本技术涉及计算机，具体而言，涉及一种问答处理方法、装置、电子设备及存储介质。
背景技术：
1、当前在人机对话的领域，为了提供更智能、更流畅的交流体验，广泛采用一种专注于生成自然语言文本的大语言模型。在专业领域的人机对话中，为了弥补大型对话模型在特定专业知识方面的不足，普遍采取的策略是建立一个专业领域的知识库，该知识库用于存储和检索相关的专业知识库。
2、现有技术中，在进行对话过程中，需要多次调用通用自然语言处理模型和知识库检索，这样的方法容易造成资源消耗大、推理速度慢以及成本高的问题。
技术实现思路
1、本技术的目的在于，针对上述现有技术中的不足，提供一种问答处理方法、装置、电子设备及存储介质，提高问答处理的准确性。
2、为实现上述目的，本技术实施例采用的技术方案如下：
3、第一方面，本技术实施例提供了一种问答处理方法，所述方法包括：
4、获取用户输入的待识别语句，并通过识别模型对所述待识别语句进行识别，确定处理所述待识别语句的处理方式；
5、若所述处理方式为模型结合处理方式，则调用通用自然语言处理模型对所述待识别语句进行语义增强处理，得到增强语句，并通过轻量化语言处理模型对所述增强语句进行打分处理，得到所述待识别语句的置信度以及意图信息，所述通用自然语言处理模型的知识库的体量大于所述轻量化语言处理模型的知识库的体量；
6、若所述处理方式为单模型处理方式，则调用所述轻量化语言处理模型对所述待识别语句进行打分处理，得到所述待识别语句的置信度以及意图信息；
7、根据所述待识别语句的置信度以及意图信息，基于所述通用自然语言处理模型以及所述轻量化语言处理模型确定所述待识别语句的答复语句。
8、可选地，所述根据所述待识别语句的置信度，基于所述通用自然语言处理模型以及所述轻量化语言处理模型确定所述待识别语句的答复语句，包括：
9、根据所述待识别语句的置信度以及预设的第一阈值确定是否调用轻量化语言处理模型确定所述待识别语句的答复语句；
10、若是，则由轻量化语言处理模型根据所述意图信息，从所述轻量化语言处理模型的知识库中查找与所述意图信息匹配的目标语句，并将所述目标语句对应的答案作为所述答复语句；
11、若否，则根据所述待识别语句的置信度以及预设的第二阈值确定是否调用所述通用自然语言处理模型确定所述待识别语句的答复语句；
12、若是，则由所述通用自然语言处理模型输出预设的拒识答复语句，并将所述拒识答复语句作为所述待识别语句的答复语句；若否，则由所述通用自然语言处理模型根据所述待识别语句的意图信息重新对所述待识别语句进行语义增强，得到新的增强语句，并由所述轻量化语言处理模型重新对所述增强语句进行打分处理，得到新的置信度以及新的意图信息，并重新根据新的置信度以及新的意图信息确定所述待识别语句的答复语句。
13、可选地，所述根据所述待识别语句的置信度以及预设的第一阈值确定是否调用轻量化语言处理模型确定所述待识别语句的答复语句，包括：
14、若所述置信度大于或等于第一阈值，则确定调用轻量化语言处理模型确定所述待识别语句的答复语句；
15、若所述置信度小于所述第一阈值，则根据所述待识别语句的置信度以及预设的第二阈值确定是否调用所述通用自然语言处理模型确定所述待识别语句的答复语句。
16、可选地，所述根据所述待识别语句的置信度以及预设的第二阈值确定是否调用所述通用自然语言处理模型确定所述待识别语句的答复语句，包括：
17、若所述置信度大于所述第二阈值，则由所述通用自然语言处理模型根据所述待识别语句的意图信息重新对所述待识别语句进行语义增强，得到新的增强语句，并由所述轻量化语言处理模型重新对所述增强语句进行打分处理，得到新的置信度以及新的意图信息，并重新根据新的置信度以及新的意图信息确定所述待识别语句的答复语句；
18、若所述置信度小于或等于所述第二阈值，则调用所述通用自然语言处理模型确定所述待识别语句的答复语句。
19、可选地，所述通过识别模型对所述待识别语句进行识别，确定处理所述待识别语句的处理方式，包括：
20、通过所述通用自然语言处理模型中的情感分析模块对所述待识别语句进行语境识别，确定用户情绪信息，所述用户情绪信息用于指示所述待识别语句的语境中是否包含有用户情绪；
