本發(fā)明涉及智能問答，特別涉及一種基于自適應(yīng)反饋循環(huán)的智能問答系統(tǒng)及方法。

背景技術(shù)：

1、rag?(retrieval?augmented?generation，檢索增強(qiáng)生成)是一種結(jié)合了信息檢索技術(shù)與語言生成模型的人工智能技術(shù)。該技術(shù)通過外部知識(shí)庫中檢索相關(guān)信息，并將其作為提示(prompt)輸入給大型語言模型(llms)，以增強(qiáng)模型處理知識(shí)密集型任務(wù)的能力，如回答、文本摘要、內(nèi)容生成等。

2、然而，傳統(tǒng)的rag問答系統(tǒng)存在糾錯(cuò)能力不足、語境理解能力有限的問題。盡管可以通過一些技術(shù)手段提升召回率，但在處理多意圖問題上的能力較弱，難以充分滿足用戶的個(gè)性化需求。此外，系統(tǒng)的自適應(yīng)和優(yōu)化能力有待提高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明系統(tǒng)在收到用戶提問后，利用自然語言處理技術(shù)和機(jī)器學(xué)習(xí)模型，深入理解用戶問題與歷史對話的上下文，通過智能糾錯(cuò)、多層次意圖識(shí)別、語境感知、動(dòng)態(tài)知識(shí)庫選擇及自適應(yīng)反饋循環(huán)等技術(shù)，結(jié)合用戶畫像，為用戶提供符合其語境、習(xí)慣和偏好的多模態(tài)定制化答案。通過持續(xù)監(jiān)控每次用戶提問和反饋，循環(huán)優(yōu)化，通過累積的用戶交互信息，形成一個(gè)不斷自我完善的反饋閉環(huán)。

2、本發(fā)明提出的技術(shù)方案為：一種基于自適應(yīng)反饋循環(huán)的智能問答方法，所述方法包括：

3、從數(shù)據(jù)庫內(nèi)獲取設(shè)定時(shí)間段內(nèi)的歷史對話內(nèi)容，構(gòu)建初始用戶畫像；

4、接收用戶當(dāng)前提問，結(jié)合歷史對話確定與當(dāng)前提問與上輪對話的關(guān)聯(lián)度；

5、對當(dāng)前提問進(jìn)行情感分析，識(shí)別用戶情感傾向和偏好；結(jié)合關(guān)聯(lián)度生成上輪對話滿意度評價(jià)；

6、識(shí)別用戶當(dāng)前提問的意圖，根據(jù)識(shí)別結(jié)果將用戶意圖進(jìn)行分類，形成多個(gè)意圖分組，每個(gè)意圖分組包括一個(gè)或者多個(gè)意圖；

7、根據(jù)每個(gè)用戶意圖生成對應(yīng)的初始回答；

8、根據(jù)情感分析結(jié)果，結(jié)合初始用戶畫像和滿意度評價(jià)對初始回答進(jìn)行糾錯(cuò)，生成最終回答，返回給用戶；

9、將最終回答和用戶當(dāng)前提問轉(zhuǎn)換為文本數(shù)據(jù)，并發(fā)送至數(shù)據(jù)庫，實(shí)時(shí)更新數(shù)據(jù)庫內(nèi)的歷史對話內(nèi)容。

10、優(yōu)選的，所述從數(shù)據(jù)庫內(nèi)獲取設(shè)定時(shí)間段內(nèi)的歷史對話內(nèi)容，構(gòu)建初始用戶畫像，包括以下步驟：

11、設(shè)定時(shí)間段的起始時(shí)間點(diǎn)t0和結(jié)束時(shí)間點(diǎn)tend；

12、從歷史對話內(nèi)容中收集對話數(shù)據(jù)，所述對話數(shù)據(jù)包括用戶問題內(nèi)容和相應(yīng)的時(shí)間戳；

13、提取時(shí)間戳，獲取時(shí)間戳在起始時(shí)間點(diǎn)t0和結(jié)束時(shí)間點(diǎn)tend內(nèi)的歷史對話內(nèi)容；

14、對歷史對話中用戶問題內(nèi)容進(jìn)行分詞和去停用詞處理，并使用tf-idf算法計(jì)算每個(gè)詞的權(quán)重；

15、使用預(yù)訓(xùn)練后的語言模型word2vec或bert模型將文本轉(zhuǎn)換為向量表示；

16、使用聚類算法k-means對用戶進(jìn)行聚類分析，并根據(jù)聚類分析結(jié)果為每個(gè)用戶生成類型標(biāo)簽；

17、使用主成分分析算法pca將高維數(shù)據(jù)降維到二維空間，并繪制散點(diǎn)圖展示用戶聚類結(jié)果；同時(shí)，使用詞云展示用戶的主要關(guān)鍵詞；

18、根據(jù)聚類分析結(jié)果和主要關(guān)鍵詞生成用戶初始畫像。

19、優(yōu)選的，所述接收用戶當(dāng)前提問，結(jié)合歷史對話確定與當(dāng)前提問與上輪對話的關(guān)聯(lián)度，包括以下步驟：

