一种信息应答方法及装置与流程

1.本申请涉及自然语言处理技术领域，尤其涉及一种信息应答方法及装置。


背景技术：

2.随着网络技术的不断发展，智能客服的应用越来越普及。在现有的智能客服系统中，通常采用自然语言理解(natural language understanding简称nlu)模块进行解析，得到相应的结构化解析结果，然后基于该结果结合话术模板生成针对问题的回复信息并返回给用户。
3.然而，由于nlu模块精度有限，比如分类器的类别覆盖不够全面、用户输入内容的非关键特征带来的干扰等造成分类器产生错误的理解，特别是在向用户推送top n类别时(系统返回多个备选答案)，采用基于置信度排序或者基于置信度阈值的过滤方法往往会输出部分不合理的类别，由此造成匹配的意图信息不够准确的问题。


技术实现要素：

4.本申请实施例的目的在于提供一种信息应答方法及装置。其中，本申请的实施例采用了如下技术方案：一种信息应答方法，包括：
5.基于用户的输入信息匹配至少一个待检测的意图信息；
6.获取与所述意图信息对应的答复信息；
7.基于所述输入信息以及与所述待检测的意图信息对应的答复信息，判断所述意图信息是否符合常识，以确定出至少一个符合常识的目标意图信息；
8.响应于所述目标意图信息，输出与所述目标意图对应的答复信息。
9.可选的，基于所述输入信息以及与所述待检测的意图信息对应的答复信息，判断所述意图信息是否符合常识，具体包括：
10.基于所述输入信息以及所述答复信息确定第一常识关键词集合；
11.基于所述答复信息确定与所述答复信息对应的第二常识关键词集合；
12.基于所述第二常识关键词集合以及所述第一常识关键词集合分别进行计算，获得与所述第二常识关键词集合对应的集合相似度，以获得与所述第二常识关键词集合对应的意图信息的置信度；所述置信度用于表征所述意图信息符合常识的可信程度；
13.基于所述意图信息的置信度判断所述意图信息是否符合常识。
14.可选的，所述基于所述第二常识关键词集合以及所述第一常识关键词集合分别进行计算，获得与所述第二常识关键词集合对应的集合相似度，具体包括：
15.获取所述第二常识关键词集合中的第二常识概念关键词；
16.获取所述第一常识关键词中的第一常识概念关键词；
17.分别计算所述第二常识概念关键词与所述第一常识概念关键词的常识概念关联程度，以获得与所述第二常识概念关键词对应的常识概念关联度；
18.基于所述第二常识关键词集合中的与所述第二常识概念关键词对应的常识概念
关联度，计算获得与所述第二常识关键词集合对应的所述集合相似度。
19.可选的，所述方法还包：分析所述第二常识概念关键词与所述第一常识概念关键词的语义相似程度，以获得与所述第二常识概念关键词对应的语义相似度；
20.基于所述第二常识关键词集合中的与所述第二常识概念关键词对应的常识概念关联度以及语义相似度，计算获得与所述第二常识关键词集合对应的所述集合相似度。
21.可选的，所述方法还包括：构建用于计算所述常识概念关联度的若干常识概念树，构建步骤包括：
22.确定若干常识概念对象；
23.基于各所述常识概念对象确定与各所述常识概念对象相关联的若干常识概念元素；
24.基于各所述常识概念对象以及与各所述常识概念对象对应的各所述常识概念元素，确定常识概念对象与常识概念元素、以及常识概念元素与常识概念元素之间的层级关系，以构建获得若干所述常识概念树。
25.可选的，所述计算所述第二常识概念关键词与所述第一常识概念关键词的概念结构关联程度，以获得与所述第二常识概念关键词对应的概念结构关联度，具体包括：
26.判断所述第二常识概念关键词与所述第一常识概念关键词是否相同；
27.在判断所述第二常识概念关键词与所述第一常识概念关键词相同的情况下：
28.确定所述第一常识概念关键词或所述第二常识概念关键词位于目标常识概念树中的层级深度；基于所述层级深度确定所述概念结构关联度；
29.在判断所述第二常识概念关键词与所述第一常识概念关键词不相同的情况下：
