基于自然语言理解的推荐答案的方法和装置与流程

本公开的实施例涉及计算机技术领域，具体涉及基于自然语言理解的推荐答案的方法和装置。

背景技术：

当前，随着问答平台的发展，各种智能问答技术不断涌现。例如，一些问答平台中出现的智能客服。

但是，由于用户表达问题的方式多种多样，问题与答案之间的词汇存在差异，导致推荐准确的答案是比较困难的。对于智能问答技术，期望其能实现智能化的应答，推荐比较全面准确的答案，提高应答效率。

技术实现要素：

本公开的实施例提出了基于自然语言理解的推荐答案的方法和装置。

第一方面，本公开的实施例提供了一种基于自然语言理解的推荐答案的方法，该方法包括获取待查询问题信息；选取与待查询问题信息相匹配的知识库，其中，知识库包括关联存储的问题集和答案；从所选取的知识库中确定出与待查询问题信息关联的关联问题集；基于关联问题集的答案，生成待查询问题信息的应答信息。

在一些实施例中，知识库是通过以下方式建立的：获取历史查询问题信息；对历史查询问题信息聚类，得到至少一个问题集；确定与问题集对应的答案。

在一些实施例中，历史查询问题信息包括产品线类型信息，对历史查询问题信息聚类，得到至少一个问题集，包括：基于对历史查询问题信息按照产品线类型信息分类，得到针对不同产品线的历史查询问题信息集合；对历史查询问题信息集合中的历史查询问题信息进行聚类，得到至少一个问题集。

在一些实施例中，待查询问题信息包括产品线类型信息，选取与待查询问题信息相匹配的知识库，包括：根据待查询问题信息包括的产品线类型信息，选取与产品线类型信息关联的知识库。

在一些实施例中，从所选取的知识库中确定出与待查询问题信息关联的关联问题集包括：基于待查询问题信息与所选取的知识库中的各问题之间的相似度，从所选取的知识库中确定出第一预设数目的候选问题；响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在一些实施例中，根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集包括：根据所选取的知识库中的问题集包含的候选问题的数量，对所选取的知识库中的问题集进行降序排序，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在一些实施例中，根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集包括：根据所选取的知识库中的问题集中与待查询问题信息之间的相似度值最高的候选问题的排序，确定所选取的知识库中的问题集的排序；根据所选取的知识库中的问题集的排序，确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在一些实施例中，待查询问题信息的应答信息包括待查询问题信息的关联问题集和关联问题集的答案。

在一些实施例中，该方法还包括：响应于待查询问题信息与各候选问题之间的相似度均小于第一相似度阈值，将待查询问题信息作为问题集添加至所选取的知识库。

在一些实施例中，将待查询问题信息作为问题集添加至所选取的知识库包括：响应于满足预设条件，对待查询问题信息进行聚类处理，得到至少一个问题集添加至所选取的知识库，其中，预设条件包括以下至少一项：待查询问题信息的数量达到预设数目值、当前时间到达预设的问题集添加时间。

在一些实施例中，该方法还包括：响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，从关联问题集中确定出待查询问题信息的待添加问题集；响应于待查询问题信息与待添加问题集中的问题之间的相似度均小于第二相似度阈值，将待查询问题信息添加至待添加问题集中，其中，第二相似度阈值不小于第一相似度阈值。

第二方面，本公开的实施例提供了一种基于自然语言理解的推荐答案的装置，该装置包括：信息获取单元，被配置成获取待查询问题信息；知识库选取单元，被配置成选取与待查询问题信息相匹配的知识库，其中，知识库包括关联存储的问题集和答案；确定单元，被配置成从所选取的知识库中确定出与待查询问题信息关联的关联问题集；生成单元，被配置成基于关联问题集的答案，生成待查询问题信息的应答信息。

在一些实施例中，知识库选取单元包括：信息获取模块，被配置成获取历史查询问题信息；聚类模块，被配置成对历史查询问题信息聚类，得到至少一个问题集；确定答案模块，被配置成确定与问题集对应的答案。

