[go: up one dir, main page]

WO2018000277A1 - 一种问答方法、系统和机器人 - Google Patents

一种问答方法、系统和机器人 Download PDF

Info

Publication number
WO2018000277A1
WO2018000277A1 PCT/CN2016/087767 CN2016087767W WO2018000277A1 WO 2018000277 A1 WO2018000277 A1 WO 2018000277A1 CN 2016087767 W CN2016087767 W CN 2016087767W WO 2018000277 A1 WO2018000277 A1 WO 2018000277A1
Authority
WO
WIPO (PCT)
Prior art keywords
answer
question
query
question information
knowledge map
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/CN2016/087767
Other languages
English (en)
French (fr)
Inventor
邱楠
杨新宇
王昊奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Gowild Robotics Co Ltd
Original Assignee
Shenzhen Gowild Robotics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Gowild Robotics Co Ltd filed Critical Shenzhen Gowild Robotics Co Ltd
Priority to PCT/CN2016/087767 priority Critical patent/WO2018000277A1/zh
Priority to CN201680001742.3A priority patent/CN106663130A/zh
Publication of WO2018000277A1 publication Critical patent/WO2018000277A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques

Definitions

  • the invention relates to the field of robot interaction technology, in particular to a question and answer method, a system and a robot.
  • a question and answer method including:
  • the question information is input into the community data to query the answer;
  • the method further comprises:
  • the method further comprises:
  • the step of inputting the question information into the knowledge map to query the answer specifically includes:
  • the step of inputting the question information into the community data to query the answer specifically includes:
  • the intermediate result is compared with the preset feature information, and the answer is obtained according to the comparison result.
  • the step of inputting the question information into the Internet data to query the answer specifically includes:
  • the intermediate results are combined according to the language rules to get the answer.
  • the invention discloses a question answering system, comprising:
  • a knowledge map module for inputting question information into a knowledge map to query an answer
  • the community data module is configured to input the question information into the community data to query the answer if the answer is not found in the knowledge map;
  • the Internet data module is used to input the question information into the Internet data to query the answer if the answer is not found in the community data.
  • the system includes a first termination module for terminating the query if an answer is found in the knowledge map.
  • the system includes a second termination module that terminates the query if an answer is found in the community data.
  • the knowledge map module is specifically configured to:
  • the community data module is specifically configured to:
  • the intermediate result is compared with the preset feature information, and the answer is obtained according to the comparison result.
  • the internet data module is specifically configured to:
  • the intermediate results are combined according to the language rules to get the answer. .
  • the invention discloses a robot comprising a question answering system as described in any of the above.
  • a question and answer method disclosed by the present invention includes: obtaining question information; inputting question information into a knowledge map to query an answer; if an answer is not found in the knowledge map, a question will be asked The information is input into the community data to query the answer; if the answer is not found in the community data, the question information is input into the Internet data to query the answer.
  • the question information can be first input into the knowledge map to query the answer. If the query is received, it is feedback to the user. If there is no query, then the query will continue to the community data. If the query is received, the user will be fed back to the user.
  • FIG. 1 is a flowchart of a method for generating interactive content of a robot according to Embodiment 1 of the present invention
  • FIG. 2 is a schematic diagram of a system for generating interactive content of a robot according to a second embodiment of the present invention.
  • Computer devices include user devices and network devices.
  • the user equipment or the client includes but is not limited to a computer, a smart phone, a PDA, etc.;
  • the network device includes but is not limited to a single network server, a server group composed of multiple network servers, or a cloud computing-based computer or network server. cloud.
  • the computer device can operate alone to carry out the invention, and can also access the network and implement the invention through interoperation with other computer devices in the network.
  • the network in which the computer device is located includes, but is not limited to, the Internet, a wide area network, a metropolitan area network, a local area network, a VPN network, and the like.
  • first, second, etc. may be used herein to describe each unit, but These elements should not be limited by these terms, and these terms are used only to distinguish one element from another.
  • the term “and/or” used herein includes any and all combinations of one or more of the associated listed items.
  • a method for answering and answering including:
  • a question and answer method disclosed by the present invention includes: obtaining question information; inputting the question information into the knowledge map to query the answer; if the answer is not found in the knowledge map, inputting the question information into the community data to query the answer; if in the community If the answer is not found in the data, the question information is input into the Internet data to query the answer. In this way, the question information can be first input into the knowledge map to query the answer. If the query is received, it is feedback to the user. If there is no query, then the query will continue to the community data. If the query is received, the user will be fed back to the user. If it is queried, it will continue to query the Internet data if it is queried and fed back to the user.