30.确定所述第一常识概念关键词和所述第二常识概念关键词位于目标常识概念树中的共同上层节点；
31.确定所述共同上层节点位于目标常识概念树中的层级深度，以将与所述层级深度对应的层级深度值作为所述常识概念关联度。
32.可选的，在确定出若干符合常识的目标意图信息的情况下，所述方法还包括：
33.基于各所述的目标意图信息的置信度对各所述目标意图信息进行排序，以按照排序获得的顺序响应于各所述目标意图。
34.可选的，基于所述意图信息的置信度判断所述意图信息是否符合常识，具体包括：
35.将所述置信度与预设的阈值比较；
36.在所述置信度大于或等于所述预设的阈值的情况下，判断所述意图信息符合常识；
37.在所述置信度小于预设的阈值的情况下，判断所述意图信息不符合常识。
38.可选的，所述基于用户的输入信息匹配至少一个待检测的意图信息，具体包括：
39.基于用户的输入信息确定目标问题；
40.基于预设的自然语言理解模型对所述目标问题进行解析，获得与所述目标问题对应的至少一个意图信息，以获得所述待检测的意图信息。
41.本申请的实施例采用了如下技术方案：一种信息应答装置，包括：
42.匹配模块，用于基于用户的输入信息匹配至少一个待检测的意图信息；
43.获取模块，用于获取与所述意图信息对应的答复信息；
44.确定模块，用于基于所述输入信息以及与所述待检测的意图信息对应的答复信息，判断所述意图信息是否符合常识，以确定出至少一个符合常识的目标意图信息；
45.输出模块，用于响应于所述目标意图信息，输出与所述目标意图对应的答复信息。
46.本申请通过对匹配的意图信息进行判断，确定其是否符合常识，由此能够使得匹配的意图信息更加合理，从而使得最终基于意图信息输出的应答信息更加合理、准确。
附图说明
47.图1为本申请一实施例提供的一种信息应答方法的流程图；
48.图2为本申请又一实施例提供的一种信息应答方法的流程图；
49.图3为本申请又一实施例提供的一种信息应答方法的流程图；
50.图4为本申请中常识概念树的结构示意图；
51.图5为本申请另一实施例提供的一种信息应答装置的结构框图。
具体实施方式
52.此处参考附图描述本申请的各种方案以及特征。
53.应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
54.包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
55.通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。
56.还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
57.当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。
58.此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
59.本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。
60.本申请一实施例提供一种信息应答方法，具体可以应用在智能客服、自然语言理解以及深度学习等场景中。如图1所示，本申请中的信息应答方法包括如下步骤：
61.步骤s101，基于用户的输入信息匹配至少一个待检测的意图信息；
62.本步骤中具体可以接收用户输入的文字信息或者接收用户的语音信息，然后可以
利用自然语言理解模块来对文字信息或语音信息进行语义识别，以此来获得与用户输入的文字信息或用户的语音信息相匹配的若干个意图信息。例如，当用户输入“i don’t know why i can’t enable my bluetooth on my phone”，即当用户输入“我不知道为什么我不能打开我手机上的蓝牙”时，就可以利用语言理解模块来对用户输入的该输入信息进行语义识别，以此来获得与用户输入信息对应的意图信息。例如匹配的意图信息可以为“unable to turn on bluetooth”即“无法打开蓝牙”，在具体实施过程中，可以基于用户输入信息匹配出若干个意图信息。
