基于人工智能的问题反馈方法、系统及可读存储介质与流程

1.本发明涉及人工智能技术领域，具体涉及基于人工智能的问题反馈方法、系统及可读存储介质。


背景技术：

2.随着人工智能（artificial intelligence，ai）技术和车联网技术的不断发展，人工智能技术在车辆上的应用越来越广泛。同时，随着用户对于软件的需求日新月异，为了迎合市场需求，软件迭代的速度越来越快，极其容易产生软件缺陷，所以及时发现问题并快速解决对于软件迭代来说是极其重要的。因此，需要设计一个系统来收集用户的问题反馈。
3.现有的问题反馈方法和系统大多存在反馈入口难以寻找、操作复杂等问题。为此，公开号为cn111988358a的中国专利公开了《一种问题反馈方法及系统》，其方法包括：在应用程序中预埋所有事件api；其中，事件为所有需要进行反馈的异常问题；当至少一个事件api达到相应的触发条件时，在应用程序的所有界面上显示一键反馈按钮；其中，一键反馈按钮预埋所需提交的数据的api；接收对一键反馈按钮的操作，将所需提交的数据上传至后台服务器，同时向用户显示相应的信息提示。
4.上述现有方案中的问题反馈方法在反馈应用程序的异常问题时，无需手动去查找应用程序的问题反馈入口，只需点击一键反馈按钮即可反馈，减少了不必要的操作，提高了问题反馈效率和用户使用体验。但申请人发现，现有的问题反馈方法只能反馈事先完成了埋点的异常事件，若是没有事先完成预埋，则无法进行问题反馈，即无法自定义需要反馈的内容，导致问题反馈的灵活性较差。并且，现有方法需要等待预埋事件触发之后才能进行相同的问题反馈，而无法自行决定反馈的时机，导致问题反馈的实时性和便利性不好。因此，如何设计一种能够兼顾问题反馈灵活性、实时性和便利性的方法是亟需解决的技术问题。


技术实现要素：

5.针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种基于人工智能的问题反馈方法，以能够通过语音交互的方式直接实现问题反馈，从而能够提高问题反馈的灵活性、实时性和便利性。
6.为了解决上述技术问题，本发明采用了如下的技术方案：基于人工智能的问题反馈方法，包括以下步骤：s1：获取用户输入的问题反馈语音信息；s2：基于问题反馈语音信息进行语音识别，生成对应的问题反馈文本数据；s3：基于问题反馈文本数据进行自然语言理解，提取对应的问题反馈核心语句信息；s4：基于问题反馈核心语句信息进行用户意图识别、文本分类和情感分类，生成对应问题反馈文本数据的问题反馈类型，然后基于对应的问题反馈类型对问题反馈文本数据进行分类存储。
7.优选的，步骤s1中，在接收到用户输入的问题反馈启动指令后，获取用户输入的问题反馈语音信息。
8.优选的，步骤s2中，通过文字显示和语音输出的方式展示对应的问题反馈文本数据，用以供用户确认。
9.优选的，步骤s3中，具体包括如下步骤：s301：对问题反馈文本数据进行中文分词、特征词提权、关键短语提取和词性标注；s302：根据语言模型和组成短语的词语位置权重值，定位问题反馈文本数据的关键信息；s303：结合对应的所属行业特点以及专业术语，将问题反馈文本数据的关键信息带入至相关背景信息中，以提取得到对应的问题反馈核心语句信息。
10.优选的，步骤s4中，利用分词与向量工具，依托多轮对话框架，采用命名实体识别技术，从问题反馈核心语句信息中识别对应的用户意图。
11.优选的，步骤s4中，对问题反馈核心语句信息进行文本分类和情感分类的分类模型包括但不限于支持向量机模型和朴素贝叶斯模型。
12.优选的，步骤s4中，若问题反馈文本数据存在对应的问题解答信息，则将对应的问题解答信息反馈给用户。
13.优选的，步骤s4中，通过多个字段将问题反馈文本数据分类存储于对应的数据库中。
14.本发明还公开了一种基于人工智能的问题反馈系统，包括：用户终端，用于供用户输入问题反馈语音信息；人工智能模块，用于识别问题反馈语音信息，生成对应的问题反馈文本数据，并发送至用户终端；然后基于问题反馈文本数据进行自然语言理解，提取对应的问题反馈核心语句信息；最后基于问题反馈核心语句信息进行用户意图识别、文本分类和情感分类，生成对应问题反馈文本数据的问题反馈类型；数据库，用于基于对应的问题反馈类型对问题反馈文本数据进行分类存储。
15.本发明还公开了一种可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现本发明的基于人工智能的问题反馈方法的步骤。
