本發(fā)明涉及車輛領(lǐng)域，具體地，涉及一種用于車輛的問答裝置及方法。

背景技術(shù)：

問答系統(tǒng)是自然語言分析和機(jī)器學(xué)習(xí)相結(jié)合的一門人工智能應(yīng)用，比如微軟的小冰機(jī)器人、iphone的siri、京東的jimi客服機(jī)器人、百度的度秘等，這些問答系統(tǒng)在不同的領(lǐng)域均獲得了一定成果。

問答系統(tǒng)按照使用場景劃分，可以分為開放領(lǐng)域場景和限定領(lǐng)域場景，小冰、siri、度秘等，屬于開放領(lǐng)域問答系統(tǒng)，即對問答的內(nèi)容沒有做場景限制，京東的jimi屬于限定領(lǐng)域機(jī)器人，僅限定在京東的客戶服務(wù)，對其他領(lǐng)域問題不能做出友好的回答。目前，開放領(lǐng)域的問答系統(tǒng)相比限定領(lǐng)域?qū)崿F(xiàn)更困難，尤其是在數(shù)據(jù)不充分的情況下。

傳統(tǒng)問答系統(tǒng)使用的主要技術(shù)包括：分詞、詞性標(biāo)注、實(shí)體識別、句法分析、語義分析、關(guān)鍵詞提取、相似度計算、問題分類、問題意圖分析、問題檢索、答案生成等。這類技術(shù)下的問答系統(tǒng)，多以faq問答模式為主，即以問題相似度計算為核心，檢索出相似問題，然后返回給用戶答案。

隨著google推出知識圖譜概念，基于知識圖譜的精準(zhǔn)問答得到廣泛關(guān)注，也是近些年各大科技公司的主要研究熱點(diǎn)?；谥R圖譜的智能問答系統(tǒng)，主要技術(shù)包括：語義解析、圖譜的構(gòu)建、實(shí)體對齊、實(shí)體鏈接、關(guān)系抽取、圖譜推理等。

深度學(xué)習(xí)是目前機(jī)器學(xué)習(xí)領(lǐng)域里非常受關(guān)注的一門技術(shù)，相比傳統(tǒng)的機(jī)器學(xué)習(xí)方法，它的效果更精準(zhǔn)，在問答系統(tǒng)中越來越受到青睞。京東的jimi客服機(jī)器人就應(yīng)用了深度學(xué)習(xí)技術(shù)，取得了很不錯的效果。當(dāng)然，它的學(xué)習(xí)技術(shù)更困難，需要更多的訓(xùn)練語料和基礎(chǔ)設(shè)備做支撐。

每一個行業(yè)都有自身的特點(diǎn)，開放領(lǐng)域的問答技術(shù)，并不能完全適用于汽車領(lǐng)域的問題解決方法。目前，科技公司、科研院所更關(guān)注的是開放領(lǐng)域的問答系統(tǒng)技術(shù)研究，這類技術(shù)不能夠直接應(yīng)用到具體的垂直領(lǐng)域，例如，不能應(yīng)用于汽車領(lǐng)域，即使應(yīng)用到汽車領(lǐng)域，其效果無法滿足市場的需求。因?yàn)椋洪_放領(lǐng)域的知識庫組織方式與汽車領(lǐng)域的組織方式和方法不同，無法得到復(fù)制遷移；針對汽車行業(yè)的具體業(yè)務(wù)，需要定制化數(shù)據(jù)梳理流程、問答系統(tǒng)架構(gòu)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例的目的是提供一種用于車輛的問答裝置及方法，用于解決或至少部分解決上述技術(shù)問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供一種用于車輛的問答裝置，該裝置包括：接收模塊，用于接收用戶提出的問題；應(yīng)用場景分類模塊，用于對所述用戶提出的問題進(jìn)行應(yīng)用場景分類，所分類的應(yīng)用場景包括以下中的一者或多者：故障類、常識類、手冊類、購車類、保險類；語義理解模塊，用于根據(jù)所分類的應(yīng)用場景對所述用戶提出的問題進(jìn)行語義識別以獲得特征信息；答案確定模塊，用于根據(jù)所述特征信息確定所述用戶提出的問題所對應(yīng)的答案；以及答案輸出模塊，用于輸出所述用戶提出的問題所對應(yīng)的答案。