63.再如当用户输入的输入信息为“rear camera still not working”即“后置摄像头仍然无法工作”，可以为该输入信息匹配到三个意图信息，第一个为：“unable to open camera”即“无法打开摄像机”。第二个为：“unable to turn on bluetooth”即“无法打开蓝牙”。第三个为：“my rear camera is not working”即“我的后置像头坏了”。
64.步骤s102，获取与所述意图信息对应的答复信息；
65.本步骤中具体可以预先为各个意图信息匹配相应的答复信息，由此在确定了意图信息之后就可以获得与意图信息对应的答复信息。
66.例如意图信息“rear camera still not working”即“后置摄像头仍然无法工作”，预先为其匹配的答复信息为“点击设置按键，然后点击相机按键，最后点击启用按键以启用相机”。意图信息“unable to turn on bluetooth”即“无法打开蓝牙”，预先为其匹配的答复信息为“点击设置按键，然后点击蓝牙按键，最后点击与蓝牙装置型号对应的连接按键”，意图信息“my rear camera is not working”即“我的后置像头坏了”，预先为其匹配的答复信息为“检测前置摄像头是否正常，如果也不正常，可以点击设置按键，然后点击相机按键，最后点击启用按键以启用相机”。
67.步骤s103，基于所述输入信息以及与所述待检测的意图信息对应的答复信息，判断所述意图信息是否符合常识，以确定出至少一个符合常识的目标意图信息；
68.本步骤中在获得的若干个意图信息以及与各意图信息对应的答复信息后，就可以基于输入信息以及答复信息来确定匹配的各意图信息是否符合常识，以确定出符合常识的目标意图信息，为后续准确的确定出答复信息提供了基础。
69.例如，可以对输入信息“rear camera still not working”匹配的三个意图信息“unable to open camera”、“unable to turn on bluetooth”以及“my rear camera is not working”进行常识判断，具体是根据与这三个意图信息对应的答复信息以及用户的输入信息来进行常识判断的，以确定出“unable to open camera”和“my rear camera is not working”符合常识，而“unable to turn on bluetooth”不符合常识。
70.步骤s104，响应于所述目标意图信息，输出与所述目标意图对应的答复信息。
71.本申请通过对匹配的意图信息进行判断，确定其是否符合常识，由此能够使得匹配的意图信息更加合理，从而使得最终基于意图信息输出的应答信息更加合理、准确。
72.本申请另一实施例提供一种信息应答方法，如图2所示，包括如下步骤：
73.步骤s201，基于用户的输入信息匹配至少一个待检测的意图信息；
74.本步骤在实施过程中，具体可以基于用户的输入信息确定目标问题；然后基于预设的自然语言理解模型对所述目标问题进行解析，获得与所述目标问题对应的至少一个意图信息，以获得所述待检测的意图信息。
75.步骤s202，获取与所述意图信息对应的答复信息；
76.本步骤中在确定出目标意图信息后，就可以获取与目标意图信息对应的答复信息，进而就可以将该答复信息进行输出。具体的输出方式可以是通过文字方式显示该答复信息输出或者通过语音方式播放该答复信息。
77.步骤s203，基于所述输入信息以及所述答复信息确定第一常识关键词集合；
78.本步骤在获取到各意图信息的答复信息后，就可以对输入信息以及各答复信息中的常识概念关键词进行提取，以此来获得第一常识关键词集合。即本步骤中的第一常识概念关键词集合包含有各个答复信息的常识概念关键词以及输入信息的常识概念关键词。其中常识概念关键词具体为在各个行业领域被熟知的、具有固定含义词汇，例如手机、电脑、平板电脑、相机、器件、存储、软件、应用、显示亮度、卸妆、安装、删除以及恢复等等词汇，在此不一一赘述。
