。

在一些示例性实施方式中，将用户问题、与用户问题相关的附加特征以及至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行问答匹配模型以获得用户问题与至少一个候选知识点的匹配度的一种方式，包括：

在问答匹配模型内部，获取每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵；结合与用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度。

在一可选实施方式中，结合与用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度的一种方式，包括：将每个候选知识点对应的问题向量矩阵和用户问题对应的向量矩阵进行文本匹配，以获得用户问题与每个候选知识点的问题匹配结果；将每个候选知识点对应的答案向量矩阵和用户问题对应的向量矩阵进行文本匹配，以获得用户问题与每个候选知识点的问答匹配结果；基于与用户问题相关的附加特征、用户问题与每个候选知识点的问题匹配结果和问答匹配结果进行二分类处理，以获得用户问题与每个候选知识点的匹配度。

在另一些可选实施方式中，结合与用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度，包括：对用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量；将用户问题特征向量和与用户问题相关的附加特征对应的向量分别与每个候选知识点对应的问题特征向量和答案特征向量进行拼接，以获得用户问题与每个候选知识点的拼接向量；对用户问题与每个候选知识点的拼接向量进行二分类处理，以获得用户问题与每个候选知识点的匹配度。

在上述实施例中，对用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量，包括：采用多层卷积神经网络CNN、循环神经网络RNN、长短期记忆网络LSTM或设置门复现单元GRU对用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量。

在上述实施例中，对用户问题与每个候选知识点的拼接向量进行二分类处理，以获得用户问题与每个候选知识点的匹配度，包括：采用多层感知器MLP或分类器对用户问题与每个候选知识点的拼接向量进行分类，以获得分类结果；根据分类结果，确定用户问题与每个候选知识点的匹配度。

在一些示例性实施例中，确定与用户问题相关的至少一个候选知识点的一种方式，包括：获取与用户问题领域相关的知识点数据集；根据用户问题与知识点数据集中各知识点问题的匹配度，从知识点数据集中选择至少一个候选知识点。

在本实施例中，服务器接收到智能终端发送的用户问题后，确定与用户问题相关的至少一个候选知识点，并基于候选知识点包含的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度；接着，根据用户问题与至少一个候选知识点的匹配度，从至少一个候选知识点中确定用户问题的答案，进而，充分利用了候选知识点包含的知识点问题和知识点答案的信息，提高了知识点匹配的准确性。

图5是本申请另一示例性实施例提供的一种问答匹配方法的方法流程图，该实施例可基于图1所示的问答匹配系统实现，主要是从服务器的角度进行的描述。如图5所示，该方法包括：

步骤501、接收智能终端发送的用户问题，并获取与用户问题相关的附加特征。

步骤502、确定与用户问题相关的至少一个候选知识点。

步骤503、结合与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度。

步骤504、根据用户问题与至少一个候选知识点的匹配度，从至少一个候选知识点中确定用户问题的答案。

在一些示例性实施方式中，获取与用户问题相关的附加特征，包括以下至少一种操作：

识别用户问题是否包含特定信息；

从用户问题的上下文中获取用户问题所属的业务场景；

获取发起用户问题的提问入口对应的问题类别，作为用户问题所属的问题类别；

接收终端设备发送的与用户问题相关的用户行为特征。

本实施例提供的问答匹配方法，可由上述实施例记载的问答匹配系统中的服务器实现，未在本实施例中详尽描述的技术细节和有益效果，可参见上述各实施例中记载的与服务器相关的内容，此处不再赘述。

图6是本申请又一示例性实施例提供的一种问答匹配方法的方法流程图，该实施例可基于图1所示的问答匹配系统实现，主要是从智能终端的角度进行的描述。如图6所示，该方法包括：

步骤601、展示第一界面，第一界面包括至少一个提问入口。

步骤602、响应用户发出的提问入口触发操作，展示与被触发提问入口适配的问答界面。

步骤603、通过问答界面获取用户问题，并将用户问题发送给服务器，以供服务器确定所述用户问题的答案。

在一示例性实施方式中，本实施例提供的问答匹配方法还包括：向用户展示第二界面，以供用户提供与用户问题相关的用户行为特征；响应用户的输入操作，获取用户行为特征并发送给服务器。