在一些实施例中，历史查询问题信息包括产品线类型信息，聚类模块进一步被配置成：基于对历史查询问题信息按照产品线类型信息分类，得到针对不同产品线的历史查询问题信息集合；对历史查询问题信息集合中的历史查询问题信息进行聚类，得到至少一个问题集。

在一些实施例中，待查询问题信息包括产品线类型信息，知识库选取单元进一步被配置成：根据待查询问题信息包括的产品线类型信息，选取与产品线类型信息关联的知识库。

在一些实施例中，确定单元进一步被配置成：基于待查询问题信息与所选取的知识库中的各问题之间的相似度，从所选取的知识库中确定出第一预设数目的候选问题；响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在一些实施例中，确定单元进一步被配置成根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集：根据所选取的知识库中的问题集包含的候选问题的数量，对所选取的知识库中的问题集进行降序排序，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在一些实施例中，确定单元进一步被配置成根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集：根据所选取的知识库中的问题集中与待查询问题信息之间的相似度值最高的候选问题的排序，确定所选取的知识库中的问题集的排序；根据所选取的知识库中的问题集的排序，确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在一些实施例中，待查询问题信息的应答信息包括待查询问题信息的关联问题集和关联问题集的答案。

在一些实施例中，该装置还包括：知识库添加单元，被配置成响应于待查询问题信息与各候选问题之间的相似度均小于第一相似度阈值，将待查询问题信息作为问题集添加至所选取的知识库。

在一些实施例中，知识库添加单元，进一步被配置成按照如下方式将待查询问题信息作为问题集添加至所选取的知识库：响应于满足预设条件，对待查询问题信息进行聚类处理，得到至少一个问题集添加至所选取的知识库，其中，预设条件包括以下至少一项：待查询问题信息的数量达到预设数目值、当前时间到达预设的问题集添加时间。

在一些实施例中，该装置还包括：问题集确定单元，被配置成响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，从关联问题集中确定出待查询问题信息的待添加问题集；问题集添加单元，被配置成响应于待查询问题信息与待添加问题集中的问题之间的相似度均小于第二相似度阈值，将待查询问题信息添加至待添加问题集中，其中，第二相似度阈值不小于第一相似度阈值。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的基于自然语言理解的推荐答案的方法和装置，通过获取待查询问题信息，选取与待查询问题信息相匹配的知识库。而后，从所选取的知识库中确定出与待查询问题信息关联的关联问题集。最后，基于关联问题集的答案，生成待查询问题信息的应答信息。从而实现了利用生成的待查询问题信息的应答信息，实现智能化的应答，提高应答效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的基于自然语言理解的推荐答案的方法的一个实施例的流程图；

图3a是根据本公开的实施例的基于自然语言理解的推荐答案的方法的一个应用场景的示意图；

图3b是根据本公开的实施例的基于自然语言理解的推荐答案的方法的又一个应用场景的示意图；

图4是根据本公开的基于自然语言理解的推荐答案的方法的又一个实施例的流程图；

图5是根据本公开的基于自然语言理解的推荐答案的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的基于自然语言理解的推荐答案的方法或基于自然语言理解的推荐答案的装置的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、社交平台软件、浏览器类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持信息处理的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103提交的问题进行应答处理的后台服务器。后台服务器可以对接收到的待查询问题信息进行解析、查找答案等处理，并生成应答信息。

需要说明的是，本公开的实施例所提供的基于自然语言理解的推荐答案的方法可以通过终端设备101、102、103执行，也可以通过服务器105执行。相应地，基于自然语言理解的推荐答案的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。本申请对此不做限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的基于自然语言理解的推荐答案的方法的一个实施例的流程200。该基于自然语言理解的推荐答案的方法包括以下步骤：