  • KB-QA is characterized by the highest accuracy rate but the lowest coverage rate in the three question-and-answer methods and systems based on KB-QA (knowledge based question answering).
  • C-QA is characterized by the highest accuracy. However, the coverage rate is higher.
  • WEB-QA is characterized by the lowest accuracy rate but the highest coverage rate. In this embodiment, the accuracy and coverage of the question and answer can be increased by effectively combining the three.
  • the method further comprises terminating the query if the answer is queried in the knowledge map. In this way, the query can be terminated after the answer is found to save resources and time, and the user can get the answer in time.
  • the method further comprises terminating the query if the answer is queried in the community data.
  • the query can be terminated after the answer is found to save resources and time, and the user can get the answer in time.
  • the step of inputting the question information into the knowledge map to query the answer specifically includes:
  • the step of inputting the question information into the community data to query the answer specifically includes:
  • the intermediate result is compared with the preset feature information, and the answer is obtained according to the comparison result.
  • the step of inputting the question information into the Internet data to query the answer specifically includes:
  • the intermediate results are combined according to the language rules to get the answer.
  • Step1 Query in KB-QA, "I" hobbies, moods, styles of clothes, beauty Color, etc., and then according to the acquired person's preferences and the characteristics of the clothes, to judge whether it is good-looking or ugly, and get the answer.
  • Step2 If you can't find it in KB-QA, query it in C-QA. For example, knowing whether there is "I” preference information, and whether there is clothing information, the purpose is to get the characteristics of "I”, the characteristics of "clothing”, and then judge whether it is good-looking or ugly, and get the answer.
  • Step3 As far as this question is concerned, it is obvious that web-QA is not suitable. Because web-QA does not have "I" information, it will not be queried in web-QA.
  • this embodiment discloses a question and answer system, including:
  • the obtaining module 201 is configured to obtain question information.
  • the knowledge map module 202 is configured to input the question information into the knowledge map to query the answer;
  • the community data module 203 is configured to input the question information into the community data to query an answer if the answer is not found in the knowledge map;
  • the Internet data module 204 is configured to input the question information into the Internet data to query an answer if the answer is not found in the community data.
  • the question information can be first input into the knowledge map to query the answer. If the query is received, it is feedback to the user. If there is no query, then the query will continue to the community data. If the query is received, the user will be fed back to the user. If it is queried, it will continue to query the Internet data if it is queried and fed back to the user.
  • This can be combined with the high accuracy of question-and-answer based on knowledge maps, the high coverage rate based on community data, and the higher coverage rate based on question and answer of Internet data to improve the coverage and accuracy of question and answer. Rate, expand the scope and versatility of the question and answer method.
  • KB-QA knowledge based question answering
  • WEB-QA Internet data question and answer
  • C-QA community data answering
  • KB-QA knowledge based question answering
  • WEB-QA web question and answer
  • C-QA community data answering
  • KB-QA knowledge based question answering
  • KB-QA knowledge based question answering
  • KB-QA is characterized by the highest accuracy, but the coverage rate is the lowest.
  • C-QA is characterized by the highest accuracy, but the coverage rate is high.
  • WEB-QA is characterized by accuracy. Lowest, but the highest coverage.
  • the accuracy and coverage of the question and answer can be increased by effectively combining the three.
  • the system includes a first termination module for terminating the query if an answer is queried in the knowledge map. This will terminate the query after finding the answer. Save resources and time, so that users can get answers in time.
  • the system includes a second termination module that terminates the query if an answer is queried in the community data.
  • the query can be terminated after the answer is found to save resources and time, and the user can get the answer in time.
  • the knowledge map module is specifically configured to:
  • the community data module is specifically configured to:
  • the intermediate result is compared with the preset feature information, and the answer is obtained according to the comparison result.
  • the internet data module is specifically configured to:
  • the intermediate results are combined according to the language rules to get the answer.
  • Step1 Query in KB-QA, "I" hobbies, moods, styles of clothes, colors, etc., and then judge whether it is good-looking or ugly according to the preferences of the acquired people and the characteristics of the clothes, so as to get an answer.
  • Step2 If you can't find it in KB-QA, query it in C-QA. For example, knowing whether there is "I” preference information, and whether there is clothing information, the purpose is to get the characteristics of "I”, the characteristics of "clothing”, and then judge whether it is good-looking or ugly, and get the answer.
  • Step3 As far as this question is concerned, it is obvious that web-QA is not suitable. Because web-QA does not have "I" information, it will not be queried in web-QA.
  • the invention discloses a robot comprising a question answering system as described in any of the above.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种问答方法，包括：获取提问信息（S101）；将提问信息输入到知识图谱中查询答案（S102）；若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案（S103）；若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案（S104）。上述方法可以结合基于知识图谱的问答的准确率高的特点，基于社区数据的问答的覆盖率较高的特点，基于互联网数据的问答的覆盖率更高的特点，来提高问答的覆盖率和准确率，扩大问答方法的适用范围和通用性。