16.本发明中的问题反馈方法及系统与现有技术相比，具有如下有益效果：本发明中，用户通过输入问题反馈语音信息便能够完成问题反馈，而无需寻找问题反馈入口，使得能够提高问题反馈的便利性；并且，本发明通过语音交互的方式直接实现问题反馈，而不存在反馈内容和反馈时间等其他限制，从而能够有效提高问题反馈的灵活性和实时性。其次，本发明基于人工智能，通过识别用户输入的问题反馈语音信息生成问题反馈文本数据，进而提取问题反馈核心语句信息并进行用户意图识别、文本分类和情感分类，使得能够基于问题反馈类型对问题反馈文本数据进行分类存储，这不仅能够提高问题反馈的有效性和准确性，还能够保证问题反馈的相关信息存储效果。
附图说明
17.为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一
步的详细描述，其中：图1为基于人工智能的问题反馈方法的逻辑框图。
具体实施方式
18.下面通过具体实施方式进一步详细的说明：实施例一：本实施例中公开了一种基于人工智能的问题反馈方法。
19.如图1所示，基于人工智能的问题反馈方法，包括以下步骤：s1：获取用户输入的问题反馈语音信息；s2：基于问题反馈语音信息进行语音识别，生成对应的问题反馈文本数据；本实施例中，可通过现有技术中成熟使用的文字识别/语音识别（asr）技术对问题反馈语音信息进行语音识别。
20.s3：基于问题反馈文本数据进行自然语言理解，提取对应的问题反馈核心语句信息；s4：基于问题反馈核心语句信息进行用户意图识别、文本分类和情感分类，生成对应问题反馈文本数据的问题反馈类型，然后基于对应的问题反馈类型对问题反馈文本数据进行分类存储。本实施例中，若问题反馈文本数据存在对应的问题解答信息，则将对应的问题解答信息反馈给用户。
21.需要说明的是，本发明中基于人工智能的问题反馈方法可通过程序编程的方式生对应的成软件代码或软件服务，进而能够在服务器和计算机上运行和实施。
22.本发明中，用户通过输入问题反馈语音信息便能够完成问题反馈，而无需寻找问题反馈入口，使得能够提高问题反馈的便利性；并且，本发明通过语音交互的方式直接实现问题反馈，而不存在反馈内容和反馈时间等其他限制，从而能够有效提高问题反馈的灵活性和实时性。其次，本发明基于人工智能，通过识别用户输入的问题反馈语音信息生成问题反馈文本数据，进而提取问题反馈核心语句信息并进行用户意图识别、文本分类和情感分类，使得能够基于问题反馈类型对问题反馈文本数据进行分类存储，这不仅能够提高问题反馈的有效性和准确性，还能够保证问题反馈的相关信息存储效果。
23.具体实施过程中，在接收到用户输入的问题反馈启动指令后，获取用户输入的问题反馈语音信息。问题反馈启动指令包括但不限于按键/按钮启动指令和语音输入启动指令。本实施例中，用户通过输入问题反馈启动指令来调用对应的人工智能模块，执行步骤s1至s4的相应操作。
24.具体实施过程中，通过文字显示和语音输出的方式展示对应的问题反馈文本数据，用以供用户确认。本发明通过文字显示和语音输出的方式展示对应的问题反馈文本数据，使得用户能够有效的确认其输入的问题反馈相关信息的准确性。
25.具体实施过程中，步骤s3中，具体包括如下步骤：s301：对问题反馈文本数据进行中文分词、特征词提权、关键短语提取和词性标注；s302：根据语言模型和组成短语的词语位置权重值，定位问题反馈文本数据的关键信息；
s303：结合对应的所属行业特点以及专业术语，将问题反馈文本数据的关键信息带入至相关背景信息中，以提取得到对应的问题反馈核心语句信息。
26.本实施例中，可通过自然语言处理引擎（nlu）对问题反馈文本数据进行自然语言理解，并提取对应的问题反馈核心语句信息。例如，通过自然语言处理引擎（nlu）引入有汽车问题分词模型，汽车问题分词模型基于标签库及同义词库训练而成，标签库为整车各领域的汽车专业术语和专有名词的名称库，同义词库为与标签库中的汽车专业术语和专有名词相似称谓的名称库，汽车问题分词模型对问题咨询信息进行分词处理得到核心词汇。
27.如电器大类包括电源系统、点火系统、起动系统、照明系统、仪表及辅助电气；底盘大类包括传动系、行驶系、转向系、制动系；动力大类包括曲柄连杆机构、配气机构、点火系统、燃油供给系统、冷却系统、润滑系统、启动系统；车身大类包括车身部件、车身造型、车身附件及车身外部装饰件、车身内部装饰件及车身分类。汽车问题分词模型生成各个核心词汇的词向量，根据各个核心词汇的词向量生成第一句向量；确定第一句向量与引入有标签库及同义词库的知识库中的每个问题条目所对应的第二句向量的相似度，其中，问题条目包括问题及与问题相对应的答案。
