本發明公開了一種智能應答的方法和裝置，屬于人工智能技術領域。所述方法包括：周期性根據應答記錄和預設資料集訓練應答模型庫中的應答模型；當接收到客戶端發送的會話信息時，在所述應答模型庫中確定并調用目標應答模型；通過所述目標應答模型生成所述會話信息的應答信息，向所述客戶端反饋所述應答信息，并添加所述會話信息和所述應答信息至所述應答記錄中。采用本發明，可以實現無需人工過多干預，能夠自主學習，可以精準應答的智能應答處理。

技術領域

本發明涉及人工智能技術領域，特別涉及一種智能應答的方法和裝置。

背景技術

伴隨著人工智能的發展以及機器學習的不斷成熟，原本處在學術研究階段的機器學習技術變得切實可行，逐漸被應用在各種實際工作和生活場景，在這種趨勢的演化下，很多繁瑣、重復的人工崗位將逐步被智能機器/系統所取代。

智能應答是一種通過人工智能和機器學習實現的，用來替代一部分人力成本解決繁瑣的問答工作的方法。目前智能應答被廣泛運用在大量領域，如企業客服、聊天娛樂、來電回復等，大大降低了人力成本，為用戶帶來了便利。然而，現階段的智能應答系統的整體成效還遠未達到預期，經常需要過多的人工干預，并且需要人工采集數據來進行模型訓練，導致遠遠無法滿足各個領域對智能應答的需求。故而，目前亟需一種無需人工過多干預，能夠自主學習，可以精準應答的智能應答方法。

發明內容

為了解決現有技術的問題，本發明實施例提供了一種智能應答的方法和裝置。所述技術方案如下：

第一方面，提供了一種智能應答的方法，所述方法包括：

周期性根據應答記錄和預設資料集訓練應答模型庫中的應答模型；

當接收到客戶端發送的會話信息時，在所述應答模型庫中確定并調用目標應答模型；

通過所述目標應答模型生成所述會話信息的應答信息，向所述客戶端反饋所述應答信息，并添加所述會話信息和所述應答信息至所述應答記錄中。

可選的，所述周期性根據應答記錄和預設資料集訓練應答模型庫中的應答模型，包括：

周期性從應答記錄中提取問答組數據，并從預設資料集中提取應答模型庫中應答模型的預設應答數據對應的問題數據，其中，所述問答組數據包括提問數據和所述提問數據對應的應答數據；

對所述問答組數據和所述問題數據進行數據預處理，并將處理后的問答組數據和問題數據添加至模型訓練語料庫；

周期性基于所述模型訓練語料庫中的數據，通過多層神經網絡訓練應答模型庫中的應答模型。

可選的，對所述問答組數據和所述問題數據進行數據預處理，包括：

對所述問答組數據和所述問題數據進行分詞處理，并基于預設的文本數值轉化規則將分詞得到的詞組轉換為空間向量。

可選的，所述周期性基于所述模型訓練語料庫中的數據，通過多層神經網絡訓練應答模型庫中的應答模型，包括：

周期性獲取所述模型訓練語料庫中的新增數據，將所述新增數據按比例隨機分為訓練數據、測試數據和驗證數據；

分別基于所述訓練數據、測試數據和驗證數據，通過多層神經網絡對所述應答模型庫中的應答模型進行訓練、測試和驗證處理。

可選的，所述當接收到客戶端發送的會話信息時，在所述應答模型庫中確定并調用目標應答模型，包括：

當接收到客戶端發送的會話信息時，確定所述會話信息所屬的應答領域；

在所述應答模型庫中確定并調用所述應答領域對應的目標應答模型。

可選的，所述通過所述目標應答模型生成所述會話信息的應答信息，包括：