本申请涉及人工智能，尤其涉及一种智能答疑方法、装置及可读存储介质。
背景技术：
1、现有的供应链系统操作培训通常依赖于短短几节课的线上网课或线下面授，通常会出现培训不到位以及理解不充分的情况。经过此类培训后，进入实操时员工通常会遇到各种各样暂时难以解决的问题。为了解决这些问题，通常需要求助于人工客服的帮助。
2、然而，人工客服精力有限，针对供应链操作业务的一个问题通常要耗费十几到几十分钟的时间去解决，处理速度较慢。因此求助于人工客服可能会耗费较长的等待时间，影响工作进度。
3、因此，如何提高答疑效率，成为需要解决的问题。
技术实现思路
1、本申请所要解决的技术问题是针对现有技术的上述不足，提供一种智能答疑方法、装置及可读存储介质，用以解决现有技术存在的问题。
2、第一方面，本申请提供一种智能答疑方法，所述方法包括：
3、s1、响应于获取用户问题，通过实体-关系联合抽取模型得到用户问题中的实体和关系；
4、s2、通过基于静态注意力机制的属性映射模型，将所述用户问题中的实体和关系与知识图谱进行匹配，得到查询结果；其中，所述知识图谱基于与答疑内容相关的数据库信息以及历史问题信息预构建得到；
5、s3、基于所述查询结果，通过gpt模型生成答疑结果。
6、在一些实施例中，s2中，所述知识图谱的构建过程包括：
7、s01、获取与答疑内容相关的数据库信息以及历史问题信息；
8、s02、基于所述数据库信息以及历史问题信息，通过实体-关系联合抽取模型半自动化构建出知识图谱。
9、在一些实施例中，s02中，所述实体-关系联合抽取模型的训练过程包括：
10、s02a、对所述数据库信息以及历史问题信息进行数据清洗以及筛选处理，得到预处理数据；
11、s02b、对所述预处理数据进行标注处理，得到标注数据；
12、s02c、基于所述预处理数据以及所述标注数据进行模型训练，得到所述实体-关系联合抽取模型。
13、在一些实施例中，所述实体-关系联合抽取模型包括：单词嵌入层、序列层和依赖层；
14、其中，所述单词嵌入层利用bert预训练模型对输入数据进行编码以及特征提取，得到词向量以及文本序列；
15、所述序列层基于所述词向量以及文本序列进行实体检测；
16、所述依赖层基于所述序列层得到的实体进行关系抽取。
17、在一些实施例中，s1，包括：
18、通过实体-关系联合抽取模型，对所述用户问题对应的文本信息进行实体识别和关系抽取，得到所述用户问题中的实体和关系。
19、在一些实施例中，s2中，将所述用户问题中的实体和关系与知识图谱进行匹配，得到查询结果，包括：
20、基于所述用户问题中的实体和关系，在知识图谱中进行检索，得到多个候选答案；
21、对所述用户问题以及所述多个候选答案进行相似度评分，将评分最高的候选答案作为所述查询结果。
22、在一些实施例中，对所述多个候选答案进行相似度评分，包括：
23、通过双向lstm深度网络获取所述用户问题和多个候选答案的向量表示；
24、通过余弦相似度算法，将各所述候选答案与所述用户问题进行相似度评分，得到各所述候选答案的相似度评分结果。
25、第二方面，本申请提供一种智能答疑装置，所述装置包括：
26、实体关系抽取模块，其设置为响应于获取用户问题，通过实体-关系联合抽取模型得到用户问题中的实体和关系；
27、知识图谱匹配模块，其设置为通过基于静态注意力机制的属性映射模型，将所述用户问题中的实体和关系与知识图谱进行匹配，得到查询结果；其中，所述知识图谱基于与答疑内容相关的数据库信息以及历史问题信息预构建得到；
28、答疑结果生成模块，其设置为基于所述查询结果，通过gpt模型生成答疑结果。
29、第三方面，本申请提供一种智能答疑装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面所述的智能答疑方法。
30、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的智能答疑方法。
31、本申请提供的智能答疑方法、装置及可读存储介质，具体的，响应于获取用户问题，通过实体-关系联合抽取模型得到用户问题中的实体和关系；通过基于静态注意力机制的属性映射模型，将所述用户问题中的实体和关系与知识图谱进行匹配，得到查询结果；其中，所述知识图谱基于与答疑内容相关的数据库信息以及历史问题信息预构建得到；基于所述查询结果，通过gpt模型生成答疑结果。本申请提供一种基于nlp和知识图谱的供应链系统操作智能答疑方法，首先对目前供应链系统运行中产生的数据库信息以及人工客服整理的常见问题进行数据收集，然后利用实体检测和关系抽取联合模型半自动化构建出知识图谱，将其作为智能答疑系统的知识库；之后当用户向系统提出疑问时，系统首先使用实体-关系抽取联合模型提取问题文本中的实体和关系，然后利用基于静态注意力机制的属性映射模型匹配用户查询与知识图谱中的实体和关系，找到最相关的答案。最后根据查询结果，基于gpt自动生成易于理解的答案，并以详细描述的形式将答疑结果返回给用户。本方法基于知识图谱和nlp实现智能答疑，能够在保证答疑效率的同时提供更加易于理解的答疑结果，提升了用户的工作效率和满意度。同时，该方法能够减少供应链系统运营部门对于答疑模块的人员投入，达到提升效率和降低成本的作用。
1.一种智能答疑方法，其特征在于，所述方法包括：
2.根据权利要求1所述的智能答疑方法，其特征在于，s2中，所述知识图谱的构建过程包括：
3.根据权利要求2所述的智能答疑方法，其特征在于，s02中，所述实体-关系联合抽取模型的训练过程包括：
4.根据权利要求3所述的智能答疑方法，其特征在于，所述实体-关系联合抽取模型包括：单词嵌入层、序列层和依赖层；
5.根据权利要求1所述的智能答疑方法，其特征在于，s1，包括：
6.根据权利要求1所述的智能答疑方法，其特征在于，s2中，将所述用户问题中的实体和关系与知识图谱进行匹配，得到查询结果，包括：
7.根据权利要求6所述的智能答疑方法，其特征在于，对所述多个候选答案进行相似度评分，包括：
8.一种智能答疑装置，其特征在于，所述装置包括：
9.一种智能答疑装置，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现如权利要求1-7中任一项所述的智能答疑方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的智能答疑方法。
