本申請涉及搜索技術領域，尤其涉及一種基于人工智能的問答推薦方法、裝置和計算機設備。

背景技術：

隨著互聯(lián)網的迅速發(fā)展，一些由大量人工參與的問答系統(tǒng)也逐步開始向自動化及人工組合的方式轉變，使用自動化的問答推薦來解決部分問題，可以減少人工參與，并可以快速響應用戶需求。

現(xiàn)有相關技術中，一般是使用詞語進行簡單匹配，根據(jù)目標搜索詞(query)中的詞語與已有知識庫中問題的重疊程度進行推薦，但是這種方案僅使用詞語進行簡單匹配，容易出現(xiàn)轉義，并且無法區(qū)分無意義的口語化表述成分，從而導致推薦的答案無法滿足用戶需求，用戶體驗較差。

技術實現(xiàn)要素：

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請的第一個目的在于提出一種基于人工智能的問答推薦方法，以實現(xiàn)根據(jù)語義相似度進行答案推薦，降低了出現(xiàn)轉義的風險，并且減小了無意義的口語化表述成分的干擾。

本申請的第二個目的在于提出一種基于人工智能的問答推薦裝置。

本申請的第三個目的在于提出一種計算機設備。

本申請的第四個目的在于提出一種非臨時性計算機可讀存儲介質。

為達上述目的，本申請第一方面實施例提出了一種基于人工智能的問答推薦方法，包括：接收用戶輸入的搜索詞，所述搜索詞為問題；將所述搜索詞與問答知識庫中已有答案的問題進行匹配；如果所述問答知識庫中不存在與所述搜索詞完全匹配的問題，則計算所述搜索詞與所述問答知識庫中已有答案的問題的語義相似度；判斷所述問答知識庫中是否存在與所述搜索詞的語義相似度大于預定閾值的問題；如果存在，則將所述與所述搜索詞的語義相似度大于預定閾值的問題的答案作為所述搜索詞的答案，推薦給所述用戶。

本申請實施例的基于人工智能的問答推薦方法中，接收用戶輸入的搜索詞之后，將上述搜索詞與問答知識庫中已有答案的問題進行匹配，如果上述問答知識庫中不存在與上述搜索詞完全匹配的問題，則計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度，判斷上述問答知識庫中是否存在與上述搜索詞的語義相似度大于預定閾值的問題，如果存在，則將與上述搜索詞的語義相似度大于預定閾值的問題的答案作為上述搜索詞的答案，推薦給上述用戶，從而可以實現(xiàn)根據(jù)語義相似度進行答案推薦，降低了出現(xiàn)轉義的風險，并且減小了無意義的口語化表述成分的干擾。

為達上述目的，本申請第二方面實施例提出了一種基于人工智能的問答推薦裝置，包括：接收模塊，用于接收用戶輸入的搜索詞，所述搜索詞為問題；匹配模塊，用于將所述接收模塊接收的搜索詞與問答知識庫中已有答案的問題進行匹配；計算模塊，用于當所述問答知識庫中不存在與所述搜索詞完全匹配的問題時，計算所述搜索詞與所述問答知識庫中已有答案的問題的語義相似度；判斷模塊，用于判斷所述問答知識庫中是否存在與所述搜索詞的語義相似度大于預定閾值的問題；推薦模塊，用于當所述問答知識庫中存在與所述搜索詞的語義相似度大于預定閾值的問題時，將所述與所述搜索詞的語義相似度大于預定閾值的問題的答案作為所述搜索詞的答案，推薦給所述用戶。