21、通过所述通用自然语言处理模型中的画像识别模块对所述待识别语句对应的用户进行画像识别，确定用户画像信息，所述用户画像信息用于指示所述用户是否属于特定客群；
22、根据所述用户情绪信息、所述用户画像信息以及当前的服务配额信息，确定处理所述待识别语句的处理方式。
23、可选地，所述根据所述用户情绪信息、所述用户画像信息以及当前的服务配额信息，确定处理所述待识别语句的处理方式，包括：
24、若所述用户情绪信息指示所述待识别语句的语境中包含有用户情绪且当前的服务配额信息满足预设条件，或者，所述用户画像信息指示所述用户属于特定客群且当前的服务配额信息满足预设条件，则确定所述处理方式为所述模型结合处理方式，否则，确定所述处理方式为所述单模型处理方式。
25、可选地，所述调用所述轻量化语言处理模型对所述待识别语句进行打分处理，得到所述待识别语句的置信度以及意图信息，包括：
26、由所述轻量化语言处理模型对所述待识别语句进行意图识别以及词槽收集，得到所述待识别语句的意图信息；
27、由所述轻量化语言处理模型根据所述待识别语句的意图信息对所述待识别语句进行打分，得到所述待识别语句的置信度。
28、第二方面，本技术实施例还提供了一种问答处理装置，所述装置包括：
29、确定模块，用于获取用户输入的待识别语句，并通过识别模型对所述待识别语句进行识别，确定处理所述待识别语句的处理方式；
30、增强处理模块，用于若所述处理方式为模型结合处理方式，则调用通用自然语言处理模型对所述待识别语句进行语义增强处理，得到增强语句，并通过所述轻量化语言处理模型对所述增强语句进行打分处理，得到所述待识别语句的置信度以及意图信息，所述通用自然语言处理模型的知识库的体量大于所述轻量化语言处理模型的知识库的体量；
31、打分模块，用于若所述处理方式为单模型处理方式，则调用所述轻量化语言处理模型对所述待识别语句进行打分处理，得到所述待识别语句的置信度以及意图信息；
32、确定模块，用于根据所述待识别语句的置信度以及意图信息，基于所述通用自然语言处理模型以及所述轻量化语言处理模型确定所述待识别语句的答复语句。
33、可选地，所述确定模块具体用于：
34、根据所述待识别语句的置信度以及预设的第一阈值确定是否调用轻量化语言处理模型确定所述待识别语句的答复语句；
35、若是，则由轻量化语言处理模型根据所述意图信息，从所述轻量化语言处理模型的知识库中查找与所述意图信息匹配的目标语句，并将所述目标语句对应的答案作为所述答复语句；
36、若否，则根据所述待识别语句的置信度以及预设的第二阈值确定是否调用所述通用自然语言处理模型确定所述待识别语句的答复语句；
37、若是，则由所述通用自然语言处理模型输出预设的拒识答复语句，并将所述拒识答复语句作为所述待识别语句的答复语句；若否，则由所述通用自然语言处理模型根据所述待识别语句的意图信息重新对所述待识别语句进行语义增强，得到新的增强语句，并由所述轻量化语言处理模型重新对所述增强语句进行打分处理，得到新的置信度以及新的意图信息，并重新根据新的置信度以及新的意图信息确定所述待识别语句的答复语句。
38、可选地，所述确定模块具体用于：
39、若所述置信度大于或等于第一阈值，则确定调用轻量化语言处理模型确定所述待识别语句的答复语句；
40、若所述置信度小于所述第一阈值，则根据所述待识别语句的置信度以及预设的第二阈值确定是否调用所述通用自然语言处理模型确定所述待识别语句的答复语句。
41、可选地，所述确定模块具体用于：
42、若所述置信度大于所述第二阈值，则由所述通用自然语言处理模型根据所述待识别语句的意图信息重新对所述待识别语句进行语义增强，得到新的增强语句，并由所述轻量化语言处理模型重新对所述增强语句进行打分处理，得到新的置信度以及新的意图信息，并重新根据新的置信度以及新的意图信息确定所述待识别语句的答复语句；
43、若所述置信度小于或等于所述第二阈值，则调用所述通用自然语言处理模型确定所述待识别语句的答复语句。
44、可选地，所述确定模块具体用于：
45、通过所述通用自然语言处理模型中的情感分析模块对所述待识别语句进行语境识别，确定用户情绪信息，所述用户情绪信息用于指示所述待识别语句的语境中是否包含有用户情绪；