可選地，所述裝置還包括：意圖分類模塊，用于判斷所述用戶提出的問題是否與車輛相關(guān)，所述應(yīng)用場景分類模塊用于在所述用戶提出的問題與車輛相關(guān)的情況下，對所述用戶提出的問題進(jìn)行所述應(yīng)用場景分類。

可選地，所述應(yīng)用場景分類模塊用于使用分類模型對所述用戶提出的問題進(jìn)行應(yīng)用場景分類，所述分類模型包括以下中的一者或多者：故障分類模型、常識分類模型、手冊分類模型、購車分類模型、保險分類模型。

可選地，所述答案確定模塊包括：匹配單元，用于根據(jù)所述特征信息從數(shù)據(jù)庫中確定與所述用戶提出的問題相匹配的問題，所述數(shù)據(jù)庫包括一個或多個問題以及該一個或多個問題中的每一個問題所對應(yīng)的答案；以及檢索單元，用于從所述數(shù)據(jù)庫中檢索出與所述用戶提出的問題相匹配的問題所對應(yīng)的答案。

可選地，所述裝置還包括：對話管理模塊，用于：在所述匹配單元沒有從數(shù)據(jù)庫中確定出與所述用戶提出的問題相匹配的問題的情況下，向所述用戶發(fā)出提問；在接收到用戶反饋之后，對所述用戶所反饋的信息和所述用戶提出的問題執(zhí)行信息合并。

可選地，在所分類的應(yīng)用場景為故障類的情況下，所述特征信息至少包括故障部件名稱和故障現(xiàn)象；所述答案確定模塊用于根據(jù)存儲的故障規(guī)則對所獲得的特征信息進(jìn)行推理來獲得所述用戶提出的問題所對應(yīng)的答案，所述故障規(guī)則包括故障前提和故障結(jié)論。

可選地，所述裝置還包括：抽取模塊，用于從關(guān)數(shù)據(jù)庫中抽取出所述故障規(guī)則，所述數(shù)據(jù)庫至少包括一個或多個故障現(xiàn)象以及與該一個或多個故障現(xiàn)象中的每一個故障現(xiàn)象所對應(yīng)的答案，該答案包括故障原因和/或解決方案。

相應(yīng)地，本發(fā)明實(shí)施例還提供一種用于車輛的問答方法，所述方法包括：接收用戶提出的問題；對所述用戶提出的問題進(jìn)行應(yīng)用場景分類，所分類的應(yīng)用場景包括以下中的一者或多者：故障類、常識類、手冊類、購車類、保險類；根據(jù)所分類的應(yīng)用場景對所述用戶提出的問題進(jìn)行語義識別以獲得特征信息；根據(jù)所述特征信息確定所述用戶提出的問題所對應(yīng)的答案；以及輸出所述用戶提出的問題所對應(yīng)的答案。

可選地，所述方法還包括：判斷所述用戶提出的問題是否與車輛相關(guān)；在所述用戶提出的問題與車輛相關(guān)的情況下，對所述用戶提出的問題進(jìn)行所述應(yīng)用場景分類。

可選地，所述對所述用戶提出的問題進(jìn)行應(yīng)用場景分類包括：使用分類模型對所述用戶提出的問題進(jìn)行應(yīng)用場景分類，所述分類模型包括以下中的一者或多者：故障分類模型、常識分類模型、手冊分類模型、購車分類模型、保險分類模型。

可選地，所述根據(jù)所述特征信息確定所述用戶提出的問題所對應(yīng)的答案包括：根據(jù)所述特征信息從數(shù)據(jù)庫中確定與所述用戶提出的問題相匹配的問題，所述數(shù)據(jù)庫包括一個或多個問題以及該一個或多個問題中的每一個問題所對應(yīng)的答案；以及從所述數(shù)據(jù)庫中檢索出與所述用戶提出的問題相匹配的問題所對應(yīng)的答案。