本申請實施例的基于人工智能的問答推薦裝置中，接收模塊接收用戶輸入的搜索詞之后，匹配模塊將上述搜索詞與問答知識庫中已有答案的問題進行匹配，如果上述問答知識庫中不存在與上述搜索詞完全匹配的問題，則計算模塊計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度，判斷模塊判斷上述問答知識庫中是否存在與上述搜索詞的語義相似度大于預定閾值的問題，如果存在，則推薦模塊將與上述搜索詞的語義相似度大于預定閾值的問題的答案作為上述搜索詞的答案，推薦給上述用戶，從而可以實現(xiàn)根據(jù)語義相似度進行答案推薦，降低了出現(xiàn)轉義的風險，并且減小了無意義的口語化表述成分的干擾。

為達上述目的，本申請第三方面實施例提出一種計算機設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時，實現(xiàn)如上所述的方法。

為了實現(xiàn)上述目的，本申請第四方面實施例提出了一種非臨時性計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上所述的方法。

本申請附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請的實踐了解到。

附圖說明

本申請上述的和/或附加的方面和優(yōu)點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為本申請基于人工智能的問答推薦方法一個實施例的流程圖；

圖2為本申請基于人工智能的問答推薦方法另一個實施例的流程圖；

圖3為本申請基于人工智能的問答推薦方法一個示例的示意圖；

圖4為本申請基于人工智能的問答推薦方法再一個實施例的流程圖；

圖5為本申請基于人工智能的問答推薦方法中相似度計算模型的訓練過程的示意圖；

圖6為本申請基于人工智能的問答推薦方法再一個實施例的流程圖；

圖7為本申請基于人工智能的問答推薦裝置一個實施例的結構示意圖；

圖8為本申請基于人工智能的問答推薦裝置另一個實施例的結構示意圖；

圖9為本申請計算機設備一個實施例的結構示意圖。

具體實施方式

下面詳細描述本申請的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本申請，而不能理解為對本申請的限制。

人工智能(artificialintelligence；以下簡稱：ai)是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

圖1為本申請基于人工智能的問答推薦方法一個實施例的流程圖，如圖1所示，上述基于人工智能的問答推薦方法可以包括：

步驟101，接收用戶輸入的搜索詞，上述搜索詞為問題。

具體地，用戶可以以文本、語音或圖片的形式輸入上述搜索詞，本實施例對用戶輸入搜索詞的方式不作限定。

步驟102，將上述搜索詞與問答知識庫中已有答案的問題進行匹配。

在本申請實施例的描述中，知識庫是知識工程中結構化，易操作，易利用，全面有組織的知識集群，是針對某一(或某些)領域問題求解的需要，采用某種(或若干)知識表示方式在計算機存儲器中存儲、組織、管理和使用的互相聯(lián)系的知識片集合。這些知識片包括與領域相關的理論知識、事實數(shù)據(jù)，由專家經驗得到的啟發(fā)式知識，如某領域內有關的定義、定理和運算法則以及常識性知識等。

步驟103，如果上述問答知識庫中不存在與上述搜索詞完全匹配的問題，則計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度。

步驟104，判斷上述問答知識庫中是否存在與上述搜索詞的語義相似度大于預定閾值的問題。如果存在，則執(zhí)行步驟105；如果上述問答知識庫中不存在與上述搜索詞的語義相似度大于預定閾值的問題，則執(zhí)行步驟106。

其中，上述預定閾值可以在具體實現(xiàn)時根據(jù)系統(tǒng)性能和/或實現(xiàn)需求等自行設定，本實施例對上述預定閾值的大小不作限定，舉例來說，上述預定閾值可以為0.8。

步驟105，將與上述搜索詞的語義相似度大于預定閾值的問題的答案作為上述搜索詞的答案，推薦給上述用戶。

步驟106，按照與上述搜索詞的語義相似度由大到小的順序，將上述問答知識庫中的預定數(shù)量的問題推薦給上述用戶，以供上述用戶在推薦的問題中選擇與上述用戶輸入的搜索詞最相似的問題。