本实施例提供的问答匹配方法，可由上述实施例记载的问答匹配系统中的智能终端实现，未在本实施例中详尽描述的技术细节和有益效果，可参见上述各实施例中记载的与智能终端相关的内容，此处不再赘述。

需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤401至步骤404的执行主体可以为设备A；又比如，步骤401和402的执行主体可以为设备A，步骤403和404的执行主体可以为设备B；等等。

需要说明的是，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如401、402等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

以上描述了问答匹配方法适用于服务器12的可选实施例，如图7所示，在一些示例性实施例中，用于执行上述问答匹配方法的服务器12可包括：存储器120、处理器121、通信组件122以及电源组件123。

存储器120可被配置为存储其它各种数据以支持在服务器12上的操作。这些数据的示例包括用于在服务器12上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

在本实施例中，存储器120用于存储一条或多条计算机指令。

处理器121，耦合至存储器120，用于执行存储器120中的一条或多条计算机指令，以用于：通过通信组件122接收智能终端发送的用户问题；确定与用户问题相关的至少一个候选知识点，候选知识点包括知识点问题和知识点答案；根据至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度；根据用户问题与至少一个候选知识点的匹配度，从至少一个候选知识点中确定用户问题的答案。

在一可选实施方式中，处理器120在根据至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度时，用于：获取与用户问题相关的附加特征；根据至少一个候选知识点中的知识点问题和知识点答案以及与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度。

在一些示例性实施方式中，获取与用户问题相关的附加特征，包括以下至少一种操作：

识别用户问题是否包含特定信息；

从用户问题的上下文中获取用户问题所属的业务场景；

获取发起用户问题的提问入口对应的问题类别，作为用户问题所属的问题类别；

接收终端设备发送的与用户问题相关的用户行为特征。

在一可选实施方式中，处理器120在根据至少一个候选知识点中的知识点问题和知识点答案以及与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度时，用于：将用户问题、与用户问题相关的附加特征以及至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行问答匹配模型以获得用户问题与至少一个候选知识点的匹配度。

在一可选实施方式中，处理器120在将用户问题、与用户问题相关的附加特征以及至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行问答匹配模型以获得用户问题与至少一个候选知识点的匹配度时，具体用于：在问答匹配模型内部，获取每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵；结合与用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度。

在一可选实施方式中，处理器120在结合与用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度时，具体用于：将每个候选知识点对应的问题向量矩阵和用户问题对应的向量矩阵进行文本匹配，以获得用户问题与每个候选知识点的问题匹配结果；将每个候选知识点对应的答案向量矩阵和用户问题对应的向量矩阵进行文本匹配，以获得用户问题与每个候选知识点的问答匹配结果；基于与用户问题相关的附加特征、用户问题与每个候选知识点的问题匹配结果和问答匹配结果对用户问题与每个候选知识点进行二分类处理，以获得用户问题与每个候选知识点的匹配度。

在一可选实施方式中，处理器120在结合与用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及用户问题对应的向量矩阵，计算用户问题与每个候选知识点的匹配度时，用于：对用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量；将用户问题特征向量和与用户问题相关的附加特征对应的向量分别与每个候选知识点对应的问题特征向量和答案特征向量进行拼接，以获得用户问题与每个候选知识点的拼接向量；对用户问题与每个候选知识点的拼接向量进行二分类处理，以获得用户问题与每个候选知识点的匹配度。

在一可选实施方式中，处理器120在对用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量时，用于：采用多层卷积神经网络CNN、循环神经网络RNN、长短期记忆网络LSTM或设置门复现单元GRU对用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量。

在一可选实施方式中，处理器120在对用户问题与每个候选知识点的拼接向量进行二分类处理，以获得用户问题与每个候选知识点的匹配度时，用于：采用多层感知器MLP或分类器对用户问题与每个候选知识点的拼接向量进行分类，以获得分类结果；根据分类结果，确定用户问题与每个候选知识点的匹配度。

在一可选实施方式中，处理器120在确定与用户问题相关的至少一个候选知识点时，用于：获取与用户问题领域相关的知识点数据集；根据用户问题与知识点数据集中各知识点问题的匹配度，从知识点数据集中选择至少一个候选知识点。