79.步骤s204，基于所述答复信息确定与所述答复信息对应的第二常识关键词集合；
80.本步骤中在获得了第一常识关键词集合后，就可以分别对各答复信息中的常识概念关键词进行提取，以此来获得与各答复信息对应的第二常识关键词集合。
81.步骤s205，基于所述第二常识关键词集合以及所述第一常识关键词集合分别进行计算，获得与所述第二常识关键词集合对应的集合相似度，以获得与所述第二常识关键词集合对应的意图信息的置信度；所述置信度用于表征所述意图信息符合常识的可信程度。
82.本步骤中在获得集合相似度后，就可以利用该集合相似度来作为对应的意图信息的置信度，即各第二常识关键词集合与第一常识概念关键词集合的相似度越高，说明与各第二常识关键词集合对应的意图信息的置信度就越高，即说明该意图信息越符合常识。
83.步骤s206，基于所述意图信息的置信度判断所述意图信息是否符合常识，以确定出至少一个符合常识的目标意图信息；
84.本步骤中在实施过程中具体可以将所述置信度与预设的阈值比较；在所述置信度大于或等于所述预设的阈值的情况下，判断所述意图信息符合常识；在所述置信度小于预设的阈值的情况下，判断所述意图信息不符合常识。由此能够使得确定出的目标意图信息更加合理、准确。
85.步骤s207，响应于所述目标意图信息，输出与所述目标意图对应的答复信息。
86.本步骤在实施过程中，在输出答复信息之前，还可以基于各所述的目标意图信息的置信度对各所述目标意图信息进行排序，以按照排序获得的顺序响应于各所述目标意图，然后按照目标意图信息的顺序响应各目标意图信息，输出各答复信息，具体也可以输出置信度最高的一个目标意图的答复信息。通过按照置信度的高低来顺序输出目标意图的答复信息，能够使得输出的答复信息更加符合用户的需要。在具体应用场景中可以根据用户的操作来逐个的输出答复信息，比如当先输出置信度最高的答复信息后，用户可以通过点击按钮来确定问题是否得到解决，如果用户点击“是”，则不会再输出答复信息，若用户点击“否”，则可以目标意图信息的按照置信度的排序来输出下个目标意图的答复信息，直至用户的问题得到解决点击“是”，或者预定时间后用户没有其他操作，则本次应答结束。
87.本申请又一实施例提供一种信息应答方法，如图3所示，包括如下步骤：
88.步骤s301，基于用户的输入信息匹配至少一个待检测的意图信息；
89.步骤s302，获取与所述意图信息对应的答复信息。
90.步骤s303，基于所述输入信息以及所述答复信息确定第一常识关键词集合。
91.本步骤在获取到各意图信息的答复信息后，就可以对输入信息以及各答复信息中的常识概念关键词进行提取，以此来获得第一常识关键词集合。即本步骤中的第一常识概念关键词集合包含有各个答复信息的常识概念关键词以及输入信息的常识概念关键词。其中常识概念关键词具体为在各个行业领域被熟知的、具有固定含义词汇，例如手机、电脑、平板电脑、相机、器件、存储、软件、应用、显示亮度、卸妆、安装、删除以及恢复等等词汇，在此不一一赘述。
92.步骤s304，基于所述答复信息确定与所述答复信息对应的第二常识关键词集合。
93.本步骤中在获得了第一常识关键词集合后，就可以分别对各答复信息中的常识概念关键词进行提取，以此来获得与各答复信息对应的第二常识关键词集合。
94.步骤s305，获取所述第二常识关键词集合中的第二常识概念关键词；获取所述第一常识关键词中的第一常识概念关键词；分别计算所述第二常识概念关键词与所述第一常识概念关键词的常识概念关联程度，以获得与所述第二常识概念关键词对应的常识概念关联度。
95.本步骤中常识概念关联程度表示两个词汇从所属行业领域、类别、属性等角度来看是否有关，例如“手机”和“香蕉”这两个常识概念关键词领域不同，则可以说常识概念关联程度较低，而“手机”和“摄像头”虽然类别不同，但是由于“手机”中包含有“摄像头”，所以这两个常识概念关键概念关联程度较高。