步驟107，將上述用戶選擇的問題的答案推薦給上述用戶。

上述基于人工智能的問答推薦方法中，接收用戶輸入的搜索詞之后，將上述搜索詞與問答知識庫中已有答案的問題進行匹配，如果上述問答知識庫中不存在與上述搜索詞完全匹配的問題，則計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度，判斷上述問答知識庫中是否存在與上述搜索詞的語義相似度大于預定閾值的問題，如果存在，則將與上述搜索詞的語義相似度大于預定閾值的問題的答案作為上述搜索詞的答案，推薦給上述用戶，如果上述問答知識庫中不存在與上述搜索詞的語義相似度大于預定閾值的問題，則按照與上述搜索詞的語義相似度由大到小的順序，將上述問答知識庫中的預定數(shù)量的問題推薦給上述用戶，以供上述用戶在推薦的問題中選擇與上述用戶輸入的搜索詞最相似的問題，然后將上述用戶選擇的問題的答案推薦給上述用戶，從而可以實現(xiàn)根據(jù)語義相似度進行答案推薦，降低了出現(xiàn)轉義的風險，并且減小了無意義的口語化表述成分的干擾。

圖2為本申請基于人工智能的問答推薦方法另一個實施例的流程圖，如圖2所示，本申請圖1所示實施例步驟103中，計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度之前，還包括：

步驟201，如果上述問答知識庫中不存在與上述搜索詞完全匹配的問題，則對上述搜索詞進行分詞，獲得上述搜索詞的分詞。

步驟202，在上述問答知識庫中，結合同義詞知識庫、修飾搭配知識庫和停用詞知識庫對上述搜索詞的分詞進行倒排拉鏈，獲得檢索表達式。

步驟203，通過倒排索引及k路歸并對上述檢索表達式進行處理，獲得上述問答知識庫中的候選相似問題。

參見圖3，圖3為本申請基于人工智能的問答推薦方法一個示例的示意圖，如圖3所示，若問答知識庫中已知“北京今天天氣如何”的答案，當用戶輸入的搜索詞為“北京今天的天氣情況”時，可以先對“北京今天的天氣情況”進行分詞，獲得“北京今天的天氣情況”包括的分詞，“北京”、“今天”、“的”、“天氣”和“情況”；然后通過已有的同義詞知識庫發(fā)現(xiàn)“氣候”是“天氣”的同義詞，那么在拉取倒排候選時可以將“氣候”相關的query也拉出來作為候選；另外，通過修飾搭配知識庫發(fā)現(xiàn)“情況”在“天氣”后面出現(xiàn)時，是可以省略的，那么在拉取倒排相似候選時，“情況”可以不參與拉??；根據(jù)停用詞知識庫發(fā)現(xiàn)“的”是停用詞，對語義的表達并沒有作用，此時，“的”也不參與倒排候選的拉取，因此結合同義詞知識庫、修飾搭配知識庫和停用詞知識庫對上述搜索詞的分詞進行倒排拉鏈，可以獲得檢索表達式“北京and今天and[天氣or氣候]”，然后可以通過倒排索引及k路歸并對上述檢索表達式進行處理，獲得上述問答知識庫中的候選相似問題，本例中，上述問答知識庫中的候選相似問題包括“北京今天天氣如何”、“北京的天氣”和“今天的天氣”。

這時，步驟103可以為：

步驟204，通過相似度計算模型，計算上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度。

具體地，可以通過相似度計算模型，計算獲得上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度，例如，圖3中，上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度分別為：{北京今天的天氣情況，北京今天天氣如何}：0.9；{北京今天的天氣情況，北京的天氣}：0.6；{北京今天的天氣情況，今天的天氣}：0.6。

由此可見，只有“北京今天天氣如何”與“北京今天的天氣情況”的語義相似度大于0.8，因此，可以將“北京今天天氣如何”的答案作為“北京今天的天氣情況”的答案推薦給上述用戶。