在一可选实施方式中，电源组件123用于为服务器12的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为服务器12生成、管理和分配电力相关联的组件。

在本实施例中，服务器12接收到智能终端发送的用户问题后，确定与用户问题相关的至少一个候选知识点，结合候选知识点中的知识点问题和知识点答案，计算用户问题与候选知识点的匹配度；进而，根据计算出的匹配度给出用户问题的答案，这充分利用了知识点中的问题信息和答案信息，提高了知识点匹配的准确性。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由服务器执行的方法实施例中各步骤。

如图8所示，在一些示例性实施例中，用于执行上述问答匹配方法的服务器可包括：存储器124、处理器125、通信组件126以及电源组件127。

存储器124、处理器125、通信组件126以及电源组件127。

存储器124可被配置为存储其它各种数据以支持在服务器上的操作。这些数据的示例包括用于在服务器上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

在本实施例中，存储器124用于存储一条或多条计算机指令。

处理器125，耦合至存储器124，用于执行存储器124中的一条或多条计算机指令，以用于：通过通信组件126接收智能终端发送的用户问题，并获取与用户问题相关的附加特征；确定与用户问题相关的至少一个候选知识点；结合与用户问题相关的附加特征，计算用户问题与至少一个候选知识点的匹配度；根据用户问题与至少一个候选知识点的匹配度，从至少一个候选知识点中确定用户问题的答案。

在一可选实施方式中，处理器125获取与用户问题相关的附加特征，包括以下至少一种操作：

识别用户问题是否包含特定信息；

从用户问题的上下文中获取用户问题所属的业务场景；

获取发起用户问题的提问入口对应的问题类别，作为用户问题所属的问题类别；

接收终端设备发送的与用户问题相关的用户行为特征。

在一可选实施方式中，每个候选知识点包括知识点问题和知识点答案。基于此，处理器125在计算用户问题与至少一个候选知识点的匹配度的至少一个候选知识点时，具体用于：结合与用户问题相关的附加特征，根据至少一个候选知识点中的知识点问题计算用户问题与至少一个候选知识点的匹配度。或者，处理器125在计算用户问题与至少一个候选知识点的匹配度的至少一个候选知识点时，具体用于：将与用户问题相关的附加特征和至少一个候选知识点中的知识点问题相结合，可以结合与用户问题相关的附加特征，根据至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度。

其中，结合与用户问题相关的附加特征，根据至少一个候选知识点中的知识点问题和知识点答案，计算用户问题与至少一个候选知识点的匹配度的方法，可通过上述实施方式A或实施方式B实现，此处不再赘述。

在一可选实施方式中，电源组件127用于为服务器的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为服务器生成、管理和分配电力相关联的组件。

上述服务器可执行本申请实施例所提供的问答匹配方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的问答匹配系统，不再赘述。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由服务器执行的方法实施例中各步骤。

如图9所示，在一些示例性实施例中，用于执行上述问答匹配方法的智能终端可包括：存储器90、处理器91以及通信组件92、电子显示屏93、音频组件94以及电源组件95。

存储器90可被配置为存储其它各种数据以支持在智能终端上的操作。这些数据的示例包括用于在智能终端上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

在本实施例中，存储器90用于存储一条或多条计算机指令。

处理器91，耦合至存储器90，用于执行存储器90中的一条或多条计算机指令，以用于：通过电子显示屏93展示第一界面，第一界面包括至少一个提问入口；响应用户发出的提问入口触发操作，展示与被触发提问入口适配的问答界面；通过问答界面获取用户问题，并通过通信组件92将用户问题发送给服务器，以供服务器确定用户问题的答案。

在一可选实施方式中，处理器91还用于：通过电子显示屏93向用户展示第二界面，以供用户提供与用户问题相关的用户行为特征；响应用户的输入操作，获取用户行为特征并发送给服务器。

在一可选实施方式中，电子显示屏93，用于显示待填写信息页以及交互结果。其中，电子显示屏93包括液晶显示器(LCD)和触摸面板(TP)。如果电子显示屏93包括触摸面板，电子显示屏93可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。