可選地，所述方法還包括：在所述匹配單元沒有從數(shù)據(jù)庫中確定出與所述用戶提出的問題相匹配的問題的情況下，向所述用戶發(fā)出提問；以及在接收到用戶反饋之后，對所述用戶所反饋的信息和所述用戶提出的問題執(zhí)行信息合并。

可選地，在所分類的應(yīng)用場景為故障類的情況下，所述特征信息至少包括故障部件名稱和故障現(xiàn)象，所述根據(jù)所述特征信息確定所述用戶提出的問題所對應(yīng)的答案包括：根據(jù)存儲的故障規(guī)則對所獲得的特征信息進(jìn)行推理來獲得所述用戶提出的問題所對應(yīng)的答案，所述故障規(guī)則包括故障前提和故障結(jié)論。

可選地，通過以下步驟來建立所述故障規(guī)則：從數(shù)據(jù)庫中抽取出所述故障規(guī)則，所述數(shù)據(jù)庫包括一個或多個故障現(xiàn)象以及與該一個或多個故障現(xiàn)象中的每一個故障現(xiàn)象所對應(yīng)的答案，該答案包括故障原因和/或解決方案。

相應(yīng)地，本發(fā)明實(shí)施例還提供一種機(jī)器可讀存儲介質(zhì)，該機(jī)器可讀存儲介質(zhì)上存儲有指令，該指令用于在被機(jī)器執(zhí)行時使得所述機(jī)器執(zhí)行上述的方法。

通過上述技術(shù)方案，提供了一種實(shí)用性很強(qiáng)且簡便易行的汽車問答裝置，其解決了以往基于faq問答模式準(zhǔn)確度低的問題，同時，克服了開放領(lǐng)域問答系統(tǒng)過于復(fù)雜、開發(fā)周期長的問題。

本發(fā)明實(shí)施例的其它特征和優(yōu)點(diǎn)將在隨后的具體實(shí)施方式部分予以詳細(xì)說明。

附圖說明

附圖是用來提供對本發(fā)明實(shí)施例的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與下面的具體實(shí)施方式一起用于解釋本發(fā)明實(shí)施例，但并不構(gòu)成對本發(fā)明實(shí)施例的限制。在附圖中：

圖1示出了本發(fā)明一實(shí)施例提供的用于車輛的問答裝置的結(jié)構(gòu)框圖；

圖2示出了本發(fā)明又一實(shí)施例提供的用于車輛的問答裝置的結(jié)構(gòu)框圖；以及

圖3示出了本發(fā)明一實(shí)施例提供的用于車輛的問答方法的流程示意圖。

具體實(shí)施方式

以下結(jié)合附圖對本發(fā)明實(shí)施例的具體實(shí)施方式進(jìn)行詳細(xì)說明。應(yīng)當(dāng)理解的是，此處所描述的具體實(shí)施方式僅用于說明和解釋本發(fā)明實(shí)施例，并不用于限制本發(fā)明實(shí)施例。

圖1示出了本發(fā)明一實(shí)施例提供的用于車輛的問答裝置的結(jié)構(gòu)框圖。如圖1所示，本發(fā)明實(shí)施例提供一種用于車輛的問答裝置，用于為用戶解答關(guān)于車輛的各類問題，所述裝置可以包括以下模塊：接收模塊11、應(yīng)用場景分類模塊12、語義理解模塊13、答案確定模塊14、答案輸出模塊15。

具體地，接收模塊11用于接收用戶提出的問題。例如，所述接收模塊11可以接收用戶通過麥克風(fēng)所提出的問題。

應(yīng)用場景分類模塊12用于對所述用戶提出的問題進(jìn)行應(yīng)用場景分類，所分類的應(yīng)用場景可以包括以下中的一者或多者：故障類、常識類、手冊類、購車類、保險類?？梢岳斫猓瑧?yīng)用場景并不局限于這幾類，其分類可以隨著實(shí)際業(yè)務(wù)的增加而增加。