圖4為本申請基于人工智能的問答推薦方法再一個實施例的流程圖，如圖4所示，本申請圖2所示實施例中，步驟204之前，還可以包括：

步驟401，收集搜索詞對。

本實施例中，收集的搜索詞對可以包括相似的搜索詞對，例如：“天氣”和“氣候”，也可以包括不相似的搜索詞對，例如：“天氣”和“矩形”，也就是說，收集的搜索詞對中既包括正例，也包括反例，以供訓練相似度計算模型使用。

步驟402，對上述搜索詞對進行處理，生成訓練語料。

步驟403，結合同義詞知識庫、修飾搭配知識庫和停用詞知識庫對上述訓練語料進行特征提取，獲得上述訓練語料的知識庫特征、語義相似度特征、字面相似度特征和結構相似度特征。

步驟404，將上述訓練語料的知識庫特征、語義相似度特征、字面相似度特征和結構相似度特征輸入到梯度提升決策樹(gradientboostingdecisiontree；以下簡稱：gbdt)模型中，通過智能學習算法對上述gbdt模型進行訓練，獲得上述相似度計算模型。

其中，上述智能學習算法可以為bm25算法或機器學習算法，當然，上述智能學習算法也可以為其他的算法，本實施例對此不作限定。

這樣，在步驟203，獲得上述問答知識庫中的候選相似問題之后，在步驟204中，就可以通過訓練獲得的上述相似度計算模型，計算上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度。

上述相似度計算模型的訓練過程可以如圖5所示，圖5為本申請基于人工智能的問答推薦方法中相似度計算模型的訓練過程的示意圖。

圖6為本申請基于人工智能的問答推薦方法再一個實施例的流程圖，如圖6所示，本申請圖1所示實施例中，步驟102之后，還可以包括：

步驟601，如果上述問答知識庫中存在與上述搜索詞完全匹配的問題，則將與上述搜索詞完全匹配的問題的答案推薦給上述用戶。

本申請實施例提供的基于人工智能的問答推薦方法可以實現(xiàn)根據(jù)語義相似度進行答案推薦，降低了出現(xiàn)轉義的風險，并且減小了無意義的口語化表述成分的干擾。

圖7為本申請基于人工智能的問答推薦裝置一個實施例的結構示意圖，本申請實施例中的基于人工智能的問答推薦裝置可以作為搜索引擎，或搜索引擎的一部分實現(xiàn)本申請實施例提供的基于人工智能的問答推薦方法。如圖7所示，上述基于人工智能的問答推薦裝置可以包括：接收模塊71、匹配模塊72、計算模塊73、判斷模塊74和推薦模塊75；

其中，接收模塊71，用于接收用戶輸入的搜索詞，上述搜索詞為問題。

匹配模塊72，用于將接收模塊71接收的搜索詞與問答知識庫中已有答案的問題進行匹配。

計算模塊73，用于當上述問答知識庫中不存在與上述搜索詞完全匹配的問題時，計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度。

判斷模塊74，用于判斷上述問答知識庫中是否存在與上述搜索詞的語義相似度大于預定閾值的問題；其中，上述預定閾值可以在具體實現(xiàn)時根據(jù)系統(tǒng)性能和/或實現(xiàn)需求等自行設定，本實施例對上述預定閾值的大小不作限定，舉例來說，上述預定閾值可以為0.8。

推薦模塊75，用于當上述問答知識庫中存在與上述搜索詞的語義相似度大于預定閾值的問題時，將上述與所述搜索詞的語義相似度大于預定閾值的問題的答案作為上述搜索詞的答案，推薦給上述用戶。

推薦模塊75，還用于當上述問答知識庫中不存在與上述搜索詞的語義相似度大于預定閾值的問題時，按照與上述搜索詞的語義相似度由大到小的順序，將上述問答知識庫中的預定數(shù)量的問題推薦給上述用戶，以供上述用戶在推薦的問題中選擇與上述用戶輸入的搜索詞最相似的問題；以及將上述用戶選擇的問題的答案推薦給上述用戶。