在一可选实施方式中，音频组件94被存储为输出和/或输入音频信号。例如，音频组件94包括一个麦克风(MIC)，当音频组件94所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器90或经由通信组件92发送。例如，在一些可选实施例中，智能终端可通过音频组件94的麦克风接收用户输入的语音信号，对语音信号进行语音识别以及语义识别，以确定用户问题或者与用户问题相关的用户行为特征。在一些实施例中，音频组件94还包括一个扬声器，用于输出音频信号。例如，可用于输出用户问题对应的答案。

在一可选实施方式中，电源组件95用于为智能终端的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为智能终端生成、管理和分配电力相关联的组件。

上述智能终端可执行本申请实施例所提供的问答匹配方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的问答匹配系统，不再赘述。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由智能终端执行的方法实施例中各步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (22)

1.一种问答匹配方法，其特征在于，包括：

接收智能终端发送的用户问题；

确定与所述用户问题相关的至少一个候选知识点，所述候选知识点包括知识点问题和知识点答案；

根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度；

根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

2.根据权利要求1所述的方法，其特征在于，根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度，包括：

获取与所述用户问题相关的附加特征；

根据所述至少一个候选知识点中的知识点问题和知识点答案以及与所述用户问题相关的附加特征，计算所述用户问题与所述至少一个候选知识点的匹配度。

3.根据权利要求2所述的方法，其特征在于，获取与所述用户问题相关的附加特征，包括以下至少一种操作：

识别所述用户问题是否包含特定信息；

从所述用户问题的上下文中获取所述用户问题所属的业务场景；

获取发起所述用户问题的提问入口对应的问题类别，作为所述用户问题所属的问题类别；

接收所述终端设备发送的与所述用户问题相关的用户行为特征。

4.根据权利要求2所述的方法，其特征在于，根据所述至少一个候选知识点中的知识点问题和知识点答案以及与所述用户问题相关的附加特征，计算所述用户问题与所述至少一个候选知识点的匹配度，包括：

将所述用户问题、与所述用户问题相关的附加特征以及所述至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行所述问答匹配模型以获得所述用户问题与所述至少一个候选知识点的匹配度。

5.根据权利要求4所述的方法，其特征在于，将所述用户问题、与所述用户问题相关的附加特征以及所述至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行所述问答匹配模型以获得所述用户问题与所述至少一个候选知识点的匹配度，包括：

在所述问答匹配模型内部，获取每个候选知识点对应的问题向量矩阵和答案向量矩阵以及所述用户问题对应的向量矩阵；

结合与所述用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及所述用户问题对应的向量矩阵，计算所述用户问题与每个候选知识点的匹配度。

6.根据权利要求5所述的方法，其特征在于，结合与所述用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及所述用户问题对应的向量矩阵，计算所述用户问题与每个候选知识点的匹配度，包括：

将每个候选知识点对应的问题向量矩阵和所述用户问题对应的向量矩阵进行文本匹配，以获得所述用户问题与每个候选知识点的问题匹配结果；

将每个候选知识点对应的答案向量矩阵和所述用户问题对应的向量矩阵进行文本匹配，以获得所述用户问题与每个候选知识点的问答匹配结果；

基于与所述用户问题相关的附加特征、所述用户问题与每个候选知识点的问题匹配结果和问答匹配结果对所述用户问题与每个候选知识点进行二分类处理，以获得所述用户问题与每个候选知识点的匹配度。

7.根据权利要求5所述的方法，其特征在于，结合与所述用户问题相关的附加特征，根据每个候选知识点对应的问题向量矩阵和答案向量矩阵以及所述用户问题对应的向量矩阵，计算所述用户问题与每个候选知识点的匹配度，包括：

对所述用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量；

将所述用户问题特征向量和与所述用户问题相关的附加特征对应的向量分别与每个候选知识点对应的问题特征向量和答案特征向量进行拼接，以获得所述用户问题与每个候选知识点的拼接向量；

对所述用户问题与每个候选知识点的拼接向量进行二分类处理，以获得所述用户问题与每个候选知识点的匹配度。

8.根据权利要求7所述的方法，其特征在于，对所述用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量，包括：

采用多层卷积神经网络CNN、循环神经网络RNN、长短期记忆网络LSTM或设置门复现单元GRU对所述用户问题对应的向量矩阵以及每个候选知识点对应的问题向量矩阵和答案向量矩阵分别进行特征提取，以获得用户问题特征向量以及每个候选知识点对应的问题特征向量和答案特征向量。