可選地，應(yīng)用場景分類模塊12可以使用分類模型對所述用戶提出的問題進(jìn)行應(yīng)用場景分類，例如，可以通過標(biāo)注數(shù)據(jù)，采用機(jī)器學(xué)習(xí)分類算法進(jìn)行應(yīng)用場景分類。根據(jù)場景種類不同，準(zhǔn)備不同的標(biāo)注數(shù)據(jù)，每個場景一個分類模型，當(dāng)有新的場景產(chǎn)生時，易于擴(kuò)展。其中標(biāo)注的數(shù)據(jù)格式可以為：標(biāo)注\樣本。

可選地，所使用的機(jī)器學(xué)習(xí)分類算法可以是svm(supportvectormachine，支持向量機(jī))分類算法，在良好的標(biāo)注數(shù)據(jù)下，學(xué)習(xí)的svm分類模型經(jīng)過實(shí)際使用，分類精度可以達(dá)到98％?？梢岳斫?，也可以使用其它分類算法來進(jìn)行上述分類學(xué)習(xí)，例如可以使用決策樹算法、神經(jīng)網(wǎng)絡(luò)算法、貝葉斯算法、深度學(xué)習(xí)算法等。

對應(yīng)于上述應(yīng)用場景的分類所述分類模型可以包括以下中的一者或多者：故障分類模型、常識分類模型、手冊分類模型、購車分類模型、保險分類模型。

語義理解模塊13用于根據(jù)所分類的應(yīng)用場景對所述用戶提出的問題進(jìn)行語義識別以獲得特征信息。對于不同的應(yīng)用場景，數(shù)據(jù)庫中的存儲格式可能不同，因此針對不同的應(yīng)用場景，語義理解模塊的具體執(zhí)行過程可以不同。以故障類應(yīng)用場景為例，當(dāng)用戶提出“冷車啟動時，發(fā)動機(jī)不易啟動，怎么回事？”，語義理解模塊會分析得到如下關(guān)鍵信息：故障發(fā)生的條件“冷車、啟動狀態(tài)”，故障發(fā)生的部件“發(fā)動機(jī)”，故障現(xiàn)象“不易啟動”。再舉一個例子：“汽車在高速行駛時候，車身發(fā)飄，是什么原因？”經(jīng)過語義理解得到，條件是“高速”，現(xiàn)象是“發(fā)飄”。針對每個場景，語義理解模塊都結(jié)合了自然語言處理、機(jī)器學(xué)習(xí)、推理等技術(shù)。例如，對于故障類應(yīng)用場景，可以通過機(jī)器學(xué)習(xí)分類算法，識別出故障現(xiàn)象和故障部件，通過自然語言處理規(guī)則匹配方法，識別出各個參數(shù)條件。

以故障類應(yīng)用場景為例，故障類語義分析技術(shù)方法有：分詞、詞性標(biāo)注、句法分析、命名實(shí)體識別、svm分類、基于正則表達(dá)式特征提取等。從用戶的問題中，經(jīng)過以上技術(shù)的分析，提取出相應(yīng)的參數(shù)。具體參數(shù)的設(shè)置，可以根據(jù)具體業(yè)務(wù)需求定制化。其它類應(yīng)用場景的技術(shù)分析與之類似。

答案確定模塊14用于根據(jù)所述特征信息確定所述用戶提出的問題所對應(yīng)的答案。所述答案輸出模塊15用于輸出所述用戶提出的問題所對應(yīng)的答案。本發(fā)明實(shí)施例提供的用于車輛的問答裝置解決了以往基于faq問答模式精度低的問題，同時，克服了開放領(lǐng)域問答系統(tǒng)過于復(fù)雜、開發(fā)周期長的問題。經(jīng)過驗(yàn)證，在整個實(shí)際問答過程中，回答的準(zhǔn)確度可達(dá)到92％。

圖2示出了本發(fā)明又一實(shí)施例提供的用于車輛的問答裝置的結(jié)構(gòu)框圖，如圖2所示，基于上述實(shí)施例，答案確定模塊14可以包括匹配單元141以及檢索單元142。匹配單元141用于根據(jù)所述特征信息從數(shù)據(jù)庫17中確定與所述用戶提出的問題相匹配的問題，所述數(shù)據(jù)庫17包括一個或多個問題以及該一個或多個問題中的每一個問題所對應(yīng)的答案。檢索單元142用于從所述數(shù)據(jù)庫17中檢索出與所述用戶提出的問題相匹配的問題所對應(yīng)的答案。