Description

一种问答方法、系统和机器人 技术领域
本发明涉及机器人交互技术领域，尤其涉及一种问答方法、系统和机器人。
背景技术
随着社会和科技的发展，机器人越来越多的应用到与人类的工作、生活沟通中，人类可以向机器人提出问题，机器人经过一系列的过程后向人类回复结果，类似于人与人沟通的过程。为了让机器人在与人沟通的过程中更加拟人化，更加模拟真实的与人沟通的场景，人们探索了很多种方法，然而在现有的问答系统中，存在回答的答案准确率不高的情况。
因此，如何提供一种回答的答案正确率更高的问答方法,成为亟需解决的技术问题。
发明内容
本发明的目的是提供一种回答的答案正确率更高的问答方法的问答方法、系统和机器人。
本发明的目的是通过以下技术方案来实现的：
一种问答方法，包括：
获取提问信息；
将提问信息输入到知识图谱中查询答案；
若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；
若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。
优选的，所述方法进一步包括：
若在知识图谱中查询到答案，则终止查询。
优选的，所述方法进一步包括：
若在社区数据中查询到答案，则终止查询。
优选的，所述将提问信息输入到知识图谱中查询答案的步骤具体包括：
将提问信息进行切分；
将切分后的结果在知识图谱中分别查找中间结果；
将中间结果输入到数据库中获取情感偏向，根据情感偏向得到答案。
优选的，所述将提问信息输入到社区数据中查询答案的步骤具体包括：
将提问信息进行切分；
将切分后的结果在社区数据中分别查找中间结果；
将中间结果与预设的特征信息进行比较，根据比较结果得到答案。
优选的，所述将提问信息输入到互联网数据中查询答案的步骤具体包括：
将提问信息进行切分；
将切分后的结果在互联网数据中分别查找中间结果；
将中间结果按照语言规则组合后得到答案。
本发明公开一种问答系统，包括：
获取模块，用于获取提问信息；
知识图谱模块，用于将提问信息输入到知识图谱中查询答案；
社区数据模块，用于若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；
互联网数据模块，用于若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。
优选的，所述系统包括第一终止模块，用于若在知识图谱中查询到答案，则终止查询。
优选的，所述系统包括第二终止模块，若在社区数据中查询到答案，则终止查询。
优选的，所述知识图谱模块具体用于：
将提问信息进行切分；
将切分后的结果在知识图谱中分别查找中间结果；
将中间结果输入到数据库中获取情感偏向，根据情感偏向得到答案。
优选的，所述社区数据模块具体用于：
将提问信息进行切分；
将切分后的结果在社区数据中分别查找中间结果；
将中间结果与预设的特征信息进行比较，根据比较结果得到答案。
优选的，所述互联网数据模块具体用于：
将提问信息进行切分；
将切分后的结果在互联网数据中分别查找中间结果；
将中间结果按照语言规则组合后得到答案。。
本发明公开一种机器人，包括如上述任一所述的一种问答系统。
相比现有技术，本发明具有以下优点：本发明公开的一种问答方法包括：获取提问信息；将提问信息输入到知识图谱中查询答案；若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。这样就可以将提问信息首先输入到知识图谱中查询答案，如果查询到，就是反馈给用户，如果没有查询到，那么就会继续到社区数据中查询，如果查询到，就反馈给用户，如果没有查询到，那就会继续到互联网数据中查询，如果查询到及反馈给用户。这样就可以结合基于知识图谱的问答的准确率高的特点，基于社区数据的问答的覆盖率较高的特点，基于互联网数据的问答的覆盖率更高的特点，来提高问答的覆盖率和准确率，扩大问答方法的适用范围和通用性。
附图说明
图1是本发明实施例一的一种机器人交互内容的生成方法的流程图；
图2是本发明实施例二的一种机器人交互内容的生成系统的示意图。
