聚合以生成观点聚合簇具体包括: 提取所述多个候选答案短句中的关键词； 计算每两个所述关键词之间的向量夹角和/或语义相似度； 对所述向量夹角小于预设角度或语义相似度大于预设阈值的所述候选答案进行聚合以生成观点聚合簇。11.如权利要求7所述的方法，其特征在于，当所述问题类型为片段类型时，所述根据选择的答案生成模式和所述问题信息生成对应的问答结果具体包括: 获取所述问题信息对应的候选答案； 对所述候选答案进行切分以生成多个候选答案短句； 对所述多个候选答案短句进行重要度打分以生成所述候选答案短句对应的短句重要度特征； 根据所述短句重要度特征生成答案摘要； 根据所述答案摘要的短句重要度特征对答案质量进行打分，并根据打分结果对候选答案进行排序； 将排序结果作为问答结果进行反馈。12.如权利要求11所述的方法，其特征在于，所述根据所述答案摘要的短句重要度特征对答案质量进行打分具体包括: 根据所述答案摘要的短句重要度特征、答案权威性、问题信息的相关性和答案的丰富度对答案质量进行打分。13.如权利要求11所述的方法，其特征在于，所述根据打分结果对候选答案进行排序具体包括: 获取用户的行为数据；以及 根据所述用户的行为数据和所述打分结果对所述候选答案进行排序。14.如权利要求1-13任一项所述的方法，其特征在于，还包括: 所述信息搜索服务模块接收所述问题信息； 所述信息搜索服务模块根据所述问题信息进行搜索以生成多个候选网页； 所述信息搜索服务模块对所述候选网页进行篇章分析以生成对应的摘要，并将摘要作为问答结果进行反馈。15.如权利要求1-14任一项所述的方法，其特征在于，所述对所述候选网页进行篇章分析以生成对应的摘要具体包括: 对所述候选网页进行篇章分析以生成对应的候选篇章； 对所述候选篇章中的句子进行打分排序；以及 根据打分排序结果生成所述摘要。16.如权利要求15所述的方法，其特征在于，所述根据打分排序结果生成所述摘要具体包括: 获取用户的需求场景信息； 根据所述需求场景信息和所述打分排序结果生成所述摘要。17.如权利要求15所述的方法，其特征在于，还包括: 对多个候选篇章的信息进行聚合。18.—种基于人工智能的深度问答服务提供装置，其特征在于，包括输入接收模块、多个问答服务模块、分发模块和决策模块，其中， 所述输入接收模块，用于获取用户输入的问题信息； 所述分发模块，用于根据所述问题信息获取用户的用户需求信息，并根据所述用户需求信息将所述问题信息分发至对应的至少一个问答服务模块； 所述多个问答服务模块，用于根据接收到的问题信息生成问答结果并返回至所述决策丰吴块； 所述决策模块，用于接收所述至少一个问答服务模块返回的问答结果，并对所述问答结果进行决策以确定最终的问答结果。19.如权利要求18所述的装置，其特征在于，还包括: 补全模块，用于获取与所述用户的对话交互信息，并根据所述对话交互信息的对话上文对所述问题信息进行补全。20.如权利要求18所述的装置，其特征在于，所述决策模块具体包括: 问答结果接收子模块，用于接收所述至少一个问答服务模块返回的问答结果； 分析子模块，用于根据所述问题信息生成需求分析特征，并获取各个问答服务模块返回的问答结果的置信度特征、所述用户的对话交互信息的上下文特征以及所述用户的个性化模型特征； 决策子模块，用于根据所述需求分析特征、所述问答结果的置信度特征、所述用户的对话交互信息的上下文特征以及所述用户的个性化模型特征对所述问答结果进行决策以确定最终的问答结果。21.如权利要求20所述的装置，其特征在于，其中，所述需求分析特征、所述问答结果的置信度特征、所述用户的对话交互信息的上下文特征以及所述用户的个性化模型特征分别对应有各自的决策权重。22.如权利要求21所述的装置，其特征在于，所述决策模块还包括: 训练子模块，用于根据所述用户的日志基于增强学习模型对所述需求分析特征、所述问答结果的置信度特征、所述用户的对话交互信息的上下文特征以及所述用户的个性化模型特征的决策权重进行训练。23.如权利要求18所述的装置，其特征在于，所述问答服务模块包括阿拉丁服务模块、垂类服务模块、深度问答服务模块和信息搜索服务模块。24.如权利要求23所述的装置，其特征在于，所述深度问答服务模块包括: 第一接收子模块，用于接收所述问题信息； 问题类型获取子模块，用于根据所述问题信息获取对应的问题类型； 第一问答结果生成子模块，用于根据所述问题类型选择对应的问答模式，并根据选择的答案生成模式和所述问题信息生成对应的问答结果。