可以理解，匹配單元141也可以采用傳統(tǒng)faq問答的方式，即基于句子相似度來從數(shù)據(jù)庫17中確定與所述用戶提出的問題相匹配的問題。

可選地，數(shù)據(jù)庫17中可以存儲有與各個應(yīng)用場景相關(guān)的數(shù)據(jù)和一些輔助數(shù)據(jù)。

故障類數(shù)據(jù)庫、保險類數(shù)據(jù)庫以及手冊類數(shù)據(jù)庫可以由知識工程師和4s店、汽修廠、保險公司合作梳理完成。開發(fā)技術(shù)人員進(jìn)行結(jié)構(gòu)化處理。對于常識類數(shù)據(jù)庫，技術(shù)人員可以通過web抓取，進(jìn)行關(guān)系抽取，得到結(jié)構(gòu)化的數(shù)據(jù)。最后，將所獲得的各類數(shù)據(jù)庫分別保存在數(shù)據(jù)庫17中。

以故障類數(shù)據(jù)的數(shù)據(jù)庫為例，實(shí)際使用中，對于故障類數(shù)據(jù)的數(shù)據(jù)庫的建立，可以從汽修廠、4s店獲取故障類問題的數(shù)據(jù)，其中故障類問題的數(shù)據(jù)可以包括各個部件故障后產(chǎn)生的故障現(xiàn)象及其解決方案。此外，也可以通過網(wǎng)絡(luò)抓取或者專家經(jīng)驗(yàn)數(shù)據(jù)來獲得故障類問題的數(shù)據(jù)。然后可以對所獲得的故障類數(shù)據(jù)進(jìn)行整理，得到關(guān)于車輛故障的數(shù)據(jù)庫，該數(shù)據(jù)庫可以包括一個或多個問題以及該一個或多個問題中的每一個問題所對應(yīng)的答案。

可選地，所述檢索單元142可以使用redis技術(shù)來提高檢索效率。

進(jìn)一步地，發(fā)明實(shí)施例提供的用于車輛的問答裝置還可以包括對話管理模塊16。用戶一次提出的問題的特征信息可能是不全面的，匹配單元141可能無法從數(shù)據(jù)庫中確定出與所述用戶提出的問題相匹配的問題，從而檢索單元142無法準(zhǔn)確檢索出答案。這時，需要根據(jù)可能的意圖再次詢問用戶相關(guān)的補(bǔ)充條件，得到用戶反饋后，要和用戶的上一句問題做信息合并，完善提問的信息。這個詢問過程就是通過對話管理的模塊16執(zhí)行的，和開放領(lǐng)域不同的是，對話管理的模塊16都是圍繞汽車領(lǐng)域進(jìn)行會話，同一個焦點(diǎn)詞、關(guān)鍵詞在開放領(lǐng)域表述的意思和在汽車領(lǐng)域表述的意義可能會有不同。該模塊主要包括的技術(shù)是：上下文指代消解、對話管理、上下文邊界確定、自動狀態(tài)機(jī)等。

進(jìn)一步地，本發(fā)明實(shí)施例提供的用于車輛的問答裝置還可以包括意圖分類模塊，用于判斷所述用戶提出的問題是否與車輛相關(guān)。用戶提出的問題，需要判斷其問題意圖是否與車輛相關(guān)，如果相關(guān)，則進(jìn)行后續(xù)與汽車相關(guān)的分析，否則，可以進(jìn)入第三方應(yīng)用接口。該模塊可以使用機(jī)器學(xué)習(xí)svm分類算法，但不限于svm，其他分類算法只要能達(dá)到分類精度要求即可。該模塊算法的訓(xùn)練數(shù)據(jù)是通過網(wǎng)絡(luò)抓取和人工標(biāo)注相結(jié)合，根據(jù)具體業(yè)務(wù)要求整理不同的訓(xùn)練數(shù)據(jù)即可。所述應(yīng)用場景分類模塊12用于在意圖分類模塊判斷出所述用戶提出的問題與車輛相關(guān)的情況下，對所述用戶提出的問題進(jìn)行所述應(yīng)用場景分類。

