(19)國(guó)家知識(shí)產(chǎn)權(quán)局(71)申請(qǐng)人湖南工程學(xué)院地址411100湖南省湘潭市福星東路88號(hào)(主校區(qū))(72)發(fā)明人洪盼黎博李林譚浩博(74)專(zhuān)利代理機(jī)構(gòu)四川中代知識(shí)產(chǎn)權(quán)代理有限公司51358專(zhuān)利代理師李康(54)發(fā)明名稱(chēng)本發(fā)明提供一種基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法及系統(tǒng)，涉及自然語(yǔ)言處理技術(shù)領(lǐng)域，首先提取用戶(hù)輸入提問(wèn)語(yǔ)句的語(yǔ)義理解特征，基于預(yù)設(shè)創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配對(duì)應(yīng)知識(shí)節(jié)點(diǎn)集合，接著，依據(jù)知識(shí)節(jié)點(diǎn)集合的層級(jí)關(guān)系與語(yǔ)義關(guān)聯(lián)度生成語(yǔ)義關(guān)聯(lián)路徑，據(jù)此確定目標(biāo)問(wèn)答策略并生成優(yōu)化輔導(dǎo)內(nèi)容，最后，根據(jù)用戶(hù)對(duì)優(yōu)化輔導(dǎo)內(nèi)容的反饋數(shù)據(jù)，更新創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的節(jié)點(diǎn)連接權(quán)重與關(guān)聯(lián)關(guān)系，由此通過(guò)深度語(yǔ)義理解與知識(shí)庫(kù)動(dòng)態(tài)優(yōu)化，實(shí)現(xiàn)創(chuàng)新創(chuàng)提取用戶(hù)輸入的提問(wèn)語(yǔ)句的語(yǔ)義理解特征基于預(yù)設(shè)的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配與所述語(yǔ)義理解特征對(duì)應(yīng)的知識(shí)節(jié)點(diǎn)集合根據(jù)所述知識(shí)節(jié)點(diǎn)集合的層級(jí)關(guān)系與語(yǔ)義關(guān)聯(lián)度生成語(yǔ)義根據(jù)所述語(yǔ)義關(guān)聯(lián)路徑確定目標(biāo)問(wèn)答策略并生成優(yōu)化輔導(dǎo)根據(jù)用戶(hù)對(duì)所述優(yōu)化輔導(dǎo)內(nèi)容的反饋數(shù)據(jù)更新所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的節(jié)點(diǎn)連接權(quán)重與關(guān)聯(lián)關(guān)系21.基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述方法包括：提取用戶(hù)輸入的提問(wèn)語(yǔ)句的語(yǔ)義理解特征；基于預(yù)設(shè)的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配與所述語(yǔ)義理解特征對(duì)應(yīng)的知識(shí)節(jié)點(diǎn)集合；根據(jù)所述知識(shí)節(jié)點(diǎn)集合的層級(jí)關(guān)系與語(yǔ)義關(guān)聯(lián)度生成語(yǔ)義關(guān)聯(lián)路徑；根據(jù)所述語(yǔ)義關(guān)聯(lián)路徑確定目標(biāo)問(wèn)答策略并生成優(yōu)化輔導(dǎo)內(nèi)容；根據(jù)用戶(hù)對(duì)所述優(yōu)化輔導(dǎo)內(nèi)容的反饋數(shù)據(jù)更新所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的節(jié)點(diǎn)連接權(quán)重與關(guān)聯(lián)關(guān)系。2.