步骤201，获取待查询问题信息。

在本实施例中，基于自然语言理解的推荐答案的方法的执行主体(如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取待查询问题信息。例如，上述执行主体可以从问答平台获取待查询问题信息。或者，上述执行主体可以接收到待查询问题信息的语音信息。之后，上述执行主体对该语音信息进行语音识别，从而得到待查询问题信息。其中，待查询问题信息可以是用户提出的期望获得应答的问题的信息，包括表征问题内容的信息。例如，待查询问题信息是“cpu跑满”，表达用户想获取怎么解决“cpu跑满”问题的解决办法。

步骤202，选取与待查询问题信息相匹配的知识库。

在本实施例中，上述执行主体可以根据待查询问题信息中表征问题内容的信息，选取与待查询问题内容信息所对应的知识库，其中，知识库包括关联存储的问题集和答案。待查询问题信息中表征问题内容的信息为输入的待查询问题信息的关键字或者全部文字内容。知识库可以配置有对应的问题类型、问题主题关键词、问题领域等属性信息。可以基于待查询问题信息的关键字或文字内容与知识库的这些属性信息进行匹配。

在一些场景中，待查询问题信息是针对指定对象或指定应用场景的问题信息。若表征问题内容的信息的关键字或者全部文字内容没有涉及到具体的对象或者应用场景，可以选取整个知识库作为与待查询问题信息相匹配的知识库。例如，待查询问题信息可以是“遭受ddos攻击”，里面没有涉及具体的指定的对象或者应用场景，则选择整个知识库作为与待查询问题信息相匹配的知识库。

可选的，待查询问题信息还可以包括产品线类型信息。上述执行主体可以根据待查询问题信息包括的产品线类型信息，选取与产品线类型信息关联的知识库。这里，产品线类型信息可以表示待查询问题对应的产品线应用场景。上述知识库也可以预先配置对应的产品线类型信息，这样，可以基于产品线类型对待查询问题信息和知识库进行匹配。例如，待查询问题信息可以是“域名dns无法修改”，其中，待查询问题信息里面包含着产品线类型信息“域名”，则可以直接选择域名产品线对应的知识库作为与待查询问题信息相匹配的知识库。

在本实施例的一些可选的实现方式中，上述的知识库可以是通过以下方式建立的：

第一步：获取历史查询问题信息。

历史查询问题信息可以是历史记录中用户提出的期望获得应答的问题的信息，包括表征问题内容的信息。在该可选的实现方式中，上述执行主体可以从问答平台的历史查询记录中获取历史查询问题信息。或者，上述执行主体可以通过对历史语音信息进行语音识别，从而得到历史查询问题信息。

第二步：对历史查询问题信息聚类，得到至少一个问题集。

在该可选的实现方式中，例如，上述执行主体可以运用层次聚类方法对历史查询问题信息聚类。上述执行主体可以从历史查询问题信息中选取样本问题，把每个样本问题各自归为一类问题，上述执行主体可以计算每两类问题之间的语义层面的相似度。例如，可以利用问题的文本相似度特征加权来计算两类问题之间的距离，文本相似度特征可以包括：词向量距离，将问题进行分词处理并基于分词后的词向量距离得到的。上述执行主体确定出词向量距离最小的两个类别，即两个样本的相似度是最接近的，将两个类别归为一新的类别。上述执行主体重新计算新的类别与之前的类别之间的相似度，重复上述的相似度计算，直到将所有的样本都归为一大类。按照形成的层级聚类的谱系图，上述执行主体将层级聚类的谱系图中的每个类别作为不同的问题集。这样，基于层次聚类构建起包括不同问题集的知识库，为后续选取待查询问题的关联问题集做好准备。

可选地，历史查询问题信息包括产品线类型信息，上述对历史查询问题信息聚类，得到至少一个问题集，包括：基于对历史查询问题信息按照产品线类型信息分类，得到针对不同产品线的历史查询问题信息集合。对历史查询问题信息集合中的历史查询问题信息进行聚类，得到至少一个问题集。