25.如权利要求24所述的装置，其特征在于，当所述问题类型为实体类型时，所述第一问答结果生成子模块根据所述问题信息生成实体类问题信息，并基于搜索引擎抓取的摘要和历史展现日志对所述实体类问题信息进行扩展以生成同族实体问题信息簇，其中，所述同族实体问题信息簇分别对应候选答案，以及从所述同族实体问题信息簇分别对应候选答案中抽取候选实体，并计算所述候选实体的置信度，以及将所述置信度大于预设置信度阈值的候选实体作为问答结果进行反馈。26.如权利要求24所述的装置，其特征在于，当所述问题类型为观点类型时，所述第一问答结果生成子模块获取所述问题信息对应的候选答案，并对所述候选答案进行切分以生成多个候选答案短句，以及对所述多个候选答案短句进行聚合以生成观点聚合簇，并判断所述观点聚合簇的观点类型，以及根据所述观点类型从所述观点聚合簇中选择出答案观点，并生成所述答案观点对应的摘要，以及对所述答案观点进行评分，并将评分大于预设评分阈值的答案观点作为问答结果进行反馈。27.如权利要求26所述的装置，其特征在于，所述第一问答结果生成子模块，具体用于: 提取所述多个候选答案短句中的关键词，并计算每两个所述关键词之间的向量夹角和/或语义相似度，以及对所述向量夹角小于预设角度或语义相似度大于预设阈值的所述候选答案进行聚合以生成观点聚合簇。28.如权利要求24所述的装置，其特征在于，当所述问题类型为片段类型时，所述第一问答结果生成子模块获取所述问题信息对应的候选答案，并对所述候选答案进行切分以生成多个候选答案短句，以及对所述多个候选答案短句进行重要度打分以生成所述候选答案短句对应的短句重要度特征，并根据所述短句重要度特征生成答案摘要，以及根据所述答案摘要的短句重要度特征对答案质量进行打分，并根据打分结果对候选答案进行排序，以及将排序结果作为问答结果进行反馈。29.如权利要求28所述的装置，其特征在于，所述第一问答结果生成子模块，具体用于: 根据所述答案摘要的短句重要度特征、答案权威性、问题信息的相关性和答案的丰富度对答案质量进行打分。30.如权利要求28所述的装置，其特征在于，所述第一问答结果生成子模块，具体用于: 获取用户的行为数据，并根据所述用户的行为数据和所述打分结果对所述候选答案进行排序。31.如权利要求18所述的装置，其特征在于，所述信息搜索服务模块具体包括: 第二接收子模块，用于接收所述问题信息； 搜索子模块，用于根据所述问题信息进行搜索以生成多个候选网页； 第二问答结果生成子模块，用于对所述候选网页进行篇章分析以生成对应的摘要，并将摘要作为问答结果进行反馈。32.如权利要求31所述的装置，其特征在于，所述第二问答结果生成子模块具体包括: 篇章生成单元，用于对所述候选网页进行篇章分析以生成对应的候选篇章； 排序单元，用于对所述候选篇章中的句子进行打分排序；以及 摘要生成单元，用于根据打分排序结果生成所述摘要。33.如权利要求32所述的装置，其特征在于，所述摘要生成单元，具体用于: 获取用户的需求场景信息，并根据所述需求场景信息和所述打分排序结果生成所述摘要。34.如权利要求32所述的装置，其特征在于，所述第二问答结果生成子模块还包括: 聚合单元，用于对多个候选篇章的信息进行聚合。
【专利摘要】本发明公开了一种基于人工智能的深度问答服务提供方法和装置，其中，方法包括：获取用户输入的问题信息；根据问题信息获取用户的用户需求信息；根据用户需求信息将问题信息分发至对应的至少一个问答服务模块；接收至少一个问答服务模块返回的问答结果，并对问答结果进行决策以确定最终的问答结果。本发明实施例的基于人工智能的深度问答服务提供方法和装置，通过用户输入的问题信息，获取用户的用户需求信息，并根据用户需求信息将问题信息分发至至少一个问答服务模块，并接收至少一个问答服务模块返回的问答结果，最终对问答结果进行决策以确定最终的问答结果，能够针对用户的深度问题为用户提供更加准确的问答结果，提升用户使用满意度。
【IPC分类】G06F17/30
【公开号】CN105159996
【申请号】CN201510564826
【发明人】马艳军, 吕雅娟, 吴华, 肖欣延, 张伟萌, 李兴建
【申请人】百度在线网络技术（北京）有限公司
【公开日】2015年12月16日
【申请日】2015年9月7日