1.一种提问推荐方法,其特征在于,包括:
针对每轮人机交互对话,确定用于本轮对话的多个备选提问与本轮对话之前的历史对话信息,所述历史对话信息包括至少一组历史提问与历史回答;
根据所述多个备选提问与所述历史对话信息,从所述多个备选提问中确定至少一个待推荐提问;
将所述至少一个待推荐提问推荐给用户。
2.如权利要求1所述方法,其特征在于,所述确定用于本轮对话的多个备选提问,包括:
获取该轮对话的上一轮对话的提问,并确定与该提问含义相近多个近似提问;
针对每个近似提问,从预设对话数据集中确定以该近似提问为在先提问的提问对;
将该提问对中的在后提问确定为一个所述备选提问;
其中,所述预设对话数据集包括多个由一个在先提问与一个在后提问组成的提问对。
3.如权利要求1所述方法,其特征在于,所述历史对话信息包括本轮对话之前紧邻且连续的至少一组历史提问与历史回答。
4.如权利要求1所述方法,其特征在于,根据所述多个备选提问与所述历史对话信息,从所述多个备选提问中确定至少一个待推荐提问,包括:
针对每个所述备选提问,将该备选提问与所述历史对话信息按照发生顺序由先到后排列成语句序列,作为该备选提问对应的待分类文本;
将该备选提问对应的待分类文本输入到训练好的文本分类模型;
得到该备选提问对应的待分类文本属于第一类文本的概率;
将对应的概率大于指定概率的备选提问确定为待推荐提问。
5.如权利要求4所述方法,其特征在于,所述将该备选提问对应的待分类文本输入到所述用户专用的文本分类模型,包括:
将表征特定用户的用户画像向量及该备选提问对应的待分类文本输入所述文本分类模型。
6.如权利要求4所述方法,其特征在于,所述文本分类模型基于以下步骤训练得到:
获取所述第一类文本的数据集与第二类文本的数据集;
以所述第一类文本的数据集为正样本,以所述第二类文本的数据集为负样本,对预训练好的bert模型进行微调;
将微调后的所述bert模型确定为所述文本分类模型。
7.如权利要求6所述方法,其特征在于,每个所述第一类文本用于表征一次历史人机对话数据对应的语句序列,每个所述第二类文本用于表征一次模拟人机对话数据对应的语句序列;
其中所述语句序列是由该轮对话的提问语句、该轮对话之前至少一轮对话中的历史对话信息按照发生顺序由先到后排列形成的。
8.如权利要求6所述方法,其特征在于,所述语句序列的指定位置还包括表征特定用户的用户画像向量;所述指定位置包括:序列开头或序列结尾。
9.一种提问推荐装置,其特征在于,包括:
获取模块,针对每轮人机交互对话,确定用于本轮对话的多个备选提问与本轮对话之前的历史对话信息,所述历史对话信息包括至少一组历史提问与历史回答;
确定模块,根据所述多个备选提问与所述历史对话信息,从所述多个备选提问中确定至少一个待推荐提问;
推荐模块,将所述至少一个待推荐提问推荐给用户。
10.一种电子设备,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,上述处理器被配置为执行所述指令,以实现如权利要求1-8中任一项所述的方法。
11.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-8中任一项所述的方法。