96.具体的在计算常识概念关联度之前，需要先构建若干如图4所示的常识概念树，利用常识概念树来计算常识概念关联度。具体构建常识概念树步骤包括：确定若干常识概念对象；基于各所述常识概念对象确定与各所述常识概念对象相关联的若干常识概念元素；基于各所述常识概念对象以及与各所述常识概念对象对应的各所述常识概念元素，确定常识概念对象与常识概念元素、以及常识概念元素与常识概念元素之间的层级关系，以构建获得若干所述常识概念树。本实施例中常识概念对象具体可以基于物品的名称、类别等来确定，比如确定“手机”为常识概念对象，然后就可以将该常识概念对象作为常识概念树的根节点。确定了常识概念对象之后，就可以基于该常识概念对象“手机”来确定与“手机”相关联的若干常识概念元素，比如确定的常识概念元素包括：“硬件”、“声音”、“连接”“文件”、“显示”、“操作”、“存储”、“应用”、“通话”、“亮度”、“色温”、“对比度”、“分辨率”等等。在确定出了若干常识概念元素之后，就可以根据各常识概念元素与常识概念对象的层级关系或各常识概念元素与各常识概念元素之间的层级关系，来确定各常识概念元素在常识概念树中的位置。例如确定常识概念元素“硬件”、“声音”、“连接”“文件”、“显示”、“操作”、“存储”、“应用”、“通话”以及“亮度”与常识概念对象“手机”之间是直接层级关系，则可以将常识概念元素“硬件”、“声音”、“连接”“文件”、“显示”、“操作”、“存储”、“应用”、“通话”以及“亮度”作为常识概念对象“手机”的下一级，即作为常识概念树的子节点。进一步又确定常识概念元素“亮度”、“色温”、“对比度”、“分辨率”与分别与常识概念元素“显示”是直接层级关系，由此就可以将常识概念元素“亮度”、“色温”、“对比度”、“分辨率”作为常识概念元素“显示”的下一级，即作为常识概念树的孙节点，由此就可以构建出若干常识概念树。在本实施例中的常识概念树中，根节点为手机，表示其所属细分行业。常识概念树的第二层，表示在手机细分行业内，进一步按照行业知识和惯例划分后的一级常识概念，如显示，表示和手机显示
相关各项常识概念。常识概念树的第三层表示将一级常识概念进行细分后得到的二级常识概念，如屏幕亮度，色温，对比度，柔光和分辨率是一级常识概念显示下细分常识概念。常识概念树的第四层，是对二级常识概念的细分。
97.本步骤中，在构建出常识概念树之后，就可以计算常识概念关联度了，具体的需要先从若干个常识概念树中挑选出目标常识概念树，具体可以根据第一常识关键词集合中的第一常识概念关键词在各常识概念树中的占比来确定出目标常识概念树，即挑选出包含有第一常识概念关键词最多的常识概念树作为目标常识概念树，然后进行常识概念关联度计算。常识概念关联度的具体计算过程如下：判断所述第二常识概念关键词与所述第一常识概念关键词是否相同；在判断所述第二常识概念关键词与所述第一常识概念关键词相同的情况下：确定所述第一常识概念关键词或所述第二常识概念关键词位于目标常识概念树中的层级深度；基于所述层级深度确定所述概念结构关联度。在判断所述第二常识概念关键词与所述第一常识概念关键词不相同的情况下：确定所述第一常识概念关键词和所述第二常识概念关键词位于目标常识概念树中的共同上层节点；确定所述共同上层节点位于目标常识概念树中的层级深度，以将与所述层级深度对应的层级深度值作为所述常识概念关联度。例如，第一常识关键词集合中的第一常识概念关键词为：“硬件”、“声音”和“亮度”，第二常识关键词集合中的第二常识概念关键词包括：“硬件”和“亮度”。则各第二常识概念关键词的概念结构关联度包括：tree_sim(硬件，硬件)、tree_sim(硬件，声音)、tree_sim(硬件，亮度)、tree_sim(亮度，硬件)、tree_sim(亮度，声音)以及tree_sim(亮度，亮度)。