46、通过所述通用自然语言处理模型中的画像识别模块对所述待识别语句对应的用户进行画像识别，确定用户画像信息，所述用户画像信息用于指示所述用户是否属于特定客群；
47、根据所述用户情绪信息、所述用户画像信息以及当前的服务配额信息，确定处理所述待识别语句的处理方式。
48、可选地，所述确定模块具体用于：
49、若所述用户情绪信息指示所述待识别语句的语境中包含有用户情绪且当前的服务配额信息满足预设条件，或者，所述用户画像信息指示所述用户属于特定客群且当前的服务配额信息满足预设条件，则确定所述处理方式为所述模型结合处理方式，否则，确定所述处理方式为所述单模型处理方式。
50、可选地，所述打分模块具体用于：
51、由所述轻量化语言处理模型对所述待识别语句进行意图识别以及词槽收集，得到所述待识别语句的意图信息；
52、由所述轻量化语言处理模型根据所述待识别语句的意图信息对所述待识别语句进行打分，得到所述待识别语句的置信度。
53、第三方面，本技术实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当应用程序运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行上述第一方面所述的问答处理方法的步骤。
54、第四方面，本技术实施例还提供了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，所述计算机程序被读取并执行上述第一方面所述的问答处理方法的步骤。
55、本技术的有益效果是：
56、本技术提供的一种问答处理方法、装置、电子设备及存储介质，在通过识别模型对待识别语句进行识别后，根据识别结果可以确定处理该待识别语句的处理方式。若处理方式为模型结合处理方式，则调用通用自然语言模型进行语义增强处理，得到增强语句，并通过轻量化语言处理模型对增强语句进行打分处理得到待识别语句的置信度和意图信息；若处理方式为单模型处理方式，则调用轻量化语言处理模型对待识别语句进行打分处理，得到待识别语句的置信度和意图信息。则在确定待识别语句的置信度和意图信息的过程中，通过通用自然语言处理模型和轻量化语言处理模型的相互融合处理；之后又基于通用自然语言模型以及轻量化语言模型根据待识别语句的置信度以及意图信息来确定待识别语句的答复语句，则在整个对话过程中，通过通用自然语言模型以及轻量化语言处理模型之间的协同增程式语义理解，极大地提升了推理效率，降低了硬件开发成本以及推理时间，有效的提升了人机对话的响应速度。
1.一种问答处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的问答处理方法，其特征在于，所述根据所述待识别语句的置信度，基于所述通用自然语言处理模型以及所述轻量化语言处理模型确定所述待识别语句的答复语句，包括：
3.根据权利要求2所述的问答处理方法，其特征在于，所述根据所述待识别语句的置信度以及预设的第一阈值确定是否调用轻量化语言处理模型确定所述待识别语句的答复语句，包括：
4.根据权利要求2所述的问答处理方法，其特征在于，所述根据所述待识别语句的置信度以及预设的第二阈值确定是否调用所述通用自然语言处理模型确定所述待识别语句的答复语句，包括：
5.根据权利要求1所述的问答处理方法，其特征在于，所述通过识别模型对所述待识别语句进行识别，确定处理所述待识别语句的处理方式，包括：
6.根据权利要求5所述的问答处理方法，其特征在于，所述根据所述用户情绪信息、所述用户画像信息以及当前的服务配额信息，确定处理所述待识别语句的处理方式，包括：
7.根据权利要求1所述的问答处理方法，其特征在于，所述调用所述轻量化语言处理模型对所述待识别语句进行打分处理，得到所述待识别语句的置信度以及意图信息，包括：
8.一种问答处理装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的问答处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-7任一项所述的问答处理方法的步骤。