20、接收用戶當(dāng)前提問，將提問內(nèi)容轉(zhuǎn)換為文本格式數(shù)據(jù)；

21、獲取歷史對話內(nèi)容，利用時(shí)間戳從歷史對話內(nèi)容中獲取上輪對話內(nèi)容；

22、對當(dāng)前提問內(nèi)容和上輪對話內(nèi)容進(jìn)行預(yù)處理，然后轉(zhuǎn)換為tf-idf向量，使用余弦相似度算法計(jì)算當(dāng)前提問內(nèi)容和上輪對話內(nèi)容的余弦相似度；

23、根據(jù)計(jì)算獲得的余弦相似度，通過余弦相似度表示當(dāng)前提問內(nèi)容和上輪對話的關(guān)聯(lián)度。

24、優(yōu)選的，所述對當(dāng)前提問進(jìn)行情感分析，識(shí)別用戶情感傾向和偏好，包括以下步驟：

25、獲取當(dāng)前提問內(nèi)容的文本格式數(shù)據(jù)；

26、通過tf-idf算法將文本格式數(shù)據(jù)轉(zhuǎn)換為數(shù)值向量；

27、導(dǎo)入預(yù)訓(xùn)練的情感分析模型，所述情感分析模型基于支持向量機(jī)svm構(gòu)建；

28、通過情感分析模型對當(dāng)前提問內(nèi)容進(jìn)行情感和偏好分類，并為每個(gè)提問內(nèi)容添加情感分類標(biāo)簽，所述情感分類標(biāo)簽包括消極、中性、積極中的一種或者多種。

29、優(yōu)選的，所述結(jié)合關(guān)聯(lián)度生成上輪對話滿意度評價(jià)，包括以下步驟：

30、獲取當(dāng)前提問內(nèi)容的情感分類標(biāo)簽；

31、獲取當(dāng)前提問與上輪對話的關(guān)聯(lián)度；

32、如果，判斷當(dāng)前提問與上輪對話關(guān)聯(lián)，其中表示關(guān)聯(lián)度閾值；

33、對情感分類標(biāo)簽進(jìn)行量化，計(jì)算獲取滿意度評價(jià)參數(shù)；其中，表示情感分類標(biāo)簽量化后的數(shù)值；

34、導(dǎo)入預(yù)設(shè)的滿意度評價(jià)表，所述滿意度評價(jià)表格用于定義不同滿意度評價(jià)參數(shù)區(qū)間對應(yīng)的滿意度評價(jià)得分；

35、根據(jù)獲取的滿意度評價(jià)參數(shù)，從滿意度評價(jià)表內(nèi)獲取對應(yīng)的滿意度評價(jià)得分。

36、優(yōu)選的，所述識(shí)別用戶當(dāng)前提問的意圖，根據(jù)識(shí)別結(jié)果將用戶意圖進(jìn)行分類，形成多個(gè)意圖分組，每個(gè)意圖分組包括一個(gè)或者多個(gè)意圖，包括以下步驟：

37、獲取當(dāng)前提問和上輪對話的文本數(shù)據(jù)；

38、通過transformer模型進(jìn)行上下文理解，判斷當(dāng)前提問問題是否為對上文對話中問題的追問；若否，則重新獲取用戶當(dāng)前提問；

39、若是，則通過預(yù)訓(xùn)練的意圖分類模型，從當(dāng)前提問的文本數(shù)據(jù)中進(jìn)行特征提取和分類，具體包括以下步驟：

40、將當(dāng)前提問的文本數(shù)據(jù)輸入意圖分類模型；

41、意圖分類模型從當(dāng)前提問的文本數(shù)據(jù)中提取一個(gè)或者多個(gè)關(guān)鍵詞；

42、根據(jù)關(guān)鍵詞判斷用戶意圖，并建立多個(gè)用戶意圖分類集以表示用戶的不同意圖類別，并為每個(gè)用戶意圖分類集添加類別標(biāo)簽；所述意圖分類模型基于卷積神經(jīng)網(wǎng)絡(luò)cnn構(gòu)建；

43、所述意圖分類模型包括輸入層、多個(gè)卷積層和輸出層，在輸出層中，通過softmax函數(shù)輸出不同意圖類別的概率；

44、按照概率的大小排列多個(gè)意圖分類集的順序。

45、優(yōu)選的，所述根據(jù)情感分析結(jié)果，結(jié)合初始用戶畫像和滿意度評價(jià)對初始回答進(jìn)行糾錯(cuò)，生成最終回答，返回給用戶，包括以下步驟：