进一步，根据如图4所示的常识概念树，确定第二常识概念关键词的概念关联度tree_sim(硬件，硬件)，其所涉及的第二常识概念关键词“硬件”与第一常识概念关键词“硬件”相同，则可以确定所述第一常识概念关键词或所述第二常识概念关键词“硬件”位于目标常识概念树中的层级深度为2，由此就可以基于所述层级深度2确定所述概念结构关联度tree_sim(硬件，硬件)＝2。然后根据如图4所示的常识概念树，确定第二常识概念关键词的常识概念关联度tree_sim(硬件，声音)所涉及的第二常识概念关键词“硬件”与第一常识概念关键词“声音”不相同，则确定所述“硬件”和“声音”位于目标常识概念树中的共同上层节点为“手机”；确定所述共同上层节点“手机”位于目标常识概念树中的层级深度为1，进而就可以确定常识概念关联度tree_sim(硬件，声音)＝1。同理可以确定出常识概念关联度tree_sim(硬件，亮度)＝1，常识概念关联度tree_sim(亮度，硬件)＝1，常识概念关联度tree_sim(亮度，声音)＝1，常识概念关联度tree_sim(亮度，亮度)＝3。
98.步骤s306，基于所述第二常识关键词集合中的与所述第二常识概念关键词对应的常识概念关联度，计算获得与所述第二常识关键词集合对应的所述集合相似度，以获得与所述第二常识关键词集合对应的意图信息的置信度；所述置信度用于表征所述意图信息符合常识的可信程度。
99.本步骤中在计算获得了每个第二常识概念关键词与第一常识概念关键词的常识概念关联度之后，就可以将同一集合中的同一个集合中的各第二常识概念关键词的概念结构关联度进行加权，以此来作为该第二常识关键词集合与第一常识关键词集合的相似度。
100.步骤s307，基于所述意图信息的置信度判断所述意图信息是否符合常识，以确定出至少一个符合常识的目标意图信息；
101.步骤s308，响应于所述目标意图信息，输出与所述目标意图对应的答复信息。
102.本申请中通过构建常识概念树，然后根据常识概念树来进行各第二常识概念关键词与第一常识概念关键词的概念结构关联度，由此就可以确定各第二常识关键词集合与第一常识关键词集合的相似度，进而获得各意图信息的置信度，为后续准确的确定出目标意图、基于目标意图输出答复信息奠定了基础。
103.本申请又一实施例提供一种信息应答方法，包括如下步骤：
104.步骤s401，基于用户的输入信息匹配至少一个待检测的意图信息；
105.步骤s402，获取与所述意图信息对应的答复信息；
106.步骤s403，基于所述输入信息以及所述答复信息确定第一常识关键词集合；
107.步骤s404，基于所述答复信息确定与所述答复信息对应的第二常识关键词集合；
108.步骤s405，获取所述第二常识关键词集合中的第二常识概念关键词；获取所述第一常识关键词中的第一常识概念关键词；分别计算所述第二常识概念关键词与所述第一常识概念关键词的常识概念关联程度，以获得与所述第二常识概念关键词对应的常识概念关联度。
109.步骤s406，分析所述第二常识概念关键词与所述第一常识概念关键词的语义相似程度，以获得与所述第二常识概念关键词对应的语义相似度。
110.步骤s407，基于所述第二常识关键词集合中的与所述第二常识概念关键词对应的常识概念关联度以及语义相似度，计算获得与所述第二常识关键词集合对应的所述集合相似度，以获得与所述第二常识关键词集合对应的意图信息的置信度；所述置信度用于表征所述意图信息符合常识的可信程度。
111.步骤s408，基于所述意图信息的置信度判断所述意图信息是否符合常识，以确定出至少一个符合常识的目标意图信息；
112.步骤s409，响应于所述目标意图信息，输出与所述目标意图对应的答复信息。
113.本申请中在计算各第二常识关键词集合与第一常识关键词集合的集合相似度时，一方面需要计算获得各第二常识概念关键词与第一常识概念关键词的概念结构关联度，另一方面还需要计算获得各第二常识概念关键词与各第一常识概念关键词的语义相似度，然后再结合概念结构关联度和语义相似度来计算各第二常识概念关键词集合的集合相似度，从而使得集合相似度的计算更加准确，为后续准确的确定出目标意图以及输出答复信息提供了基础。
