基于NLP模型的问答结果生成方法、装置、设备和介质与流程

本技术涉及自然语言处理领域，尤其涉及一种基于nlp模型的问答结果生成方法、装置、设备和介质。

背景技术：

1、随着深度学习技术的快速发展，自然语言处理(nlp)已成为人工智能领域中备受瞩目的方向。nlp模型作为利用自然语言处理技术构建的模型，在许多应用场景中都取得了显著的进步，例如机器翻译、智能客服、情感分析等。

2、然而，尽管nlp模型在许多方面表现优异，但在某些特殊方面仍有待优化。例如，nlp模型在处理特定领域的问题时，由于现有的nlp模型大多使用通用语料库进行训练，缺乏针对特定领域的语义理解和知识储备。此外，当遇到特定领域的专业词汇或语境时，nlp模型可能无法准确理解和生成相应的回答，因此，现有的nlp模型无法对特定领域的问题进行个性化处理。

3、因此，如何解决nlp模型无法对特定领域的问题进行个性化处理的问题，以满足用户的实际需求，是目前亟需解决的关键问题。

技术实现思路

1、本技术提供一种基于nlp模型的问答结果生成方法、装置、设备和介质，用以解决nlp模型无法对特定领域的问题进行个性化处理的问题。

2、第一方面，本技术提供一种基于nlp模型的问答结果生成方法，该方法包括：

3、获取用户发送的问答请求，所述问答请求包括：待询问的目标问题；

4、根据所述目标问题，对向量问答数据库进行查询处理，得到与所述目标问题对应的目标问答向量对，所述向量问答数据库用于指示历史问题与所述历史问题的历史问答结果之间的关联关系；

5、对所述目标问题和所述目标问答向量对进行拼接处理，得到目标查询问题；

6、采用nlp模型对所述目标查询问题进行特征处理，生成与所述问答请求对应的目标问答结果。

7、可选的，所述向量问答数据库包括：多个候选标题向量以及每个候选标题向量对应的候选结果向量，所述根据所述目标问题，对向量问答数据库进行查询处理，得到与所述目标问题对应的目标问答向量对，包括：

8、对所述目标问题进行向量转换处理，得到目标问题向量；

9、根据所述目标问题向量和所述多个候选标题向量，确定目标标题向量；

10、将所述目标标题向量对应的候选结果向量作为目标结果向量；

11、根据所述目标标题向量和所述目标结果向量，确定所述目标问答向量对。

12、可选的，所述根据所述目标问题向量和所述多个候选标题向量，确定目标标题向量，包括：

13、采用余弦相似性算法，确定所述目标问题向量与每个候选标题向量之间的候选相似度；

14、对多个候选相似度进行筛选处理，得到目标相似度，所述目标相似度为所述目标问题向量与所述候选标题向量之间满足预设条件的相似度；

15、将所述目标相似度对应的候选标题向量作为所述目标标题向量。

16、可选的，所述对所述目标问题和所述目标问答向量对进行拼接处理，得到目标查询问题，包括：

17、对所述目标问答向量对进行文字转换处理，得到目标问答文字，所述目标问答文字包括：目标文字标题和所述目标文字标题的目标文字答案；

18、根据预设拼接规则，对所述目标问题、所述目标文字标题和所述目标文字答案进行拼接处理，得到所述目标查询问题，所述预设拼接规则用于指示所述目标问题、所述目标文字标题和所述目标文字答案之间的位置排列顺序。

19、可选的，所述根据预设拼接规则，对所述目标问题、所述目标文字标题和所述目标文字答案进行拼接处理，得到所述目标查询问题，包括：

20、根据所述目标问题、所述目标文字标题和所述目标文字答案，确定多个待排列对象；

21、根据所述预设排列规则，对所述多个待排列对象进行排列处理，得到具有位置顺序的位置排列结果；

22、判断所述位置排列结果是否满足预设排列结果；

23、若是，则根据所述位置排列结果，确定所述目标查询问题。

24、可选的，所述采用nlp模型对所述目标查询问题进行特征处理，生成与所述问答请求对应的目标问答结果，包括：

25、根据所述nlp模型，确定所述nlp模型的输入标准；

26、按照输入标准对所述目标查询问题进行格式处理，得到新的目标查询问题；

27、将所述新的目标查询问题输入所述nlp模型，得到所述目标问答结果。

28、可选的，所述采用nlp模型对所述目标查询问题进行特征处理，生成与所述问答请求对应的目标问答结果之后，所述方法还包括：

29、分别对所述目标问题和所述目标问答结果进行数据清洗处理，得到所述目标问题的问题标题，以及所述目标问答结果的问题结果；

30、根据所述问题标题，确定与所述问题标题对应的标题向量，并根据所述问题结果，确定与所述问题结果对应的结果向量；

31、根据所述标题向量和所述结果向量，对所述向量问答数据库进行更新处理，得到新的向量问答数据库。

32、第二方面，本技术提供一种基于nlp模型的问答结果生成装置，该装置，包括：

33、获取模块，用于获取用户发送的问答请求，所述问答请求包括：待询问的目标问题；

34、处理模块，用于根据所述目标问题，对向量问答数据库进行查询处理，得到与所述目标问题对应的目标问答向量对，所述向量问答数据库用于指示历史问题与所述历史问题的历史问答结果之间的关联关系；