在该可选的实现方式中，上述执行主体按照产品线信息将获取的历史查询问题信息进行分类。例如，上述执行主体将历史查询问题信息按照各产品线l1，l2，l3，…，ln进行分类，形成对应于产品线l1，l2，l3，…，ln的问题集合。上述执行主体再分别对每个产品线对应的问题集合进行上述聚类处理，形成每个产品线关联的知识库。这样，可以通过形成产品线对应的知识库，当待查询问题信息包括指定的产品线信息时，可以直接从对应的产品线知识库中选取与待查询问题关联的问题集，缩短选取与待查询问题关联的问题集的时间，从而提高应答效率。

第三步：确定与问题集对应的答案。

在该可选的实现方式中，例如，上述执行主体将对应问题集的预置的标准答案，作为问题集对应的答案，这里，标准答案可以是基于问题集中的问题信息利用搜索引擎搜集信息进行整理得到的。或者，上述执行主体可以获取标注人员对每一个问题集对应标注的答案。通过建立储存已有问题集与对应答案的知识库，以便从知识库选取与待查询问题信息关联的问题集。

步骤203，从所选取的知识库中确定出与待查询问题信息关联的关联问题集。

在本实施例中，上述执行主体可以计算待查询问题信息与所选取的知识库中的问题之间的相似度值，选择相似度值大于预设相似度阈值的问题，进而确定问题所在的问题集，作为与待查询信息关联的关联问题集。

在本实施例的一些可选的实现方式中，也可以按照如下步骤从所选取的知识库中确定出与待查询问题信息关联的关联问题集：

第一步：基于待查询问题信息与所选取的知识库中的各问题之间的相似度，从所选取的知识库中确定出第一预设数目的候选问题。

在该可选的实现方式中，上述执行主体先将待查询问题信息与所选取的知识库中各个问题进行相似度计算，得到待查询问题信息与各个问题之间的相似度值。根据待查询问题信息与问题之间的相似度值，上述执行主体将这些问题按照相似度值从高到底进行排列，从这些问题中选取出排列在前第一预设数目的候选问题。例如，这里的第一预设数目可以是50个，那么选取出与待查询问题信息之间的相似度值从高到低排列的前50个问题作为候选问题。

第二步：响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在该可选的实现方式中，在上述的候选问题与待查询问题信息之间的相似度均超过第一相似度阈值的条件下，上述执行主体根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集，将第二预设数目的问题集作为待查询问题的关联问题集。

具体来说，上述执行主体根据所选取的知识库中的问题集中候选问题与待查询问题信息之间的相似度值的平均值，对所选取的知识库中的问题集进行降序排序，从所选取的知识库中确定出第四预设数目的问题集作为与待查询问题信息关联的关联问题集。从所选取的知识库中选取出待查询问题的关联问题集，以便推荐关联问题集对应的答案。

进一步可选地，上述执行主体可以按照如下方式从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集：根据所选取的知识库中的问题集包含的候选问题的数量，对所选取的知识库中的问题集进行降序排序，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。可以确定包含的候选问题的数量降序排序在第一位至第二预设数目位的问题集作为与待查询问题信息关联的关联问题集。例如，这里的第二预设数目可以是3个，那么选取出包含候选问题数量的从高到低排列的前3个问题集作为与待查询问题信息关联的关联问题集。

进一步可选地，上述执行主体还可以按照如下方式从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集：根据所选取的知识库中的问题集中与待查询问题信息之间的相似度值最高的候选问题的排序，确定所选取的知识库中的问题集的排序。根据所选取的知识库中的问题集的排序，确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

上述执行主体可以确定所选取的知识库中的问题集中与待查询问题信息之间的相似度值，并且，按照与待查询问题信息之间的相似度值，将候选问题进行降序排列。然后，上述执行主体查找到各候选问题所属的问题集，之后，确定出各问题集中与待查询问题信息之间的相似度值最高的候选问题，基于各问题集中与待查询问题信息之间的相似度值最高的候选问题的排序确定对应的各问题集的排序。最后，上述执行主体根据各问题集的排序从问题集中选取出从高到低排列的前第二预设数目个问题集作为与待查询问题信息关联的关联问题集。