具体实施方式
虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
计算机设备包括用户设备与网络设备。其中，用户设备或客户端包括但不限于电脑、智能手机、PDA等；网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云。计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是 这些单元不应当受这些术语限制，使用这些术语仅仅是为了将一个单元与另一个单元进行区分。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
下面结合附图和较佳的实施例对本发明作进一步说明。
实施例一
如图1所示，本实施例中公开一种问答方法，包括：
S101、获取提问信息；
S102、将提问信息输入到知识图谱中查询答案；
S103、若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；
S104、若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。
本发明公开的一种问答方法包括：获取提问信息；将提问信息输入到知识图谱中查询答案；若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。这样就可以将提问信息首先输入到知识图谱中查询答案，如果查询到，就是反馈给用户，如果没有查询到，那么就会继续到社区数据中查询，如果查询到，就反馈给用户，如果没有查询到，那就会继续到互联网数据中查询，如果查询到及反馈给用户。这样就可以结合基于知识图谱的问答的准确率高的特点，基于社区数据的问答的覆盖率较高的特点，基于互联网数据的问答的覆盖率更高的特点，来提高问答的覆盖率和准确率，扩大问答方法的适用范围和通用性。
本实施例中，基于互联网数据的问答(WEB-QA，web question answering)，基于社区数据的问答(C-QA，community question answering)， 基于知识图谱的问答(KB-QA，knowledge based question answering)这三种问答的方法和系统中，KB-QA的特点在于准确率最高，但覆盖率最低，C-QA的特点在于准确率次高，但覆盖率较高，WEB-QA的特点在于准确率最低，但覆盖率最高。本实施例通过将三者有效的结合，可以增加问答的准确率和覆盖率。
根据其中一个示例，所述方法进一步包括：若在知识图谱中查询到答案，则终止查询。这样就可以在查找到答案之后就终止查询以节省资源和时间，方便用户及时获取到答案。
根据其中一个示例，所述方法进一步包括：若在社区数据中查询到答案，则终止查询。这样就可以在查找到答案之后就终止查询以节省资源和时间，方便用户及时获取到答案。
根据其中另一个示例，所述将提问信息输入到知识图谱中查询答案的步骤具体包括：
将提问信息进行切分；
将切分后的结果在知识图谱中分别查找中间结果；
将中间结果输入到数据库中获取情感偏向，根据情感偏向得到答案。
这样就可以快速、方便的在知识图谱中查找到答案。
根据其中另一个示例，所述将提问信息输入到社区数据中查询答案的步骤具体包括：
将提问信息进行切分；
将切分后的结果在社区数据中分别查找中间结果；
将中间结果与预设的特征信息进行比较，根据比较结果得到答案。
这样就可以快速、方便的在社区数据中查找到答案，社区数据例如“百度知道”，“知乎”等社区。
根据其中另一个示例，所述将提问信息输入到互联网数据中查询答案的步骤具体包括：
将提问信息进行切分；
将切分后的结果在互联网数据中分别查找中间结果；
将中间结果按照语言规则组合后得到答案。
这样就可以快速、方便的在知识图谱中查找到答案。
例如，用户提出的一个“我穿这件衣服好看吗”的问题。
那么Step1：在KB-QA中查询，“我”的爱好、心情，衣服的样式、颜 色等，然后根据获取的人的偏好和衣服的特征，来判断是好看还是难看，从而得到答案。