根據(jù)權(quán)利要求1所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述提取用戶(hù)輸入的提問(wèn)語(yǔ)句的語(yǔ)義理解特征，包括：對(duì)所述提問(wèn)語(yǔ)句進(jìn)行分詞處理，分割為多個(gè)語(yǔ)義詞單元并去除所述多個(gè)語(yǔ)義詞單元中的停用詞；調(diào)用預(yù)訓(xùn)練的語(yǔ)義編碼模型對(duì)所述語(yǔ)義詞單元進(jìn)行上下文編碼，生成每個(gè)語(yǔ)義詞單元的上下文向量；將所述上下文向量輸入多頭注意力層，計(jì)算各語(yǔ)義詞單元之間的語(yǔ)義關(guān)聯(lián)權(quán)重；基于所述語(yǔ)義關(guān)聯(lián)權(quán)重對(duì)所述上下文向量進(jìn)行加權(quán)融合，生成所述提問(wèn)語(yǔ)句的全局語(yǔ)義特征；將所述全局語(yǔ)義特征輸入特征降維層，提取核心意圖特征與輔助邏輯特征，作為所述語(yǔ)義理解特征；其中，所述核心意圖特征用于表示用戶(hù)提問(wèn)的核心目標(biāo)，所述輔助邏輯特征用于描述提問(wèn)語(yǔ)句中多個(gè)語(yǔ)義詞單元之間的依賴(lài)關(guān)系及語(yǔ)義層次結(jié)構(gòu)；其中，所述語(yǔ)義編碼模型通過(guò)以下步驟訓(xùn)練：采集歷史創(chuàng)新創(chuàng)業(yè)輔導(dǎo)場(chǎng)景中的樣本提問(wèn)語(yǔ)句及其對(duì)應(yīng)的標(biāo)注意圖標(biāo)簽，構(gòu)建訓(xùn)練數(shù)以最小化所述樣本提問(wèn)語(yǔ)句的預(yù)測(cè)意圖標(biāo)簽與標(biāo)注意圖標(biāo)簽之間的交叉熵?fù)p失為目標(biāo)，優(yōu)化所述語(yǔ)義編碼模型的參數(shù)。3.根據(jù)權(quán)利要求2所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述調(diào)用預(yù)訓(xùn)練的語(yǔ)義編碼模型對(duì)所述語(yǔ)義詞單元進(jìn)行上下文編碼，生成每個(gè)語(yǔ)義詞單元的將所述語(yǔ)義詞單元輸入雙向長(zhǎng)短期記憶網(wǎng)絡(luò)，分別獲取每個(gè)語(yǔ)義詞單元的前向隱狀態(tài)序列與后向隱狀態(tài)序列；拼接同一語(yǔ)義詞單元的前向隱狀態(tài)序列與后向隱狀態(tài)序列，生成初始上下文向量；對(duì)所述初始上下文向量執(zhí)行層歸一化處理，并通過(guò)殘差連接將歸一化后的上下文向量與所述初始上下文向量進(jìn)行融合，得到增強(qiáng)上下文向量；將所述增強(qiáng)上下文向量輸入非線性變換層，生成維度統(tǒng)一的上下文向量集合。4.根據(jù)權(quán)利要求2所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述基于預(yù)設(shè)的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配與所述語(yǔ)義理解特征對(duì)應(yīng)的知識(shí)節(jié)點(diǎn)集合，包括：遍歷所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的候選知識(shí)節(jié)點(diǎn)，調(diào)用節(jié)點(diǎn)匹配模型計(jì)算每個(gè)候選知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征與所述核心意圖特征之間的第一相似度評(píng)分；篩選所述第一相似度評(píng)分高于第一預(yù)設(shè)閾值的候選知識(shí)節(jié)點(diǎn)構(gòu)成初始匹配集合；調(diào)用邏輯校驗(yàn)?zāi)Ｐ头治鏊龀跏计ヅ浼现械暮蜻x知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)描述文本是否滿(mǎn)3足所述輔助邏輯特征對(duì)應(yīng)的依賴(lài)關(guān)系與語(yǔ)義層次結(jié)構(gòu)，若不滿(mǎn)足，則判定為沖突節(jié)點(diǎn)，并剔除所述沖突節(jié)點(diǎn)，得到邏輯校驗(yàn)后的候選知識(shí)節(jié)點(diǎn)；將邏輯校驗(yàn)后的候選知識(shí)節(jié)點(diǎn)按所述第一相似度評(píng)分降序排列，選取前N個(gè)節(jié)點(diǎn)作為優(yōu)化后的知識(shí)節(jié)點(diǎn)集合。5.