46、獲取情感分類標(biāo)簽，用于識(shí)別用戶的情感傾向；

47、獲取初始用戶畫像，用于識(shí)別用戶的年齡、興趣信息；

48、通過預(yù)訓(xùn)練的情感分析模型，根據(jù)用戶的情感傾向和用戶的年齡和興趣信息，生成優(yōu)化回答文本數(shù)據(jù)；

49、獲取初始回答內(nèi)容、優(yōu)化回答內(nèi)容和上輪對話內(nèi)容，計(jì)算初始回答內(nèi)容和優(yōu)化回答內(nèi)容與上輪對話內(nèi)容的余弦相似度，根據(jù)余弦相似度，判斷輸出的回答內(nèi)容；

50、通過自然語音處理技術(shù)nlp識(shí)別回答文本的語法錯(cuò)并進(jìn)行修正；

51、具體包括：使用nltk的詞典和模糊匹配糾正拼寫錯(cuò)誤；

52、使用stanfordnlp的依存解析器生成回答文本中，句子的異常關(guān)系樹，識(shí)別回答文本中句子中不符合語法規(guī)則的部分，根據(jù)語法規(guī)則庫，對語法錯(cuò)誤進(jìn)行修正；

53、使用spacy進(jìn)行詞形還原，簡化句子結(jié)構(gòu)，使其符合自然語言習(xí)慣。

54、優(yōu)選的，所述根據(jù)余弦相似度，判斷輸出的回答內(nèi)容，包括以下步驟：

55、獲取始回答文本與上輪對話內(nèi)容的余弦相似度和優(yōu)化回答內(nèi)容與上輪對話內(nèi)容的余弦相似度；

56、如果>，則使用優(yōu)化后回答內(nèi)容代替初始回答內(nèi)容作為最終回答內(nèi)容，返回給用戶；

57、如果<，則使用初始回答內(nèi)容作為最終回答內(nèi)容，返回給用戶；

58、所述更新數(shù)據(jù)庫內(nèi)的歷史對話內(nèi)容，包括以下步驟：

59、獲取歷史對話內(nèi)容的時(shí)間戳，確定最終回答和用戶當(dāng)前提問插入位置；

60、獲取最終回答內(nèi)容的時(shí)間戳和用戶當(dāng)前提問的時(shí)間戳，將用戶當(dāng)前提問和最終回答插入到歷史對話內(nèi)容尾部；

61、使用最終回答內(nèi)容的時(shí)間戳替換結(jié)束時(shí)間點(diǎn)tend；使得下次獲取的歷史對話內(nèi)容包括最終回答內(nèi)容；

62、在新的對話開始前，利用包括最終回答內(nèi)容的歷史對話內(nèi)容構(gòu)建用戶畫像，實(shí)現(xiàn)對用戶畫像的更新。

63、本發(fā)明還提供一種基于自適應(yīng)反饋循環(huán)的智能問答系統(tǒng)，所述系統(tǒng)用于執(zhí)行所述的一種基于自適應(yīng)反饋循環(huán)的智能問答方法。

64、本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行以實(shí)現(xiàn)所述的一種基于自適應(yīng)反饋循環(huán)的智能問答方法。

65、本發(fā)明的有益效果：

66、1、?本發(fā)明，通過對用戶提問的精準(zhǔn)優(yōu)化和拆分，能夠更加準(zhǔn)確、高效地理解用戶需求，提供符合用戶語境、習(xí)慣及偏好的定制化答案，通過自適應(yīng)反饋循環(huán)不斷更新優(yōu)化用戶畫像和系統(tǒng)策略，從而提升用戶體驗(yàn)和系統(tǒng)性能。解決了傳統(tǒng)技術(shù)在糾錯(cuò)、語境理解、多意圖識(shí)別、個(gè)性化處理及自我優(yōu)化方面不足的問題。

67、2、?本發(fā)明，通過預(yù)訓(xùn)練的意圖分類模型，從當(dāng)前提問的文本數(shù)據(jù)中提取一個(gè)或者多個(gè)關(guān)鍵詞；根據(jù)關(guān)鍵詞判斷用戶意圖，并建立多個(gè)用戶意圖分類集以表示用戶的不同意圖類別，并為每個(gè)用戶意圖分類集添加類別標(biāo)簽。所述意圖分類模型包括輸入層、多個(gè)卷積層和輸出層，在輸出層中，通過softmax函數(shù)輸出不同意圖類別的概率；按照概率的大小排列多個(gè)意圖分類集的順序，實(shí)現(xiàn)了多意圖識(shí)別和對多個(gè)意圖排序的功能，然后，按照先后順序生成對應(yīng)意圖的回答內(nèi)容。

68、3、本發(fā)明，根據(jù)獲取的最終回答內(nèi)容的時(shí)間戳和用戶當(dāng)前提問的時(shí)間戳，將用戶當(dāng)前提問和最終回答插入到歷史對話內(nèi)容尾部。使用最終回答內(nèi)容的時(shí)間戳替換結(jié)束時(shí)間點(diǎn)tend，使得下次獲取的歷史對話內(nèi)容包括最終回答內(nèi)容，在新的對話開始前，利用包括最終回答內(nèi)容的歷史對話內(nèi)容，更新用戶畫像，實(shí)現(xiàn)循環(huán)優(yōu)化用戶畫像的功能。