问答处理方法、装置、电子设备及存储介质与流程

本发明涉及人工智能，尤其涉及问答处理方法、装置、电子设备及存储介质。

背景技术：

1、通常情况下，企业发展到一定规模都会组建专门的运维团队，来应对企业内部员工与企业外部用户的日常问题。为了节省人力成本，类似于和等的大型企业通常会搭建智能客服平台来自动回答企业外部用户提出的问题，但现在常见的智能客服平台往往存在答不出来或者答非所问的问题。因此，如何精准识别问题和快速召回回复则成为评判智能客服平台是否真正智能的关键。

技术实现思路

1、本发明旨在至少解决相关技术中存在的技术问题之一。为此，本发明提出一种问答处理方法，实现对用户提问的精准意图识别和回复内容针对性召回的目的，避免了提问无回复或者答非所问的异常情况出现，提高了自动应答率和回复内容的准确率，同时极大降低了人工坐席率，也提高了用户体验感。

2、本发明还提出一种问答处理装置。

3、本发明还提出一种电子设备。

4、本发明还提出一种非暂态计算机可读存储介质。

5、本发明还提出一种计算机程序产品。

6、根据本发明第一方面实施例的问答处理方法，包括：

7、对用户输入的待回复问题进行意图识别，确定所述待回复问题的意图识别结果；

8、确定所述意图识别结果表征所述待回复问题为闲聊类问题，基于大语言模型和预先可视化配置的提示词工程确定所述闲聊类问题的第一回复内容；

9、确定所述意图识别结果表征所述待回复问题为业务类问题，基于预训练自然语言处理模型和预先构建的召回问答向量知识库确定所述业务类问题的第二回复内容；

10、向所述用户反馈所述第一回复内容或者所述第二回复内容。

11、根据本发明实施例的问答处理方法，aigc客服平台通过基于大语言模型和提示词工程确定待回复问题为闲聊类问题时的第一回复内容，或者基于预训练自然语言处理模型和召回问答向量知识库确定待回复问题为业务类问题时的第二回复内容的方式，实现对用户提问的精准意图识别和回复内容针对性召回的目的，避免了提问无回复或者答非所问的异常情况出现，提高了自动应答率和回复内容的准确率，同时极大降低了人工坐席率，也提高了用户体验感。

12、根据本发明的一个实施例，所述基于预训练自然语言处理模型和预先构建的召回问答向量知识库确定所述业务类问题的第二回复内容，包括：

13、基于所述业务类问题对所述预训练自然语言处理模型进行调整和压缩；

14、基于压缩后的自然语言处理模型对所述业务类问题进行向量嵌入，确定所述业务类问题的业务问题向量；

15、从所述召回问答向量知识库中查找所述业务问题向量的业务回复内容向量，并基于查找结果，确定所述第二回复内容。

16、根据本发明的一个实施例，所述从所述召回问答向量知识库中查找所述业务问题向量的业务回复内容向量，包括：

17、从所述召回问答向量知识库中查找与所述业务问题向量之间相似度最高的目标业务问题向量；

18、确定所述目标业务问题向量与所述业务问题向量之间的相似度达到预设相似度阈值，将所述召回问答向量知识库中所述目标业务问题向量对应的目标业务回复内容向量确定为所述业务回复内容向量。