28.本发明通过上述步骤，能够有效提取问题反馈文本数据的问题反馈核心语句信息，进而有利于辅助实现对问题反馈文本数据的分类，能够提高问题反馈文本数据的分类准确性。
29.具体实施过程中，利用分词与向量工具，依托多轮对话框架，采用命名实体识别技术，从问题反馈核心语句信息中识别对应的用户意图。
30.本实施例中，可通过图卷积神经网络、知识蒸馏模型或其他方式实现用户意图的提取和识别。例如，通过关键实体识别得到命名实体作为用户意图参数候选，然后通过用户意图判断意图关键词与关键实体识别时获得的用户意图参数候选之间的依存关系，并且仅在存在依存关系的情况下输出用户意图识别结果。其中，关键实体识别时：对用户对话文字作为自然语言处理方法以词为单位进行分词、词性标注和命名实体识别；根据词性标注和命名实体识别结果得到用户意图参数候选；以及将用户意图参数标准化。用户意图判断时：将用户对话文字以句为单位进行依存句法分析并得到依存句法分析结果；根据预设的用户意图关键词候选集，使用深度学习方法训练词向量，通过词汇相似度进行模糊匹配得到意图关键词匹配结果；以及根据依存句法分析结果和意图关键词匹配结果，判断意图关键词与关键实体识别时获得的用户意图参数候选之间的依存关系；以及若两者之间存在依存关系，则输出用户意图识别结果。
31.并且，还可进一步通过意图参数补全判断用户意图判断时输出的用户意图识别结果中意图参数是否已全，若已全则输出用户意图识别结果，否则进行意图参数补全动作。意图参数补全时，判断用户意图判断时输出的用户意图识别结果中意图参数是否已全，若已全则输出用户意图识别结果，否则进行下述步骤；根据预设的介词词表，在用户对话中检索是否出现相关介词；根据用户意图判断步骤得到的依存语法分析结果，分析介词所对应的宾语并作为补全意图参数的可选项。
32.具体实施过程中，对问题反馈核心语句信息进行文本分类和情感分类的分类模型包括但不限于支持向量机模型和朴素贝叶斯模型。本实施例中，可通过经过训练的支持向量机模型对问题反馈核心语句信息进行文本分类和情感分类，支持向量机模型的训练和测
试方式均采用现有手段，这里不再赘述。
33.本发明通过上述步骤，能够有效的实现问题反馈文本数据的用户意图识别、文本分类和情感分类，使得能够基于问题反馈类型对问题反馈文本数据进行分类存储，从而能够提高问题反馈的有效性和准确性，并保证问题反馈的相关信息存储效果。
34.具体实施过程中，通过多个字段将问题反馈文本数据分类存储于对应的数据库中。
35.实施例二：本实施例中公开了一种基于人工智能的问题反馈系统。
36.一种基于人工智能的问题反馈系统，包括：用户终端，用于供用户输入问题反馈语音信息；本实施例中，用户终端可以是车辆的车机系统。
37.人工智能模块，用于识别问题反馈语音信息，生成对应的问题反馈文本数据，并发送至用户终端；然后基于问题反馈文本数据进行自然语言理解，提取对应的问题反馈核心语句信息；最后基于问题反馈核心语句信息进行用户意图识别、文本分类和情感分类，生成对应问题反馈文本数据的问题反馈类型；本实施例中，人工智能模块可以是集成于车机系统中的相应模块。
38.数据库，用于基于对应的问题反馈类型对问题反馈文本数据进行分类存储。本实施例中，数据库为设置于云端服务的数据库。其中，通过多个字段将问题反馈文本数据分类存储于对应的数据库中。
39.本发明中，用户通过用户终端输入问题反馈语音信息便能够完成问题反馈，而无需寻找问题反馈入口，使得能够提高问题反馈的便利性；并且，本发明通过语音交互的方式直接实现问题反馈，而不存在反馈内容和反馈时间等其他限制，从而能够有效提高问题反馈的灵活性和实时性。其次，本发明的人工智能模块能够通过识别用户输入的问题反馈语音信息生成问题反馈文本数据，进而提取问题反馈核心语句信息并进行用户意图识别、文本分类和情感分类，使得能够基于问题反馈类型对问题反馈文本数据进行分类存储，这不仅能够提高问题反馈的有效性和准确性，还能够保证问题反馈的相关信息存储效果。
40.具体的：用户终端在接收到用户输入的问题反馈启动指令后，获取用户输入的问题反馈语音信息。问题反馈启动指令包括但不限于按键/按钮启动指令和语音输入启动指令。本实施例中，用户通过输入问题反馈启动指令来调用对应的人工智能模块。