上述基于人工智能的問答推薦裝置中，接收模塊71接收用戶輸入的搜索詞之后，匹配模塊72將上述搜索詞與問答知識庫中已有答案的問題進行匹配，如果上述問答知識庫中不存在與上述搜索詞完全匹配的問題，則計算模塊73計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度，判斷模塊74判斷上述問答知識庫中是否存在與上述搜索詞的語義相似度大于預定閾值的問題，如果存在，則推薦模塊75將與上述搜索詞的語義相似度大于預定閾值的問題的答案作為上述搜索詞的答案，推薦給上述用戶，如果上述問答知識庫中不存在與上述搜索詞的語義相似度大于預定閾值的問題，則推薦模塊75按照與上述搜索詞的語義相似度由大到小的順序，將上述問答知識庫中的預定數(shù)量的問題推薦給上述用戶，以供上述用戶在推薦的問題中選擇與上述用戶輸入的搜索詞最相似的問題，然后推薦模塊75將上述用戶選擇的問題的答案推薦給上述用戶，從而可以實現(xiàn)根據(jù)語義相似度進行答案推薦，降低了出現(xiàn)轉義的風險，并且減小了無意義的口語化表述成分的干擾。

圖8為本申請基于人工智能的問答推薦裝置另一個實施例的結構示意圖，與圖7所示的基于人工智能的問答推薦裝置相比，不同之處在于，圖9所示的基于人工智能的問答推薦裝置還可以包括：分詞模塊76、倒排拉鏈模塊77和候選獲得模塊78；

其中，分詞模塊76，用于在計算模塊73計算上述搜索詞與上述問答知識庫中已有答案的問題的語義相似度之前，對上述搜索詞進行分詞，獲得上述搜索詞的分詞；

倒排拉鏈模塊77，用于在上述問答知識庫中，結合同義詞知識庫、修飾搭配知識庫和停用詞知識庫對分詞模塊76獲得的搜索詞的分詞進行倒排拉鏈，獲得檢索表達式；

候選獲得模塊78，用于通過倒排索引及k路歸并對倒排拉鏈模塊77獲得的檢索表達式進行處理，獲得上述問答知識庫中的候選相似問題。

參見圖3，若問答知識庫中已知“北京今天天氣如何”的答案，當用戶輸入的搜索詞為“北京今天的天氣情況”時，分詞模塊76可以先對“北京今天的天氣情況”進行分詞，獲得“北京今天的天氣情況”包括的分詞，“北京”、“今天”、“的”、“天氣”和“情況”；然后倒排拉鏈模塊77通過已有的同義詞知識庫發(fā)現(xiàn)“氣候”是“天氣”的同義詞，那么在拉取倒排候選時可以將“氣候”相關的query也拉出來作為候選；另外，通過修飾搭配知識庫發(fā)現(xiàn)“情況”在“天氣”后面出現(xiàn)時，是可以省略的，那么在拉取倒排相似候選時，“情況”可以不參與拉?。桓鶕?jù)停用詞知識庫發(fā)現(xiàn)“的”是停用詞，對語義的表達并沒有作用，此時，“的”也不參與倒排候選的拉取，因此倒排拉鏈模塊77結合同義詞知識庫、修飾搭配知識庫和停用詞知識庫對上述搜索詞的分詞進行倒排拉鏈，可以獲得檢索表達式“北京and今天and[天氣or氣候]”，然后候選獲得模塊78可以通過倒排索引及k路歸并對上述檢索表達式進行處理，獲得上述問答知識庫中的候選相似問題，本例中，上述問答知識庫中的候選相似問題包括“北京今天天氣如何”、“北京的天氣”和“今天的天氣”。

本實施例中，計算模塊73，具體用于通過相似度計算模型，計算上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度。