Step2：如果在KB-QA中查询不到，就在C-QA中查询。例如，知乎上是否有“我”的偏好信息，和是否有衣服的资料，目的就是得到“我”的特征，“衣服”的特征，然后判断是好看还是难看，从而得到答案。
Step3：就本问题而言，显然web-QA是不合适的。因为web-QA没有“我”的资料，所以在web-QA就不会查询答案。
实施例二
如图2所示，本实施例公开一种问答系统，包括：
获取模块201，用于获取提问信息；
知识图谱模块202，用于将提问信息输入到知识图谱中查询答案；
社区数据模块203，用于若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；
互联网数据模块204，用于若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。
这样就可以将提问信息首先输入到知识图谱中查询答案，如果查询到，就是反馈给用户，如果没有查询到，那么就会继续到社区数据中查询，如果查询到，就反馈给用户，如果没有查询到，那就会继续到互联网数据中查询，如果查询到及反馈给用户。这样就可以结合基于知识图谱的问答的准确率高的特点，基于社区数据的问答的覆盖率较高的特点，基于互联网数据的问答的覆盖率更高的特点，来提高问答的覆盖率和准确率，扩大问答方法的适用范围和通用性。
本实施例中，基于互联网数据的问答(WEB-QA，web question answering)，基于社区数据的问答(C-QA，community question answering)，基于知识图谱的问答(KB-QA，knowledge based question answering)这三种问答的方法和系统中，KB-QA的特点在于准确率最高，但覆盖率最低，C-QA的特点在于准确率次高，但覆盖率较高，WEB-QA的特点在于准确率最低，但覆盖率最高。本实施例通过将三者有效的结合，可以增加问答的准确率和覆盖率。
根据其中一个示例，所述系统包括第一终止模块，用于若在知识图谱中查询到答案，则终止查询。这样就可以在查找到答案之后就终止查询以 节省资源和时间，方便用户及时获取到答案。
根据其中另一个示例，所述系统包括第二终止模块，若在社区数据中查询到答案，则终止查询。这样就可以在查找到答案之后就终止查询以节省资源和时间，方便用户及时获取到答案。
根据其中另一个示例，所述知识图谱模块具体用于：
将提问信息进行切分；
将切分后的结果在知识图谱中分别查找中间结果；
将中间结果输入到数据库中获取情感偏向，根据情感偏向得到答案。
这样就可以快速、方便的在知识图谱中查找到答案。
根据其中另一个示例，所述社区数据模块具体用于：
将提问信息进行切分；
将切分后的结果在社区数据中分别查找中间结果；
将中间结果与预设的特征信息进行比较，根据比较结果得到答案。
这样就可以快速、方便的在社区数据中查找到答案，社区数据例如“百度知道”，“知乎”等社区。
根据其中另一个示例，所述互联网数据模块具体用于：
将提问信息进行切分；
将切分后的结果在互联网数据中分别查找中间结果；
将中间结果按照语言规则组合后得到答案。
这样就可以快速、方便的在知识图谱中查找到答案。
例如，用户提出的一个“我穿这件衣服好看吗”的问题。
那么Step1：在KB-QA中查询，“我”的爱好、心情，衣服的样式、颜色等，然后根据获取的人的偏好和衣服的特征，来判断是好看还是难看，从而得到答案。
Step2：如果在KB-QA中查询不到，就在C-QA中查询。例如，知乎上是否有“我”的偏好信息，和是否有衣服的资料，目的就是得到“我”的特征，“衣服”的特征，然后判断是好看还是难看，从而得到答案。
Step3：就本问题而言，显然web-QA是不合适的。因为web-QA没有“我”的资料，所以在web-QA就不会查询答案。
本发明公开一种机器人，包括如上述任一所述的一种问答系统。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术 领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (13)