例如，假设候选问题的降序排序为：问题1，问题2，问题3，问题4，问题5，问题6，其中问题1和问题3属于问题集a、问题4和问题5属于问题集b，问题2和问题6属于问题集c。可以根据每个问题集a、b、c中与待查询问题相似度最高的问题(即每个问题集中在属于不同问题集的所有候选问题中排序最高的问题)的排序，确定每个问题集的排序。具体地，问题集a中与待查询问题相似度最高的问题为问题1，问题集b中与待查询问题相似度最高的问题为问题4，问题集c中与待查询问题相似度最高的问题为问题2，可以根据问题1，问题4，问题2的排序依次确定对应的问题集a、b、c的排序，即得到问题集a、b、c的降序排序为：a、c、b。这时，如果上述第二预设数目例如为2，则选择问题集a、c作为与待查询问题关联的关联问题集。

步骤204，基于关联问题集的答案，生成待查询问题信息的应答信息。

在本实施例中，上述执行主体可以根据确定出来的关联问题集，从知识库中找出关联问题集对应的答案。上述执行主体可以直接将关联问题集关联的答案作为待查询问题的应答信息，也可以将上述关联问题集和关联问题集对应的答案组成待查询问题的应答信息，即应答信息包括待查询问题信息的关联问题集和关联问题集的答案。

继续参见图3a，图3a是根据本公开的实施例的基于自然语言理解的推荐答案的方法的应用场景的一个示意图。在图3a的应用场景中，电子设备301首先获取待查询问题302。之后，电子设备301从知识库中选取出与待查询问题信息关联的关联问题集，生成应答信息303并显示出来。其中，应答信息303包括关联问题集、关联问题集对应的答案。

本公开的上述实施例提供的方法通过从知识库中选取出与待查询问题信息关联的问题集，生成包括关联问题集、关联问题集对应的答案的应答信息。从而根据应答信息所包含的所有关联问题集、关联问题集对应的答案，实现智能化的应答，推荐比较全面准确的答案，提高应答效率。

继续参见图3b，图3b是根据本公开的实施例的基于自然语言理解的推荐答案的方法的应用场景的又一个示意图。在图3b的应用场景中，电子设备301首先获取待查询问题304。之后，电子设备301从知识库中选取出与待查询问题信息关联的关联问题集，生成应答信息305并显示出来。其中，应答信息305包括关联问题集、关联问题集对应的答案以及关联问题集所属的产品线。

本公开的上述实施例提供的方法通过从知识库中选取出与待查询问题信息关联的问题集，生成包括关联问题集、关联问题集对应的答案以及关联问题集所属的产品线的应答信息。从而根据应答信息所包含的所有关联问题集、关联问题集对应的答案以及关联问题集所属的产品线，可以使应答信息适配不同的应用场景，使推荐的答案更加全面，以提高答案的准确性。

进一步参考图4，其示出了基于自然语言理解的推荐答案的方法的又一个实施例的流程400。该基于自然语言理解的推荐答案的方法的流程400，包括以下步骤：

步骤401，获取待查询问题信息。

步骤402，选取与待查询问题信息相匹配的知识库。

在本实施例中，上述步骤401、步骤402分别与前述实施例中的步骤201、步骤202一致，上文针对步骤201、步骤202的描述也适用于步骤401、步骤402，此处不再赘述。

步骤403，基于待查询问题信息与所选取的知识库中的各问题之间的相似度，从所选取的知识库中确定出第一预设数目的候选问题；响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在本实施例中，上述执行主体可以先将待查询问题信息与所选取的知识库中各个问题进行相似度计算，得到待查询问题信息与各个问题之间的相似度值。按照待查询问题信息与问题之间的相似度值从高到底排列，上述执行主体选取出第一预设数目的候选问题。

上述执行主体确定上述的候选问题与待查询问题之间的相似度均满足第一相似度阈值的条件下，对候选问题按照问题集的类别进行分类。上述执行主体根据所选取的知识库中的问题集包含的候选问题，选取出第二预设数目的问题集。其中，第一预设数目超过第二预设数目。上述执行主体将第二预设数目的问题集作为待查询问题的关联问题集。