9.根据权利要求7所述的方法，其特征在于，对所述用户问题与每个候选知识点的拼接向量进行二分类处理，以获得所述用户问题与每个候选知识点的匹配度，包括：

采用多层感知器MLP或分类器对所述用户问题与每个候选知识点的拼接向量进行二分类处理，以获得分类结果；

根据分类结果，确定所述用户问题与每个候选知识点的匹配度。

10.根据权利要求1-9任一项所述的方法，其特征在于，确定与所述用户问题相关的至少一个候选知识点，包括：

获取与所述用户问题领域相关的知识点数据集；

根据所述用户问题与所述知识点数据集中各知识点问题的匹配度，从所述知识点数据集中选择至少一个候选知识点。

11.一种问答匹配方法，其特征在于，包括：

接收智能终端发送的用户问题，并获取与所述用户问题相关的附加特征；

确定与所述用户问题相关的至少一个候选知识点；

结合所述与用户问题相关的附加特征，计算所述用户问题与所述至少一个候选知识点的匹配度；

根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

12.一种问答匹配方法，其特征在于，包括：

展示第一界面，所述第一界面包括至少一个提问入口；

响应用户发出的提问入口触发操作，展示与被触发提问入口适配的问答界面；

通过所述问答界面获取所述用户问题，并将所述用户问题发送给服务器，以供所述服务器确定所述用户问题的答案。

13.根据权利要求12所述的方法，其特征在于，还包括：

向所述用户展示第二界面，以供所述用户提供与所述用户问题相关的用户行为特征；

响应所述用户的输入操作，获取所述用户行为特征并发送给所述服务器。

14.一种问答匹配系统，其特征在于，包括：智能终端和服务器；

智能终端，用于获取用户问题并将所述用户问题发送给所述服务器；

所述服务器，用于接收智能终端发送的用户问题；确定与所述用户问题相关的至少一个候选知识点，所述候选知识点包括知识点问题和知识点答案；根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

15.根据权利要求14所述的系统，其特征在于，所述服务器在计算所述用户问题与所述至少一个候选知识点的匹配度，具体用于：

获取与所述用户问题相关的附加特征；根据所述至少一个候选知识点中的知识点问题和知识点答案以及与所述用户问题相关的附加特征，计算所述用户问题与所述至少一个候选知识点的匹配度。

16.根据权利要求15所述的系统，其特征在于，所述服务器在计算所述用户问题与所述至少一个候选知识点的匹配度时，具体用于：

将所述用户问题、与所述用户问题相关的附加特征以及所述至少一个候选知识点的知识点问题和知识点答案作为问答匹配模型的输入参数，运行所述问答匹配模型以获得所述用户问题与所述至少一个候选知识点的匹配度。

17.一种服务器，其特征在于，包括：存储器、处理器以及通信组件；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行一条或多条计算机指令，以用于：通过所述通信组件接收智能终端发送的用户问题；确定与所述用户问题相关的至少一个候选知识点，所述候选知识点包括知识点问题和知识点答案；根据所述至少一个候选知识点中的知识点问题和知识点答案，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

18.一种服务器，其特征在于，包括：存储器、处理器以及通信组件；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行一条或多条计算机指令，以用于：接收智能终端发送的用户问题，并获取与所述用户问题相关的附加特征；确定与所述用户问题相关的至少一个候选知识点；结合所述与用户问题相关的附加特征，计算所述用户问题与所述至少一个候选知识点的匹配度；根据所述用户问题与所述至少一个候选知识点的匹配度，从所述至少一个候选知识点中确定所述用户问题的答案。

19.一种智能终端，其特征在于，包括：存储器、处理器以及通信组件；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行一条或多条计算机指令，以用于：展示第一界面，所述第一界面包括至少一个提问入口；响应用户发出的提问入口触发操作，展示与被触发提问入口适配的问答界面；通过所述问答界面获取所述用户问题，并将所述用户问题发送给服务器，以供所述服务器确定所述用户问题的答案。

20.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被执行时能够实现权利要求1-10所述方法中的步骤。

21.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被执行时能够实现权利要求11所述方法中的步骤。

22.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被执行时能够实现权利要求12-13所述方法中的步骤。

Images