  1. 一种问答方法，其特征在于，包括：
    获取提问信息；
    将提问信息输入到知识图谱中查询答案；
    若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；
    若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。
  2. 根据权利要求1所述的问答方法，其特征在于，所述方法进一步包括：
    若在知识图谱中查询到答案，则终止查询。
  3. 根据权利要求1所述的问答方法，其特征在于，所述方法进一步包括：
    若在社区数据中查询到答案，则终止查询。
  4. 根据权利要求1所述的问答方法，其特征在于，所述将提问信息输入到知识图谱中查询答案的步骤具体包括：
    将提问信息进行切分；
    将切分后的结果在知识图谱中分别查找中间结果；
    将中间结果输入到数据库中获取情感偏向，根据情感偏向得到答案。
  5. 根据权利要求1所述的问答方法，其特征在于，所述将提问信息输入到社区数据中查询答案的步骤具体包括：
    将提问信息进行切分；
    将切分后的结果在社区数据中分别查找中间结果；
    将中间结果与预设的特征信息进行比较，根据比较结果得到答案。
  6. 根据权利要求1所述的问答方法，其特征在于，所述将提问信息输入到互联网数据中查询答案的步骤具体包括：
    将提问信息进行切分；
    将切分后的结果在互联网数据中分别查找中间结果；
    将中间结果按照语言规则组合后得到答案。
  7. 一种问答系统，其特征在于，包括：
    获取模块，用于获取提问信息；
    知识图谱模块，用于将提问信息输入到知识图谱中查询答案；
    社区数据模块，用于若在知识图谱中未查询到答案，则将提问信息输入到社区数据中查询答案；
    互联网数据模块，用于若在社区数据中未查询到答案，则将提问信息输入到互联网数据中查询答案。
  8. 根据权利要求7所述的问答系统，其特征在于，所述系统包括第一终止模块，用于若在知识图谱中查询到答案，则终止查询。
  9. 根据权利要求7所述的问答系统，其特征在于，所述系统包括第二终止模块，若在社区数据中查询到答案，则终止查询。
  10. 根据权利要求7所述的问答系统，其特征在于，所述知识图谱模块具体用于：
    将提问信息进行切分；
    将切分后的结果在知识图谱中分别查找中间结果；
    将中间结果输入到数据库中获取情感偏向，根据情感偏向得到答案。
  11. 根据权利要求7所述的问答系统，其特征在于，所述社区数据模块具体用于：
    将提问信息进行切分；
    将切分后的结果在社区数据中分别查找中间结果；
    将中间结果与预设的特征信息进行比较，根据比较结果得到答案。
  12. 根据权利要求7所述的问答系统，其特征在于，所述互联网数据模块具体用于：
    将提问信息进行切分；
    将切分后的结果在互联网数据中分别查找中间结果；
    将中间结果按照语言规则组合后得到答案。。
  13. 一种机器人，其特征在于，包括如权利要求7至12任一所述的一种问答系统。
PCT/CN2016/087767 2016-06-29 2016-06-29 一种问答方法、系统和机器人 Ceased WO2018000277A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/CN2016/087767 WO2018000277A1 (zh) 2016-06-29 2016-06-29 一种问答方法、系统和机器人
CN201680001742.3A CN106663130A (zh) 2016-06-29 2016-06-29 一种问答方法、系统和机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2016/087767 WO2018000277A1 (zh) 2016-06-29 2016-06-29 一种问答方法、系统和机器人