19、根据本发明的一个实施例，所述方法还包括：

20、确定所述目标业务问题向量与所述业务问题向量之间的相似度未达到所述预设相似度阈值，通过人工维护回复方式或预设回复方式确定所述业务回复内容向量。

21、根据本发明的一个实施例，所述方法还包括：

22、基于通过所述人工维护回复方式确定的所述业务回复内容向量和所述业务问题向量，对所述召回问答向量知识库进行更新。

23、根据本发明的一个实施例，所述召回问答向量知识库的构建过程包括：

24、获取问答知识库中每间隔预设时长新增的不同类型问题；

25、对所述不同类型问题进行批量向量化操作，确定各问题向量；

26、从向量知识库中检索所述各问题向量各自对应的回复内容向量；

27、基于所述每间隔预设时长确定的所述各问题向量和各所述回复内容向量，构建所述召回问答向量知识库。

28、根据本发明的一个实施例，所述待回复问题的数量为多个，所述方法还包括：

29、获取用户对多个所述待回复问题各自的所述第一回复内容或者所述第二回复内容的评价结果；

30、基于各所述评价结果，确定不满意评价结果对应的业务问题回复对；

31、确定所述业务问题回复对的数量达到预设数量阈值，基于各所述业务问题回复对，对所述预训练自然语言处理模型进行调整。

32、根据本发明的一个实施例，所述对用户输入的待回复问题进行意图识别，确定所述待回复问题的意图识别结果，包括：

33、将所述待回复问题输入至意图识别模型中进行意图识别，确定所述待回复问题的意图识别结果；其中，所述意图识别模型是基于人工打标的闲聊类问题样本和业务类问题样本对文本分类模型进行训练后得到的。

34、根据本发明第二方面实施例的问答处理装置，包括：

35、意图识别单元，用于对用户输入的待回复问题进行意图识别，确定所述待回复问题的意图识别结果；

36、回复确定单元，用于确定所述意图识别结果表征所述待回复问题为闲聊类问题，基于大语言模型和预先可视化配置的提示词工程确定所述闲聊类问题的第一回复内容；

37、确定所述意图识别结果表征所述待回复问题为业务类问题，基于预训练自然语言处理模型和预先构建的召回问答向量知识库确定所述业务类问题的第二回复内容；

38、回复反馈单元，用于向所述用户反馈所述第一回复内容或者所述第二回复内容。

39、根据本发明实施例的问答处理装置，通过基于大语言模型和提示词工程确定待回复问题为闲聊类问题时的第一回复内容，或者基于预训练自然语言处理模型和召回问答向量知识库确定待回复问题为业务类问题时的第二回复内容的方式，实现对用户提问的精准意图识别和回复内容针对性召回的目的，避免了提问无回复或者答非所问的异常情况出现，提高了自动应答率和回复内容的准确率，同时极大降低了人工坐席率，也提高了用户体验感。

40、本发明实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：aigc客服平台通过基于大语言模型和提示词工程确定待回复问题为闲聊类问题时的第一回复内容，或者基于预训练自然语言处理模型和召回问答向量知识库确定待回复问题为业务类问题时的第二回复内容的方式，实现对用户提问的精准意图识别和回复内容针对性召回的目的，避免了提问无回复或者答非所问的异常情况出现，提高了自动应答率和回复内容的准确率，同时极大降低了人工坐席率，也提高了用户体验感。

41、进一步的，aigc客服平台通过调整和压缩预训练自然语言处理模型的方式，在提高自然语言处理模型的性能和泛化能力的基础上，降低模型使用成本、提高向量嵌入的准确性和可靠性，从而也能确保基于召回问答向量知识库查询业务回复内容向量更加准确和高效。

42、更进一步的，aigc客服平台通过从召回问答向量知识库中查找与业务问题向量最相似且相似度足够高的目标业务问题向量、再将召回问答向量知识库中与目标业务问题向量对应的目标业务回复内容向量确定为需求的业务回复内容向量的方式，提高了自动为用户召回回复内容的准确率和召回效率。

43、再进一步的，aigc客服平台通过基于问答知识库中每日新增问题各自对应的回复内容更新向量知识库的方式，确保用户所提问的每个业务问题都可以自动且及时回复，从而提高了构建召回问答向量知识库的可靠性。

44、再进一步的，aigc客服平台通过从用户对每个业务提问的回复内容的评价中确定不满意评价，并根据不满意评价对应的业务问答对微调预训练自然语言处理模型的方式，不断优化和迭代预训练自然语言处理模型参数，同时也能确保自然语言处理模型的性能不受影响，实现了最大程度提高模型性能和模型泛化能力的目的。

45、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。