可以理解，數(shù)據(jù)準(zhǔn)備對于實(shí)現(xiàn)數(shù)據(jù)問答是必不可少的一步。數(shù)據(jù)準(zhǔn)備可以包括采集、處理、校驗(yàn)、標(biāo)注四個過程。數(shù)據(jù)的采集包括web抓取和4s店、汽修廠反饋信息，是非常重要的一手資源。然后對采集到的數(shù)據(jù)進(jìn)行噪聲清理、不一致去除、歸一化等操作，經(jīng)過專業(yè)是汽車知識工程師校驗(yàn)后，開始標(biāo)注工作。標(biāo)注過程由開發(fā)人員和知識工程師一起完成，標(biāo)注完成再次校驗(yàn)，從而得到優(yōu)秀的訓(xùn)練數(shù)據(jù)集和數(shù)據(jù)庫庫數(shù)據(jù)。

下文將以所分類的應(yīng)用場景為故障類為例，對本發(fā)明實(shí)施例進(jìn)行進(jìn)一步說明。

在所分類的應(yīng)用場景為故障類的情況下，所述特征信息至少可以包括故障部件名稱和故障現(xiàn)象。語義理解模塊13用于從用戶提出的故障問題中提取出特征信息，實(shí)際中，用戶所提出的故障問題中可能會不全面，例如，可能缺少部件名稱或缺少故障現(xiàn)象，此時，可以通過對話管理模塊16來詢問用戶以進(jìn)一步完善用戶提出的故障問題，例如，可以向用戶發(fā)出類似于“具體故障部件是哪”的問題，在接收到用戶的進(jìn)一步反饋之后，可以從用戶的進(jìn)一步反饋中提取故障部件名稱?；蛘呖梢詫⒂脩舻倪M(jìn)一步反饋和用戶先前提出的故障問題進(jìn)行合并，從合并后的信息中提取特征信息。

通過大量的汽車問答語料進(jìn)行調(diào)研，結(jié)合汽車專家工程師人工梳理和機(jī)器學(xué)習(xí)自動特征提取的方法，可以確定出用戶提出的故障問題除可能包括故障部件名稱和故障現(xiàn)象之外，還可能包括以下13個特征信息中的一個或多個：車輛品牌、車輛型號、燈類部件、操作信息、聲音現(xiàn)象、發(fā)動機(jī)溫度、行駛狀態(tài)、轉(zhuǎn)向方式、車速、發(fā)動機(jī)轉(zhuǎn)速、擋位、天氣及路況。

進(jìn)一步地，對于故障部件、故障現(xiàn)象、車輛品牌及車輛型號這些特征信息的提取，可以根據(jù)分類模型來對用戶提出的所述故障問題進(jìn)行特征信息提取，所述分類模型包括以下中的一者或多者：部件分類模型、故障現(xiàn)象分類模型、車輛品牌分類模型、車輛型號分類模型。

可以使用svm機(jī)器學(xué)習(xí)分類器來建立上述各模型。具體地，可以首先準(zhǔn)備問句樣本，然后對所準(zhǔn)備的問句樣本進(jìn)行人工分類標(biāo)注，將標(biāo)注后的語句樣本作為svm機(jī)器學(xué)習(xí)分類器的訓(xùn)練集，從而得到上述各分類模型。

以建立部件分類模型為例，首先對收集的問句樣本進(jìn)行人工標(biāo)注，標(biāo)注示例如下所示：

方向盤\做完四輪定位方向盤變輕

車\做完四輪定輪后車身發(fā)飄

車\做了動平衡后，方向反而跑偏了

座椅\座椅無法調(diào)到最前面

座椅\座椅調(diào)整困難

燈\左轉(zhuǎn)向燈常亮

右前輪\左轉(zhuǎn)彎右前輪嗡嗡異響

右前輪\左轉(zhuǎn)彎右前輪咕嚕異響

左后減震\左轉(zhuǎn)彎時左后減震咯吱異響

上述標(biāo)注示例中，“\”左側(cè)是標(biāo)注的類別，“\”右側(cè)是問句樣本。將標(biāo)注后的問句樣本輸入給svm機(jī)器學(xué)習(xí)，經(jīng)過訓(xùn)練，可得到部件分類的模型。類似地，也可以相同的方式建立故障現(xiàn)象分類模型、車輛品牌分類模型以及車輛型號分類模型。