在本实施例的一些可选的实现方式中，上述方法流程400还可以包括步骤404：响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，从关联问题集中确定出待查询问题信息的待添加问题集；响应于待查询问题信息与待添加问题集中的问题之间的相似度均小于第二相似度阈值，将待查询问题信息添加至待添加问题集中。

在该可选的实现方式中，上述执行主体可以从候选问题中确定出符合与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值的候选问题，并且将符合条件的候选问题所在的问题集，确定为待查询问题信息的候选的待添加问题集。

上述执行主体可以根据所确定的待查询问题信息与候选的待添加问题集中的问题之间的相似度均小于第二相似度阈值，将符合条件的候选的待添加问题集作为确定待添加问题集。上述执行主体将待查询问题信息添加到确定待添加问题集中，作为确定待添加问题集中的一个新的问题信息。其中，第二相似度阈值不小于第一相似度阈值。通过为知识库已有的问题集添加新的问题信息，更新完善已有的知识库，以使推荐更全面的应答信息。

在本实施例的一些可选的实现方式中，上述方法流程400还可以包括步骤405：响应于待查询问题信息与各候选问题之间的相似度均小于第一相似度阈值，将待查询问题信息作为问题集添加至所选取的知识库。

在该可选的实现方式中，上述执行主体可以根据待查询问题信息与各候选问题之间的相似度均小于预设的第一相似度阈值，说明这个问题相对于选取的已有的知识库中的问题集是一个新的问题集，将满足该条件的待查询问题添加到所选取的知识库，并且作为该知识库的一个新的问题集，并可以为新的问题集标注对应的答案。通过为知识库添加新的问题集，更新完善已有的知识库，以使推荐更全面的应答信息。

在本实施例的一些可选的实现方式中，也可以按照如下步骤将待查询问题信息作为问题集添加至所选取的知识库：响应于满足预设条件，对待查询问题信息进行聚类处理，得到至少一个问题集添加至所选取的知识库，其中，预设条件包括以下至少一项：待查询问题信息的数量达到预设数目值、当前时间到达预设的问题集添加时间。

可选的，上述预设条件也可以是与各候选问题之间的相似度均小于第一相似度阈值的待查询问题信息的数量达到预设数目值。

在该可选的实现方式中，当满足与各候选问题之间的相似度均小于第一相似度阈值的待查询问题信息的数量达到预设数目值时，将上述的待查询问题信息进行上述的聚类处理，得到至少一个问题集添加至所选取的知识库。例如，当满足与各候选问题之间的相似度均小于第一相似度阈值的待查询问题信息的数量达到30个时，对这些待查询问题信息进行聚类操作以及添加至所选取的知识库。或者，当前时间到达预设的问题集添加时间时，将上述的待查询问题信息进行上述的聚类处理，得到至少一个问题集添加至所选取的知识库。例如，每天在固定设置的问题集添加的时间点，对与各候选问题之间的相似度均小于第一相似度阈值的待查询问题信息进行聚类操作以及添加至所选取的知识库。通过批量添加待查询问题信息至所选取的知识库，高效地更新知识库的问题集，同时也避免过于频繁地更新知识库造成知识库的访问压力。

步骤406，基于关联问题集的答案，生成待查询问题信息的应答信息。

在本实施例中，上述步骤406与前述实施例中的步骤204一致，上文针对步骤204描述也适用于步骤406，此处不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的基于自然语言理解的推荐答案的方法的流程400体现了更新完善知识库的步骤。根据更新完善知识库，可以从知识库中选取出更全面准确的关联问题集，从而推荐更加准确全面的答案。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的基于自然语言理解的推荐答案的装置500包括：信息获取单元501、知识库选取单元502、确定单元503和生成单元504。其中，信息获取单元501，被配置成获取待查询问题信息；知识库选取单元502，被配置成选取与待查询问题信息相匹配的知识库，其中，知识库包括关联存储的问题集和答案；确定单元503，被配置成从所选取的知识库中确定出与待查询问题信息关联的关联问题集；生成单元504，被配置成基于关联问题集的答案，生成待查询问题信息的应答信息。