35、所述处理模块，还用于对所述目标问题和所述目标问答向量对进行拼接处理，得到目标查询问题；

36、生成模块，用于采用nlp模型对所述目标查询问题进行特征处理，生成与所述问答请求对应的目标问答结果。

37、可选的，所述处理模块，还用于对所述目标问题进行向量转换处理，得到目标问题向量；

38、所述装置还包括：确定模块；

39、所述确定模块，用于根据所述目标问题向量和所述多个候选标题向量，确定目标标题向量；

40、所述确定模块，还用于将所述目标标题向量对应的候选结果向量作为目标结果向量；

41、所述确定模块，还用于根据所述目标标题向量和所述目标结果向量，确定所述目标问答向量对。

42、可选的，所述确定模块，还用于采用余弦相似性算法，确定所述目标问题向量与每个候选标题向量之间的候选相似度；

43、所述处理模块，还用于对多个候选相似度进行筛选处理，得到目标相似度，所述目标相似度为所述目标问题向量与所述候选标题向量之间满足预设条件的相似度；

44、所述确定模块，具体用于将所述目标相似度对应的候选标题向量作为所述目标标题向量。

45、可选的，所述处理模块，还用于对所述目标问答向量对进行文字转换处理，得到目标问答文字，所述目标问答文字包括：目标文字标题和所述目标文字标题的目标文字答案；

46、所述处理模块，还用于根据预设拼接规则，对所述目标问题、所述目标文字标题和所述目标文字答案进行拼接处理，得到所述目标查询问题，所述预设拼接规则用于指示所述目标问题、所述目标文字标题和所述目标文字答案之间的位置排列顺序。

47、可选的，所述确定模块，还用于根据所述目标问题、所述目标文字标题和所述目标文字答案，确定多个待排列对象；

48、所述处理模块，还用于根据所述预设排列规则，对所述多个待排列对象进行排列处理，得到具有位置顺序的位置排列结果；

49、所述装置还包括：判断模块；

50、所述判断模块，用于判断所述位置排列结果是否满足预设排列结果；

51、所述确定模块，还用于在所述位置排列结果满足预设排列结果时，根据所述位置排列结果，确定所述目标查询问题。

52、可选的，所述确定模块，还用于根据所述nlp模型，确定所述nlp模型的输入标准；

53、所述处理模块，还用于按照输入标准对所述目标查询问题进行格式处理，得到新的目标查询问题；

54、所述装置还包括：输入模块；

55、所述输入模块，用于将所述新的目标查询问题输入所述nlp模型，得到所述目标问答结果。

56、可选的，所述处理模块，还用于分别对所述目标问题和所述目标问答结果进行数据清洗处理，得到所述目标问题的问题标题，以及所述目标问答结果的问题结果；

57、所述确定模块，还用于根据所述问题标题，确定与所述问题标题对应的标题向量，并根据所述问题结果，确定与所述问题结果对应的结果向量；

58、所述处理模块，还用于根据所述标题向量和所述结果向量，对所述向量问答数据库进行更新处理，得到新的向量问答数据库。

59、第三方面，本技术提供一种基于nlp模型的问答结果生成设备，包括：

60、存储器；

61、处理器；

62、其中，所述存储器存储计算机执行指令；

63、所述处理器执行所述存储器存储的计算机执行指令，以实现如上述第一方面及第一方面各种可能的实现方式所述的基于nlp模型的问答结果生成方法。

64、第四方面，本技术提供一种计算机存储介质，其上存储有计算机执行指令，所述计算机执行指令被处理器执行以实现如上述第一方面及第一方面各种可能的实现方式所述的基于nlp模型的问答结果生成方法。

65、本技术提供的基于nlp模型的问答结果生成方法，在获取到待询问的目标问题时，首先可以将目标问题与向量问答数据库进行向量匹配，得到与目标问题对应的目标问答向量对，然后将目标问题和目标问答向量对进行拼接处理，得到既包含有目标问题，又包含有历史问题和历史答案的目标查询问题，最后，采用nlp模型对目标查询问题进行特征处理，得到与目标问题对应的目标问答结果。该方法解决了nlp模型无法对特定领域的问题进行个性化处理的问题，从而满足了用户的实际需求。同时，该方法通过个性化处理特定领域的问题，能够使用户可以得到更加相关和准确的答案，从而提高了用户对问答系统的满意度。