在接收到用戶提出的故障問題之后，可以將該故障問題作為部件分類模型的輸入，部件分類模型的輸出就是用戶提出的故障問題所涉及的故障部件名稱。采用十折交叉驗(yàn)證的方式對分類模型進(jìn)行驗(yàn)證，經(jīng)過實(shí)際驗(yàn)證，單獨(dú)從模型算，準(zhǔn)確度可達(dá)到98％左右。

進(jìn)一步地，對除故障部件、故障現(xiàn)象、車輛品牌及車輛型號之外的其它特征信息的提取可以利用正則表達(dá)式進(jìn)行提取。通過對大量的故障問題進(jìn)行分析，可知除故障部件、故障現(xiàn)象、車輛品牌及車輛型號之外的其它特征信息基本上具有相對固定的結(jié)構(gòu)，因此可以采用正則表達(dá)式的方式進(jìn)行提取。

以天氣特征的提取為例，所使用的正則模板可以如下所示：

pattern＝“下(雨|雪)|(雨|雪|春|夏|秋|冬|冷)(天|季)|暴曬|(夜)？晚(上)？|天(冷|涼)”。

例如，如果用戶所提出的故障問題是“冬季啟動時發(fā)動機(jī)加不上油熄火”，通過使用上述正則模板進(jìn)行特征信息提取可以得到天氣為“冬季”。

進(jìn)一步地，答案確定模塊15可以根據(jù)存儲的故障規(guī)則對所獲得的特征信息進(jìn)行推理來獲得所述用戶提出的問題所對應(yīng)的答案，所述故障規(guī)則包括故障前提和故障結(jié)論?？蛇x地，可以使用drools規(guī)則引擎來實(shí)現(xiàn)對所提取的特征信息進(jìn)行推理，drools規(guī)則引擎是基于java語言的具有高伸縮性、高擴(kuò)展性的規(guī)則引擎。但是本發(fā)明實(shí)施例并不限制于此，例如，也可以使用prolog(programminginlogic，邏輯程序設(shè)計)規(guī)則推理程序等來對所提取的特征信息進(jìn)行推理。

這里，故障規(guī)則可以存儲在規(guī)則庫中。故障規(guī)則對應(yīng)于產(chǎn)生式規(guī)則，其可以包括故障前提和故障結(jié)論。車輛領(lǐng)域的故障發(fā)生，都是由于某個部件出現(xiàn)損壞，導(dǎo)致某種故障現(xiàn)象產(chǎn)生，其中，部件損壞可以認(rèn)為是故障前提，故障現(xiàn)象產(chǎn)生可以認(rèn)為是故障結(jié)論，其符合產(chǎn)生式規(guī)則的描述方式。因此，可以首先建立并存儲故障規(guī)則，然后根據(jù)該存儲的故障規(guī)則對所提取的車輛部件名稱和故障現(xiàn)象進(jìn)行推理以獲得故障原因和/或解決方案。

進(jìn)一步地，用于車輛的問答裝置還可以包括抽取模塊，用于從數(shù)據(jù)庫中抽取出所述故障規(guī)則，所述數(shù)據(jù)庫可以包括一個或多個故障現(xiàn)象以及與該一個或多個故障現(xiàn)象中的每一個故障現(xiàn)象所對應(yīng)的答案，該答案可以包括故障原因和/或解決方案。

可選地，可以使用關(guān)系抽取的方式來從所述數(shù)據(jù)庫中抽取出故障規(guī)則。可選地，所抽取處的故障規(guī)則的形式可以如下所示：

rule1:

ifauto_part＝"換擋電磁閥"andphenomenon＝"卡頓"

thenauto_part＝"d擋",phenomenon＝"頓挫"

rule2:

ifauto_part＝"d擋"andphenomenon＝"頓挫"

thenauto_part＝"車輛",phenomenon＝"頓挫"