具體地，計算模塊73可以通過相似度計算模型，計算獲得上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度，例如，圖3中，上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度分別為：{北京今天的天氣情況，北京今天天氣如何}：0.9；{北京今天的天氣情況，北京的天氣}：0.6；{北京今天的天氣情況，今天的天氣}：0.6。

由此可見，只有“北京今天天氣如何”與“北京今天的天氣情況”的語義相似度大于0.8，因此，推薦模塊75可以將“北京今天天氣如何”的答案作為“北京今天的天氣情況”的答案推薦給上述用戶。

進一步地，上述基于人工智能的問答推薦裝置還可以包括：收集模塊79、生成模塊710、特征提取模塊711和訓練模塊712；

其中，收集模塊79，用于計算模塊73通過相似度計算模型，計算上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度之前，收集搜索詞對；本實施例中，收集模塊79收集的搜索詞對可以包括相似的搜索詞對，例如：“天氣”和“氣候”，也可以包括不相似的搜索詞對，例如：“天氣”和“矩形”，也就是說，收集的搜索詞對中既包括正例，也包括反例，以供訓練相似度計算模型使用。

生成模塊710，用于對收集模塊79收集的搜索詞對進行處理，生成訓練語料；

特征提取模塊711，用于結合同義詞知識庫、修飾搭配知識庫和停用詞知識庫對上述訓練語料進行特征提取，獲得上述訓練語料的知識庫特征、語義相似度特征、字面相似度特征和結構相似度特征；

訓練模塊712，用于將特征提取模塊711獲得的上述訓練語料的知識庫特征、語義相似度特征、字面相似度特征和結構相似度特征輸入到gbdt模型中，通過智能學習算法對上述gbdt模型進行訓練，獲得上述相似度計算模型。

其中，上述智能學習算法可以為bm25算法或機器學習算法，當然，上述智能學習算法也可以為其他的算法，本實施例對此不作限定，上述相似度計算模型的訓練過程可以如圖5所示。

這樣，在候選獲得模塊78獲得上述問答知識庫中的候選相似問題之后，計算模塊73就可以通過訓練模塊712訓練獲得的上述相似度計算模型，計算上述搜索詞與上述問答知識庫中的候選相似問題的語義相似度。

進一步地，推薦模塊75，還用于在匹配模塊72將上述搜索詞與問答知識庫中已有答案的問題進行匹配之后，當上述問答知識庫中存在與上述搜索詞完全匹配的問題時，將與上述搜索詞完全匹配的問題的答案推薦給上述用戶。

本申請實施例提供的基于人工智能的問答推薦裝置可以實現(xiàn)根據(jù)語義相似度進行答案推薦，降低了出現(xiàn)轉義的風險，并且減小了無意義的口語化表述成分的干擾。

圖9為本申請計算機設備一個實施例的結構示意圖，上述計算機設備可以包括存儲器、處理器及存儲在上述存儲器上并可在上述處理器上運行的計算機程序，上述處理器執(zhí)行上述計算機程序時，可以實現(xiàn)本申請實施例提供的基于人工智能的問答推薦方法。

圖9示出了適于用來實現(xiàn)本申請實施方式的示例性計算機設備12的框圖。圖9顯示的計算機設備12僅僅是一個示例，不應對本申請實施例的功能和使用范圍帶來任何限制。

如圖9所示，計算機設備12以通用計算設備的形式表現(xiàn)。計算機設備12的組件可以包括但不限于：一個或者多個處理器或者處理單元16，系統(tǒng)存儲器28，連接不同系統(tǒng)組件(包括系統(tǒng)存儲器28和處理單元16)的總線18。

總線18表示幾類總線結構中的一種或多種，包括存儲器總線或者存儲器控制器，外圍總線，圖形加速端口，處理器或者使用多種總線結構中的任意總線結構的局域總線。舉例來說，這些體系結構包括但不限于工業(yè)標準體系結構(industrystandardarchitecture；以下簡稱：isa)總線，微通道體系結構(microchannelarchitecture；以下簡稱：mac)總線，增強型isa總線、視頻電子標準協(xié)會(videoelectronicsstandardsassociation；以下簡稱：vesa)局域總線以及外圍組件互連(peripheralcomponentinterconnection；以下簡稱：pci)總線。