根據(jù)權(quán)利要求4所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所從歷史成功匹配的問(wèn)答數(shù)據(jù)中提取正樣本知識(shí)節(jié)點(diǎn)，并記錄所述正樣本知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的用戶(hù)提問(wèn)語(yǔ)義理解特征；對(duì)所述正樣本知識(shí)節(jié)點(diǎn)進(jìn)行處理，生成負(fù)樣本知識(shí)節(jié)點(diǎn)，具體包括：保留正樣本知識(shí)節(jié)點(diǎn)的層級(jí)屬性與關(guān)聯(lián)標(biāo)簽，替換所述正樣本知識(shí)節(jié)點(diǎn)的核心關(guān)鍵詞以生成語(yǔ)義矛盾的節(jié)點(diǎn)描述文本，或從同一輔導(dǎo)領(lǐng)域中選取與用戶(hù)提問(wèn)語(yǔ)義無(wú)關(guān)的節(jié)點(diǎn)；調(diào)用初始化節(jié)點(diǎn)匹配模型分別計(jì)算所述正樣本知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征與對(duì)應(yīng)語(yǔ)義理解特征之間的正樣本相似度，以及所述負(fù)樣本知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征與所述語(yǔ)義理解特征之間的負(fù)樣本相似度；構(gòu)建對(duì)比損失函數(shù)以最大化正樣本相似度與負(fù)樣本相似度之間的差異，通過(guò)反向傳播算法更新所述初始化節(jié)點(diǎn)匹配模型的參數(shù)，直至所述初始化節(jié)點(diǎn)匹配模型收斂，得到訓(xùn)練好的節(jié)點(diǎn)匹配模型。6.根據(jù)權(quán)利要求1所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述根據(jù)所述知識(shí)節(jié)點(diǎn)集合的層級(jí)關(guān)系與語(yǔ)義關(guān)聯(lián)度生成語(yǔ)義關(guān)聯(lián)路徑，包括：獲取所述知識(shí)節(jié)點(diǎn)集合中每個(gè)節(jié)點(diǎn)的層級(jí)屬性、關(guān)聯(lián)標(biāo)簽及歷史用戶(hù)交互數(shù)據(jù)；根據(jù)所述層級(jí)屬性構(gòu)建節(jié)點(diǎn)間的縱向?qū)蛹?jí)連接關(guān)系；根據(jù)所述關(guān)聯(lián)標(biāo)簽擴(kuò)展節(jié)點(diǎn)間的橫向語(yǔ)義關(guān)聯(lián)關(guān)系；基于所述縱向?qū)蛹?jí)連接關(guān)系與橫向語(yǔ)義關(guān)聯(lián)關(guān)系生成初始語(yǔ)義網(wǎng)絡(luò)；調(diào)用路徑生成算法遍歷所述初始語(yǔ)義網(wǎng)絡(luò)，生成多條候選語(yǔ)義路徑，并基于路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)，結(jié)合所述歷史用戶(hù)交互數(shù)據(jù)對(duì)每條候選語(yǔ)義路徑進(jìn)行評(píng)分，選取評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑。7.根據(jù)權(quán)利要求6所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述調(diào)用路徑生成算法遍歷所述初始語(yǔ)義網(wǎng)絡(luò)，生成多條候選語(yǔ)義路徑，并基于路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)，結(jié)合所述歷史用戶(hù)交互數(shù)據(jù)對(duì)每條候選語(yǔ)義路徑進(jìn)行評(píng)分，選取評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑，包括：以所述知識(shí)節(jié)點(diǎn)集合中的核心意圖節(jié)點(diǎn)為起始點(diǎn)，按照縱向?qū)蛹?jí)連接關(guān)系向下遍歷子節(jié)點(diǎn)，同時(shí)根據(jù)橫向語(yǔ)義關(guān)聯(lián)關(guān)系擴(kuò)展兄弟節(jié)點(diǎn)；在遍歷過(guò