通過觀察，可以發(fā)現(xiàn)，rule1產(chǎn)生結(jié)論部分是rule2的條件，通過這樣類似的一系列規(guī)則推理，當(dāng)用戶提問“車輛頓挫，怎么回事？”時，經(jīng)過上述的規(guī)則，既可以推理出故障原因：部件“換擋電磁閥”出現(xiàn)了“卡頓”現(xiàn)象。這里，是以故障部件和故障現(xiàn)象為例進(jìn)行說明，其它特征信息與之類似。

進(jìn)一步地，從關(guān)于車輛故障的數(shù)據(jù)庫中抽取出故障規(guī)則可能會出現(xiàn)一些誤差或者遺漏一些數(shù)據(jù)，因此，可以采用人工校對的方式對所抽取出的故障規(guī)則進(jìn)行校對和/或者針對遺漏的數(shù)據(jù)進(jìn)行補(bǔ)充，從而可以為用戶提出的故障問題提供更精確的故障原因和/或解決方案。

圖3示出了本發(fā)明一實(shí)施例提供的用于車輛的問答方法的流程示意圖。如圖3所示，本發(fā)明實(shí)施例還提供一種用于車輛的問答方法，該方法可以包括：步驟s31，接收用戶提出的問題；步驟s32，對所述用戶提出的問題進(jìn)行應(yīng)用場景分類，所分類的應(yīng)用場景包括以下中的一者或多者：故障類、常識類、手冊類、購車類、保險類；步驟s33，根據(jù)所分類的應(yīng)用場景對所述用戶提出的問題進(jìn)行語義識別以獲得特征信息；步驟s34，根據(jù)所述特征信息確定所述用戶提出的問題所對應(yīng)的答案；以及步驟s35，輸出所述用戶提出的問題所對應(yīng)的答案。所述方法解決了以往基于faq問答模式精度低的問題，同時，克服了開放領(lǐng)域問答系統(tǒng)過于復(fù)雜、開發(fā)周期長的問題。

本發(fā)明實(shí)施例提供的用于車輛的問答方法的具體工作原理及益處與上述本發(fā)明實(shí)施例提供的用戶車輛的問答裝置的具體工作原理及益處相似，這里將不再贅述。

相應(yīng)地，本發(fā)明實(shí)施例還提供一種機(jī)器可讀存儲介質(zhì)，該機(jī)器可讀存儲介質(zhì)上存儲有指令，該指令用于在被機(jī)器執(zhí)行時使得所述機(jī)器執(zhí)行上述的方法。

以上結(jié)合附圖詳細(xì)描述了本發(fā)明例的可選實(shí)施方式，但是，本發(fā)明實(shí)施例并不限于上述實(shí)施方式中的具體細(xì)節(jié)，在本發(fā)明實(shí)施例的技術(shù)構(gòu)思范圍內(nèi)，可以對本發(fā)明實(shí)施例的技術(shù)方案進(jìn)行多種簡單變型，這些簡單變型均屬于本發(fā)明實(shí)施例的保護(hù)范圍。

另外需要說明的是，在上述具體實(shí)施方式中所描述的各個具體技術(shù)特征，在不矛盾的情況下，可以通過任何合適的方式進(jìn)行組合。為了避免不必要的重復(fù)，本發(fā)明實(shí)施例對各種可能的組合方式不再另行說明。

本領(lǐng)域技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序存儲在一個存儲介質(zhì)中，包括若干指令用以使得一個(可以是單片機(jī)，芯片等)或處理器(processor)執(zhí)行本申請各個實(shí)施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機(jī)存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

此外，本發(fā)明實(shí)施例的各種不同的實(shí)施方式之間也可以進(jìn)行任意組合，只要其不違背本發(fā)明實(shí)施例的思想，其同樣應(yīng)當(dāng)視為本發(fā)明實(shí)施例所公開的內(nèi)容。