Publications (1)

Publication Number Publication Date
WO2018000277A1 true WO2018000277A1 (zh) 2018-01-04

Family

ID=58838445

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/087767 Ceased WO2018000277A1 (zh) 2016-06-29 2016-06-29 一种问答方法、系统和机器人

Country Status (2)

Country Link
CN (1) CN106663130A (zh)
WO (1) WO2018000277A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110209787A (zh) * 2019-05-29 2019-09-06 袁琦 一种基于宠物知识图谱的智能问答方法及系统
CN110765246A (zh) * 2019-09-29 2020-02-07 平安直通咨询有限公司上海分公司 基于智能机器人的问答方法、装置、存储介质和智能设备
CN114896407A (zh) * 2022-03-21 2022-08-12 武汉理工大学 一种基于语义解析与向量建模结合的问答方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932167B (zh) * 2017-05-22 2023-08-08 中兴通讯股份有限公司 一种智能问答同步显示方法、装置、系统及存储介质
CN106997399A (zh) * 2017-05-24 2017-08-01 海南大学 一种基于数据图谱、信息图谱、知识图谱和智慧图谱关联架构的分类问答系统设计方法
CN107357849B (zh) 2017-06-27 2020-11-03 北京百度网讯科技有限公司 基于测试类应用的交互方法和装置
CN108021691B (zh) * 2017-12-18 2021-09-07 深圳前海微众银行股份有限公司 答案查找方法、客服机器人以及计算机可读存储介质
CN108595609A (zh) * 2018-04-20 2018-09-28 深圳狗尾草智能科技有限公司 基于人物ip的机器人回复生成方法、系统、介质及设备
CN108763494B (zh) * 2018-05-30 2020-02-21 苏州思必驰信息科技有限公司 对话系统间的知识分享方法、对话方法及装置
CN109359177B (zh) * 2018-09-11 2021-08-20 北京光年无限科技有限公司 用于讲故事机器人的多模态交互方法及系统
CN109063213A (zh) * 2018-09-29 2018-12-21 深圳狗尾草智能科技有限公司 一种基于机器人的学习教育方法、装置、介质及设备
CN109710748B (zh) * 2019-01-17 2021-04-27 北京光年无限科技有限公司 一种面向智能机器人的绘本阅读交互方法和系统
CN109933655A (zh) * 2019-02-15 2019-06-25 深圳前海道己社文化有限公司 基于社交应用程序的资源智能对接方法、装置及终端设备
CN110222127B (zh) * 2019-06-06 2021-07-09 中国电子科技集团公司第二十八研究所 基于知识图谱的信息汇聚方法、装置和设备
CN111143540B (zh) * 2020-04-03 2020-07-21 腾讯科技（深圳）有限公司 智能问答方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1928864A (zh) * 2006-09-22 2007-03-14 浙江大学 一种基于问答库的中文自然语言问答方法
CN101373532A (zh) * 2008-07-10 2009-02-25 昆明理工大学 旅游领域faq中文问答系统实现方法
CN102054042A (zh) * 2010-12-30 2011-05-11 百度在线网络技术（北京）有限公司 知识信息交互服务方法、站点及问答交互平台
CN102075492A (zh) * 2009-11-24 2011-05-25 盛大计算机（上海）有限公司 一种电子设备的在线客服系统以及客服方法
CN102270199A (zh) * 2010-06-02 2011-12-07 深圳市腾讯计算机系统有限公司 一种信息的筛选方法和设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8401980B2 (en) * 2009-11-10 2013-03-19 Hamid Hatama-Hanza Methods for determining context of compositions of ontological subjects and the applications thereof using value significance measures (VSMS), co-occurrences, and frequency of occurrences of the ontological subjects
CN102902720A (zh) * 2012-09-04 2013-01-30 昆山市万丰制衣有限责任公司 一种教学答疑方法
CN105162688A (zh) * 2015-08-13 2015-12-16 北京智齿博创科技有限公司 一种实现与在线客服聊天的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1928864A (zh) * 2006-09-22 2007-03-14 浙江大学 一种基于问答库的中文自然语言问答方法
CN101373532A (zh) * 2008-07-10 2009-02-25 昆明理工大学 旅游领域faq中文问答系统实现方法
CN102075492A (zh) * 2009-11-24 2011-05-25 盛大计算机（上海）有限公司 一种电子设备的在线客服系统以及客服方法
CN102270199A (zh) * 2010-06-02 2011-12-07 深圳市腾讯计算机系统有限公司 一种信息的筛选方法和设备
CN102054042A (zh) * 2010-12-30 2011-05-11 百度在线网络技术（北京）有限公司 知识信息交互服务方法、站点及问答交互平台