114.为了进一步解释说明，以下结合具体的应用场景进行说明，例如用户的输入信息为q，则输入信息q经过nlu理解模块即自然语言理解模块，输出top n的意图信息，这里以top-3，即nlu模块输出三个意图信息i1、i2和i3为例进行说明。根据top-3意图信息i1、i2和i3从知识库查询得到三个意图信息对应的答复信息分别为a1、a2和a3。然后将输入信息q和3个意图i1、i2和i3以及对应的答案a1、a2和a3进行组合，得到三个三元组即三个集合<q、i1、a1>、<q、i2、a2>和<q、i3、a3>。
115.针对三个三元组<q、i1、a1>、<q、i2、a2>和<q、i3、a3>，分别提取用户输入信息q以及答复信息a1、a2和a3内的常识概念关键词，以此来获得第一常识关键词集合q_c。然后分别提取各答复信息a1、a2和a3内的常识概念关键词，获得与答复信息a1对应的第二常识关键词集合a1_c、与答复信息a2对应的第二常识关键词集合a2_c以及与答复信息a3对应的第二常识关键词集合a3_c。
116.根据第一常识关键词集合q_c从若干个常识概念树中确定出目标常识概念树，根据目标常识概念树计算各第二常识关键词集合与第一常识关键词集合的相似度，即计算<q_c,a1_c>，<q_c,a1_c>，<q_c,a2_c>，<q_c,a3_c>的相似度。以<q_c,a1_c>为例，计算相似度时，首先将第一常识关键词集合q_c和第二常识关键词集合a1_c中的常识概念关键词转化成向量表示，可以借助词向量模型完成，也可以采用目前广泛使用的预训练模型进行编码得到。然后将两个集合中的各第一常识概念关键词c1和各第二常识概念关键词c2两两组合，以计算各第二常识概念关键词的常识概念关联度以及语义相似度，最后将各第二常识概念关键词的常识概念关联度以及语义相似度进行加权计算，以此来获得与各第二常识关键词集对应的集合相似度。具体可以采用如下计算公式来计算第二常识关键词集合,a1_c的集合相似度：
[0117][0118]
其中，1≤n≤n，1≤m≤m。公式中，sim＜q_c,a1_c＞表示第二常识关键词集合a1_c与第一常识关键词集合q_c的相似度；n表示第一常识关键词集合q_c中第一常识关键词的个数；m表示第二常识关键词集合a1_c第二常识关键词的个数；word_sim(c1
n
,c2
m
)表示第m个第二常识关键词c2与第n个第一常识关键词c1的语义相似度；tree_sim(c1
n
,c2
m
)表示第m个二常识关键词c2与第n个第一常识关键词c1的概念结构关联度。
[0119]
本实施例中，常识概念关联度的计算方法为：判断第二常识概念关键词c2与所述第一常识概念关键词c1是否相同；在判断所述第二常识概念关键词c2与所述第一常识概念关键词c1相同的情况下：确定所述第一常识概念关键词或所述第二常识概念关键词位于目标常识概念树中的层级深度；基于所述层级深度确定所述概念结构关联度。在判断所述第二常识概念关键词c2与所述第一常识概念关键词c1不相同的情况下：确定所述第一常识概念关键词和所述第二常识概念关键词位于目标常识概念树中的共同上层节点；确定所述共同上层节点位于目标常识概念树中的层级深度，以将与所述层级深度对应的层级深度值作为所述常识概念关联度。
[0120]
通过上述方法可以分别计算得到<q_c,a1_c>，<q_c,a2_c>以及<q_c,a3_c>的集合相似度，由此就可以进一步确定与各第二常识关键词集合对应的意图信息的置信度，然后通过将各置信度与预设的阈值进行比较，确定出目标意图，由此就可以进一步确定与答复信息，使得确定出的答复信息更加准确、合理。
[0121]
本申请另一实施例提供一种信息应答装置，如图5所示，包括：
[0122]
匹配模块1，用于基于用户的输入信息匹配至少一个待检测的意图信息；
[0123]
获取模块2，用于获取与所述意图信息对应的答复信息；
[0124]
确定模块3，用于基于所述输入信息以及与所述待检测的意图信息对应的答复信息，判断所述意图信息是否符合常识，以确定出至少一个符合常识的目标意图信息；