)程中記錄訪問(wèn)的節(jié)點(diǎn)序列及跳轉(zhuǎn)關(guān)系，生成初始路徑集合；對(duì)所述初始路徑集合進(jìn)行冗余路徑過(guò)濾，得到多條候選語(yǔ)義路徑，具體包括：合并包含相同節(jié)點(diǎn)序列但跳轉(zhuǎn)順序不同的路徑，以及，剔除包含循環(huán)節(jié)點(diǎn)或重復(fù)跳轉(zhuǎn)的路徑；獲取每條所述候選語(yǔ)義路徑的路徑長(zhǎng)度，所述路徑長(zhǎng)度通過(guò)統(tǒng)計(jì)所述候選語(yǔ)義路徑中所有節(jié)點(diǎn)的總數(shù)得到；計(jì)算所述候選語(yǔ)義路徑的節(jié)點(diǎn)間跳轉(zhuǎn)概率，所述節(jié)點(diǎn)間跳轉(zhuǎn)概率基于歷史用戶(hù)交互數(shù)據(jù)中相鄰節(jié)點(diǎn)之間的跳轉(zhuǎn)次數(shù)與起始節(jié)點(diǎn)總跳轉(zhuǎn)次數(shù)的比值確定4提取所述候選語(yǔ)義路徑的節(jié)點(diǎn)語(yǔ)義權(quán)重，所述節(jié)點(diǎn)語(yǔ)義權(quán)重從所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中讀取每個(gè)節(jié)點(diǎn)預(yù)設(shè)的權(quán)重值，所述權(quán)重值根據(jù)節(jié)點(diǎn)被引用頻率與用戶(hù)標(biāo)注的語(yǔ)義相關(guān)度計(jì)算生成；獲取用戶(hù)反饋指標(biāo)，所述用戶(hù)反饋指標(biāo)通過(guò)統(tǒng)計(jì)所述候選語(yǔ)義路徑中所有節(jié)點(diǎn)在歷史會(huì)話(huà)中被用戶(hù)點(diǎn)擊后產(chǎn)生的平均滿(mǎn)意度評(píng)分及關(guān)聯(lián)后續(xù)提問(wèn)的匹配度得到；將每條所述候選語(yǔ)義路徑的路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換后進(jìn)行加權(quán)求和，以生成每條所述候選語(yǔ)義路徑的綜合評(píng)分；選取綜合評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑。8.根據(jù)權(quán)利要求1所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述根據(jù)所述語(yǔ)義關(guān)聯(lián)路徑確定目標(biāo)問(wèn)答策略并生成優(yōu)化輔導(dǎo)內(nèi)容，包括：解析所述語(yǔ)義關(guān)聯(lián)路徑中的節(jié)點(diǎn)序列，識(shí)別所述節(jié)點(diǎn)序列對(duì)應(yīng)的輔導(dǎo)主題演進(jìn)邏輯與關(guān)鍵知識(shí)點(diǎn)分布；根據(jù)所述輔導(dǎo)主題演進(jìn)邏輯從預(yù)設(shè)問(wèn)答策略庫(kù)中匹配基礎(chǔ)問(wèn)答策略模板，所述基礎(chǔ)問(wèn)答策略模板包含內(nèi)容生成規(guī)則、交互流程設(shè)計(jì)及資源引用方式；基于所述關(guān)鍵知識(shí)點(diǎn)分布對(duì)所述基礎(chǔ)問(wèn)答策略模板進(jìn)行動(dòng)態(tài)調(diào)整，得到調(diào)整后的基礎(chǔ)問(wèn)答策略模板；根據(jù)所述調(diào)整后的基礎(chǔ)問(wèn)答策略模板，生成所述優(yōu)化輔導(dǎo)內(nèi)容；所述優(yōu)化輔導(dǎo)內(nèi)容包含分步驟指導(dǎo)文本、適配用戶(hù)需求的參考案例及關(guān)聯(lián)知識(shí)點(diǎn)的擴(kuò)展資源鏈接。9.