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110209787A (zh) * 2019-05-29 2019-09-06 袁琦 一种基于宠物知识图谱的智能问答方法及系统
CN110209787B (zh) * 2019-05-29 2023-09-22 袁琦 一种基于宠物知识图谱的智能问答方法及系统
CN110765246A (zh) * 2019-09-29 2020-02-07 平安直通咨询有限公司上海分公司 基于智能机器人的问答方法、装置、存储介质和智能设备
CN114896407A (zh) * 2022-03-21 2022-08-12 武汉理工大学 一种基于语义解析与向量建模结合的问答方法
CN114896407B (zh) * 2022-03-21 2024-07-26 武汉理工大学 一种基于语义解析与向量建模结合的问答方法

Also Published As

Publication number Publication date
CN106663130A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
WO2018000277A1 (zh) 一种问答方法、系统和机器人
US12033241B2 (en) Scene interaction method and apparatus, electronic device, and computer storage medium
TWI615792B (zh) 會話內容合倂方法和系統
US20160027221A1 (en) Methods and systems for generating and joining shared experience
CN111414457A (zh) 基于联邦学习的智能问答方法、装置、设备及存储介质
CN109471678A (zh) 基于图像识别的语音中控方法及装置
CN106462647A (zh) 一种基于多意图的多技能包问答方法、系统和机器人
DE102012019178A1 (de) Verwendung von Kontextinformationen zum Erleichtern der Verarbeitung von Befehlen bei einem virtuellen Assistenten
CN106716934A (zh) 聊天交互方法、装置及其电子设备
US20230043260A1 (en) Persisting an AI-supported conversation across multiple channels
CN112420073B (zh) 语音信号处理方法、装置、电子设备和存储介质
CN111753075A (zh) 客服机器人问答数据的创建方法、装置和计算机设备
WO2018006374A1 (zh) 一种基于主动唤醒的功能推荐方法、系统及机器人
CN110674359B (zh) 多场景展示关系图谱的方法及系统
JP2022021294A (ja) 生放送室でのユーザコミュニケーションのための方法および装置、電子機器、記憶媒体並びにコンピュータプログラム
WO2018205230A1 (zh) 物品搜索方法、装置及机器人
WO2018006370A1 (zh) 一种虚拟3d机器人的交互方法、系统及机器人
CN104866650B (zh) 一种创建抽象设备的方法和装置
CN118163096A (zh) 用于机器人控制的方法、装置、设备和存储介质
CN107193853A (zh) 一种基于语境的社交场景构建方法和系统
JP7256562B1 (ja) 知能生成システム、方法およびプログラム
US20220327285A1 (en) Automatic quoting or forking of chats using deep learning in cloud based chat applications
CN111368060B (zh) 对话机器人的自学习方法、装置、系统、电子设备及介质
WO2018000266A1 (zh) 一种机器人交互内容的生成方法、系统及机器人
CN111159344A (zh) 机器人应答方法、装置、设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16906678

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16906678

Country of ref document: EP

Kind code of ref document: A1