在本实施例中，基于自然语言理解的推荐答案的装置500包括：信息获取单元501、知识库选取单元502、确定单元503和生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，待查询问题信息包括产品线类型信息，知识库选取单元502进一步被配置成：根据待查询问题信息包括的产品线类型信息，选取与产品线类型信息关联的知识库。确定单元503进一步被配置成：基于待查询问题信息与所选取的知识库中的各问题之间的相似度，从所选取的知识库中确定出第一预设数目的候选问题；响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，根据包含所确定的候选问题数量，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。确定单元503进一步被配置成根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集：根据所选取的知识库中的问题集包含的候选问题的数量，对所选取的知识库中的问题集进行降序排序，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。确定单元503进一步被配置成根据所选取的知识库中的问题集包含的候选问题，从所选取的知识库中确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集：根据所选取的知识库中的问题集中与待查询问题信息之间的相似度值最高的候选问题的排序，确定所选取的知识库中的问题集的排序；根据所选取的知识库中的问题集的排序，确定出第二预设数目的问题集作为与待查询问题信息关联的关联问题集。

在本实施例的一些可选的实现方式中，上述知识库选取单元502包括：信息获取模块，被配置成获取历史查询问题信息；聚类模块，被配置成对历史查询问题信息聚类，得到至少一个问题集；确定答案模块，被配置成确定与问题集对应的答案。其中，历史查询问题信息包括产品线类型信息，聚类模块进一步被配置成：基于对历史查询问题信息按照产品线类型信息分类，得到针对不同产品线的历史查询问题信息集合；对历史查询问题信息集合中的历史查询问题信息进行聚类，得到至少一个问题集。

在本实施例的一些可选的实现方式中，上述基于自然语言理解的推荐答案的装置500还包括知识库添加单元、问题集确定单元、问题集添加单元。其中，知识库添加单元，被配置成响应于待查询问题信息与各候选问题之间的相似度均小于第一相似度阈值，将待查询问题信息作为问题集添加至所选取的知识库。知识库添加单元进一步被配置成按照如下方式将待查询问题信息作为问题集添加至所选取的知识库：响应于满足预设条件，对待查询问题信息进行聚类处理，得到至少一个问题集添加至所选取的知识库，其中，预设条件包括以下至少一项：待查询问题信息的数量达到预设数目值、当前时间到达预设的问题集添加时间。问题集确定单元，被配置成响应于所确定的候选问题与待查询问题信息之间的相似度均超过预先设置的第一相似度阈值，从关联问题集中确定出待查询问题信息的待添加问题集。问题集添加单元，被配置成响应于待查询问题信息与待添加问题集中的问题之间的相似度均小于第二相似度阈值，将待查询问题信息添加至待添加问题集中，其中，第二相似度阈值不小于第一相似度阈值。

本公开的上述实施例提供的装置，通过信息获取单元501获取待查询问题信息，知识库选取单元502选取与待查询问题信息相匹配的知识库，确定单元503从所选取的知识库中确定出与待查询问题信息关联的关联问题集，生成单元504基于关联问题集的答案，生成待查询问题信息的应答信息。从知识库中选取出与待查询问题信息关联的关联问题集，以及关联问题集对应的答案，生成待查询问题的应答信息。从而实现了使推荐的答案更加全面，有利于提高答案的准确性。

下面参考图6，下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、数据处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd，liquidcrystaldisplay)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(radiofrequency，射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待查询问题信息；选取与待查询问题信息相匹配的知识库，其中，知识库包括关联存储的问题集和答案；从所选取的知识库中确定出与待查询问题信息关联的关联问题集；基于关联问题集的答案，生成待查询问题信息的应答信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括信息获取单元、知识库选取单元、确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，信息获取单元还可以被描述为“用于获取待查询问题信息的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。