計算機設備12典型地包括多種計算機系統(tǒng)可讀介質。這些介質可以是任何能夠被計算機設備12訪問的可用介質，包括易失性和非易失性介質，可移動的和不可移動的介質。

系統(tǒng)存儲器28可以包括易失性存儲器形式的計算機系統(tǒng)可讀介質，例如隨機存取存儲器(randomaccessmemory；以下簡稱：ram)30和/或高速緩存存儲器32。計算機設備12可以進一步包括其它可移動/不可移動的、易失性/非易失性計算機系統(tǒng)存儲介質。僅作為舉例，存儲系統(tǒng)34可以用于讀寫不可移動的、非易失性磁介質(圖9未顯示，通常稱為“硬盤驅動器”)。盡管圖9中未示出，可以提供用于對可移動非易失性磁盤(例如“軟盤”)讀寫的磁盤驅動器，以及對可移動非易失性光盤(例如：光盤只讀存儲器(compactdiscreadonlymemory；以下簡稱：cd-rom)、數(shù)字多功能只讀光盤(digitalvideodiscreadonlymemory；以下簡稱：dvd-rom)或者其它光介質)讀寫的光盤驅動器。在這些情況下，每個驅動器可以通過一個或者多個數(shù)據(jù)介質接口與總線18相連。存儲器28可以包括至少一個程序產品，該程序產品具有一組(例如至少一個)程序模塊，這些程序模塊被配置以執(zhí)行本申請各實施例的功能。

具有一組(至少一個)程序模塊42的程序/實用工具40，可以存儲在例如存儲器28中，這樣的程序模塊42包括——但不限于——操作系統(tǒng)、一個或者多個應用程序、其它程序模塊以及程序數(shù)據(jù)，這些示例中的每一個或某種組合中可能包括網絡環(huán)境的實現(xiàn)。程序模塊42通常執(zhí)行本申請所描述的實施例中的功能和/或方法。

計算機設備12也可以與一個或多個外部設備14(例如鍵盤、指向設備、顯示器24等)通信，還可與一個或者多個使得用戶能與該計算機設備12交互的設備通信，和/或與使得該計算機設備12能與一個或多個其它計算設備進行通信的任何設備(例如網卡，調制解調器等等)通信。這種通信可以通過輸入/輸出(i/o)接口22進行。并且，計算機設備12還可以通過網絡適配器20與一個或者多個網絡(例如局域網(localareanetwork；以下簡稱：lan)，廣域網(wideareanetwork；以下簡稱：wan)和/或公共網絡，例如因特網)通信。如圖9所示，網絡適配器20通過總線18與計算機設備12的其它模塊通信。應當明白，盡管圖9中未示出，可以結合計算機設備12使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設備驅動器、冗余處理單元、外部磁盤驅動陣列、raid系統(tǒng)、磁帶驅動器以及數(shù)據(jù)備份存儲系統(tǒng)等。

處理單元16通過運行存儲在系統(tǒng)存儲器28中的程序，從而執(zhí)行各種功能應用以及數(shù)據(jù)處理，例如實現(xiàn)本申請實施例提供的基于人工智能的問答推薦方法。

本申請實施例還提供一種非臨時性計算機可讀存儲介質，其上存儲有計算機程序，上述計算機程序被處理器執(zhí)行時可以實現(xiàn)本申請實施例提供的基于人工智能的問答推薦方法。