[0125]
输出模块4，用于响应于所述目标意图信息，输出与所述目标意图对应的答复信息。
[0126]
本实施例在具体实施过程中，所述确定模块具体用于：基于所述输入信息以及所述答复信息确定第一常识关键词集合；基于所述答复信息确定与所述答复信息对应的第二常识关键词集合；基于所述第二常识关键词集合以及所述第一常识关键词集合分别进行计
算，获得与所述第二常识关键词集合对应的集合相似度，以获得与所述第二常识关键词集合对应的意图信息的置信度；所述置信度用于表征所述意图信息符合常识的可信程度；基于所述意图信息的置信度判断所述意图信息是否符合常识。
[0127]
本实施例中的信息应答装置，所述确定模块具体用于：获取所述第二常识关键词集合中的第二常识概念关键词；获取所述第一常识关键词中的第一常识概念关键词；分别计算所述第二常识概念关键词与所述第一常识概念关键词的常识概念关联程度，以获得与所述第二常识概念关键词对应的常识概念关联度；基于所述第二常识关键词集合中的与所述第二常识概念关键词对应的常识概念关联度，计算获得与所述第二常识关键词集合对应的所述集合相似度。
[0128]
本实施例中的信息应答装置还包括获得模块，所述获得模块用于：分析所述第二常识概念关键词与所述第一常识概念关键词的语义相似程度，以获得与所述第二常识概念关键词对应的语义相似度。所述确定模块还用于：基于所述第二常识关键词集合中的与所述第二常识概念关键词对应的常识概念关联度以及语义相似度，计算获得与所述第二常识关键词集合对应的所述集合相似度。
[0129]
本实施例中的信息应答装置还包括构建用于计算所述常识概念关联度的若干常识概念树的构建模块，所述构建模块具体用于：确定若干常识概念对象；基于各所述常识概念对象确定与各所述常识概念对象相关联的若干常识概念元素；基于各所述常识概念对象以及与各所述常识概念对象对应的各所述常识概念元素，确定常识概念对象与常识概念元素、以及常识概念元素与常识概念元素之间的层级关系，以构建获得若干所述常识概念树。
[0130]
所述确定模块在用于计算所述第二常识概念关键词与所述第一常识概念关键词的概念结构关联程度，以获得与所述第二常识概念关键词对应的概念结构关联度时，具体用于：判断所述第二常识概念关键词与所述第一常识概念关键词是否相同；在判断所述第二常识概念关键词与所述第一常识概念关键词相同的情况下：确定所述第一常识概念关键词或所述第二常识概念关键词位于目标常识概念树中的层级深度；基于所述层级深度确定所述概念结构关联度；在判断所述第二常识概念关键词与所述第一常识概念关键词不相同的情况下：确定所述第一常识概念关键词和所述第二常识概念关键词位于目标常识概念树中的共同上层节点；确定所述共同上层节点位于目标常识概念树中的层级深度，以将与所述层级深度对应的层级深度值作为所述常识概念关联度。
[0131]
本实施例中的信息应答装置还包括排序模块，排序模块用于：基于各所述的目标意图信息的置信度对各所述目标意图信息进行排序，以使输出模块按照排序获得的顺序响应于各所述目标意图。
[0132]
本实施例中确定模块在用于基于所述意图信息的置信度判断所述意图信息是否符合常识时，具体用于：将所述置信度与预设的阈值比较；在所述置信度大于或等于所述预设的阈值的情况下，判断所述意图信息符合常识；在所述置信度小于预设的阈值的情况下，判断所述意图信息不符合常识。
[0133]
本实施例中的信息应答装置，所述匹配模块具体用于：基于用户的输入信息确定目标问题；基于预设的自然语言理解模型对所述目标问题进行解析，获得与所述目标问题对应的至少一个意图信息，以获得所述待检测的意图信息。
[0134]
本实施例中通过对匹配的意图信息进行判断，确定其是否符合常识，由此能够使
得匹配的意图信息更加合理，从而使得最终基于意图信息输出的应答信息更加合理、准确。
[0135]
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。