41.用户终端通过文字显示和语音输出的方式展示对应的问题反馈文本数据，用以供用户确认。本发明通过文字显示和语音输出的方式展示对应的问题反馈文本数据，使得用户能够有效的确认其输入的问题反馈相关信息的准确性。
42.人工智能模块提取问题反馈核心语句信息时，包括如下步骤：s301：对问题反馈文本数据进行中文分词、特征词提权、关键短语提取和词性标注；s302：根据语言模型和组成短语的词语位置权重值，定位问题反馈文本数据的关键信息；s303：结合对应的所属行业特点以及专业术语，将问题反馈文本数据的关键信息
带入至相关背景信息中，以提取得到对应的问题反馈核心语句信息。
43.本实施例中，可通过自然语言处理引擎（nlu）对问题反馈文本数据进行自然语言理解，并提取对应的问题反馈核心语句信息。例如，通过自然语言处理引擎（nlu）引入有汽车问题分词模型，汽车问题分词模型基于标签库及同义词库训练而成，标签库为整车各领域的汽车专业术语和专有名词的名称库，同义词库为与标签库中的汽车专业术语和专有名词相似称谓的名称库，汽车问题分词模型对问题咨询信息进行分词处理得到核心词汇。
44.如电器大类包括电源系统、点火系统、起动系统、照明系统、仪表及辅助电气；底盘大类包括传动系、行驶系、转向系、制动系；动力大类包括曲柄连杆机构、配气机构、点火系统、燃油供给系统、冷却系统、润滑系统、启动系统；车身大类包括车身部件、车身造型、车身附件及车身外部装饰件、车身内部装饰件及车身分类。汽车问题分词模型生成各个核心词汇的词向量，根据各个核心词汇的词向量生成第一句向量；确定第一句向量与引入有标签库及同义词库的知识库中的每个问题条目所对应的第二句向量的相似度，其中，问题条目包括问题及与问题相对应的答案。
45.本发明通过上述步骤，能够有效提取问题反馈文本数据的问题反馈核心语句信息，进而有利于辅助实现对问题反馈文本数据的分类，能够提高问题反馈文本数据的分类准确性。
46.人工智能模块利用分词与向量工具，依托多轮对话框架，采用命名实体识别技术，从问题反馈核心语句信息中识别对应的用户意图。
47.本实施例中，也可通过图卷积神经网络、知识蒸馏模型或其他方式实现用户意图的提取和识别。例如，通过关键实体识别得到命名实体作为用户意图参数候选，然后通过用户意图判断意图关键词与关键实体识别时获得的用户意图参数候选之间的依存关系，并且仅在存在依存关系的情况下输出用户意图识别结果。其中，关键实体识别时：对用户对话文字作为自然语言处理方法以词为单位进行分词、词性标注和命名实体识别；根据词性标注和命名实体识别结果得到用户意图参数候选；以及将用户意图参数标准化。用户意图判断时：将用户对话文字以句为单位进行依存句法分析并得到依存句法分析结果；根据预设的用户意图关键词候选集，使用深度学习方法训练词向量，通过词汇相似度进行模糊匹配得到意图关键词匹配结果；以及根据依存句法分析结果和意图关键词匹配结果，判断意图关键词与关键实体识别时获得的用户意图参数候选之间的依存关系；以及若两者之间存在依存关系，则输出用户意图识别结果。
48.并且，还可进一步通过意图参数补全判断用户意图判断时输出的用户意图识别结果中意图参数是否已全，若已全则输出用户意图识别结果，否则进行意图参数补全动作。意图参数补全时，判断用户意图判断时输出的用户意图识别结果中意图参数是否已全，若已全则输出用户意图识别结果，否则进行下述步骤；根据预设的介词词表，在用户对话中检索是否出现相关介词；根据用户意图判断步骤得到的依存语法分析结果，分析介词所对应的宾语并作为补全意图参数的可选项。
49.人工智能模块对问题反馈核心语句信息进行文本分类和情感分类的分类模型包括但不限于支持向量机模型和朴素贝叶斯模型。
50.本实施例中，可通过经过训练的支持向量机模型对问题反馈核心语句信息进行文本分类和情感分类，支持向量机模型的训练和测试方式均采用现有手段，这里不再赘述。
51.本发明通过上述系统，能够有效的实现问题反馈文本数据的用户意图识别、文本分类和情感分类，使得能够基于问题反馈类型对问题反馈文本数据进行分类存储，从而能够提高问题反馈的有效性和准确性，并保证问题反馈的相关信息存储效果。
52.实施例三：本实施例中公开了一种可读存储介质。
53.一种可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现本发明的基于人工智能的问题反馈方法的步骤。可读存储介质可以是u盘或计算机等具有可读存储功能的设备。
54.最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。