上述非臨時性計算機可讀存儲介質可以采用一個或多個計算機可讀的介質的任意組合。計算機可讀介質可以是計算機可讀信號介質或者計算機可讀存儲介質。計算機可讀存儲介質例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導體的系統(tǒng)、裝置或器件，或者任意以上的組合。計算機可讀存儲介質的更具體的例子(非窮舉的列表)包括：具有一個或多個導線的電連接、便攜式計算機磁盤、硬盤、隨機存取存儲器(ram)、只讀存儲器(readonlymemory；以下簡稱：rom)、可擦式可編程只讀存儲器(erasableprogrammablereadonlymemory；以下簡稱：eprom)或閃存、光纖、便攜式緊湊磁盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本文件中，計算機可讀存儲介質可以是任何包含或存儲程序的有形介質，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結合使用。

計算機可讀的信號介質可以包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號，其中承載了計算機可讀的程序代碼。這種傳播的數(shù)據(jù)信號可以采用多種形式，包括——但不限于——電磁信號、光信號或上述的任意合適的組合。計算機可讀的信號介質還可以是計算機可讀存儲介質以外的任何計算機可讀介質，該計算機可讀介質可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結合使用的程序。

計算機可讀介質上包含的程序代碼可以用任何適當?shù)慕橘|傳輸，包括——但不限于——無線、電線、光纜、rf等等，或者上述的任意合適的組合。

可以以一種或多種程序設計語言或其組合來編寫用于執(zhí)行本申請操作的計算機程序代碼，所述程序設計語言包括面向對象的程序設計語言—諸如java、smalltalk、c++，還包括常規(guī)的過程式程序設計語言—諸如“c”語言或類似的程序設計語言。程序代碼可以完全地在用戶計算機上執(zhí)行、部分地在用戶計算機上執(zhí)行、作為一個獨立的軟件包執(zhí)行、部分在用戶計算機上部分在遠程計算機上執(zhí)行、或者完全在遠程計算機或服務器上執(zhí)行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網絡——包括局域網(localareanetwork；以下簡稱：lan)或廣域網(wideareanetwork；以下簡稱：wan)連接到用戶計算機，或者，可以連接到外部計算機(例如利用因特網服務提供商來通過因特網連接)。

在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本申請的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結合和組合。

此外，術語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本申請的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)定制邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本申請的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應被本申請的實施例所屬技術領域的技術人員所理解。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用于實現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實現(xiàn)在任何計算機可讀介質中，以供指令執(zhí)行系統(tǒng)、裝置或設備(如基于計算機的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設備取指令并執(zhí)行指令的系統(tǒng))使用，或結合這些指令執(zhí)行系統(tǒng)、裝置或設備而使用。就本說明書而言，“計算機可讀介質”可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設備或結合這些指令執(zhí)行系統(tǒng)、裝置或設備而使用的裝置。計算機可讀介質的更具體的示例(非窮盡性列表)包括以下：具有一個或多個布線的電連接部(電子裝置)，便攜式計算機盤盒(磁裝置)，隨機存取存儲器(randomaccessmemory；以下簡稱：ram)，只讀存儲器(readonlymemory；以下簡稱：rom)，可擦除可編輯只讀存儲器(erasableprogrammablereadonlymemory；以下簡稱：eprom)或閃速存儲器，光纖裝置，以及便攜式光盤只讀存儲器(compactdiscreadonlymemory；以下簡稱：cd-rom)。另外，計算機可讀介質甚至可以是可在其上打印所述程序的紙或其他合適的介質，因為可以例如通過對紙或其他介質進行光學掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程序，然后將其存儲在計算機存儲器中。

應當理解，本申請的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。如，如果用硬件來實現(xiàn)和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(programmablegatearray；以下簡稱：pga)，現(xiàn)場可編程門陣列(fieldprogrammablegatearray；以下簡稱：fpga)等。

本技術領域的普通技術人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

此外，在本申請各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質中。

上述提到的存儲介質可以是只讀存儲器，磁盤或光盤等。盡管上面已經示出和描述了本申請的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本申請的限制，本領域的普通技術人員在本申請的范圍內可以對上述實施例進行變化、修改、替換和變型。