根據(jù)權(quán)利要求8所述的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，其特征在于，所述基于所述關(guān)鍵知識(shí)點(diǎn)分布對(duì)所述基礎(chǔ)問(wèn)答策略模板進(jìn)行動(dòng)態(tài)調(diào)整，得到調(diào)整后的基礎(chǔ)問(wèn)識(shí)別所述關(guān)鍵知識(shí)點(diǎn)分布中每個(gè)知識(shí)節(jié)點(diǎn)的優(yōu)先級(jí)參數(shù)，所述優(yōu)先級(jí)參數(shù)基于所述知識(shí)節(jié)點(diǎn)的語(yǔ)義權(quán)重、歷史用戶(hù)交互頻率及所屬層級(jí)屬性計(jì)算生成；根據(jù)所述優(yōu)先級(jí)參數(shù)將所述關(guān)鍵知識(shí)點(diǎn)分布劃分為核心知識(shí)點(diǎn)集合與輔助知識(shí)點(diǎn)集合，其中核心知識(shí)點(diǎn)集合的優(yōu)先級(jí)參數(shù)高于預(yù)設(shè)優(yōu)先級(jí)閾值；提取所述基礎(chǔ)問(wèn)答策略模板中的內(nèi)容生成規(guī)則，將所述核心知識(shí)點(diǎn)集合對(duì)應(yīng)的內(nèi)容生成規(guī)則設(shè)置為默認(rèn)激活模塊，并根據(jù)所述輔助知識(shí)點(diǎn)集合的語(yǔ)義關(guān)聯(lián)度生成擴(kuò)展觸發(fā)條分析用戶(hù)歷史交互數(shù)據(jù)中的未訪問(wèn)知識(shí)點(diǎn)序列，計(jì)算所述未訪問(wèn)知識(shí)點(diǎn)序列與所述輔助知識(shí)點(diǎn)集合之間的匹配度，篩選匹配度高于預(yù)設(shè)匹配閾值的未訪問(wèn)知識(shí)點(diǎn)作為補(bǔ)充案例的插入節(jié)點(diǎn)；根據(jù)所述語(yǔ)義理解特征中的輔助邏輯特征，確定所述補(bǔ)充案例的插入節(jié)點(diǎn)在所述基礎(chǔ)問(wèn)答策略模板中的邏輯嵌入位置，所述邏輯嵌入位置通過(guò)匹配所述輔助邏輯特征中的依賴(lài)關(guān)系與所述基礎(chǔ)問(wèn)答策略模板中的交互流程節(jié)點(diǎn)序列得到；將所述默認(rèn)激活模塊、擴(kuò)展觸發(fā)條件及邏輯嵌入位置進(jìn)行參數(shù)整合，生成調(diào)整后的基礎(chǔ)問(wèn)答策略模板。10.一種基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配系統(tǒng)，其特征在于，包括處理器和存儲(chǔ)器，所述存儲(chǔ)器和所述處理器連接，所述存儲(chǔ)器用于存儲(chǔ)程序、指令或代碼，所述處理器用于執(zhí)行所述存儲(chǔ)器中的程序、指令或代碼，以實(shí)現(xiàn)上述權(quán)利要求1-9任意一項(xiàng)所述的基于語(yǔ)5義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法。6技術(shù)領(lǐng)域[0001]本發(fā)明涉及自然語(yǔ)言處理技術(shù)領(lǐng)域，具體而言，涉及一種基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法及系統(tǒng)。背景技術(shù)[0002]在創(chuàng)新創(chuàng)業(yè)教育及輔導(dǎo)領(lǐng)域，隨著創(chuàng)新創(chuàng)業(yè)熱潮的興起，大量創(chuàng)業(yè)者與潛在創(chuàng)業(yè)者對(duì)于個(gè)性化、精準(zhǔn)化的輔導(dǎo)需求日益增長(zhǎng)。傳統(tǒng)創(chuàng)新創(chuàng)業(yè)輔導(dǎo)多依賴(lài)人工咨詢(xún)、標(biāo)準(zhǔn)化課程或簡(jiǎn)單關(guān)鍵詞檢索問(wèn)答系統(tǒng)。人工咨詢(xún)雖具備一定針對(duì)性，但受限于咨詢(xún)師精力與經(jīng)驗(yàn)差異，難以保證服務(wù)標(biāo)準(zhǔn)化與及時(shí)性；標(biāo)準(zhǔn)化課程難以適配不同創(chuàng)業(yè)者個(gè)性化問(wèn)題與需求；簡(jiǎn)單關(guān)鍵詞檢索問(wèn)答系統(tǒng)僅能匹配字面內(nèi)容，無(wú)法理解用戶(hù)提問(wèn)深層語(yǔ)義，易出現(xiàn)答非所問(wèn)、信息冗余或缺失等問(wèn)題，無(wú)法為創(chuàng)新創(chuàng)業(yè)者提供真正有效的輔導(dǎo)支持。因此，亟需一種能夠深度理解用戶(hù)語(yǔ)義，精準(zhǔn)匹配知識(shí)并生成適配性輔導(dǎo)內(nèi)容，且可基于用戶(hù)反饋持續(xù)優(yōu)化知識(shí)體系的方法，以提升創(chuàng)新創(chuàng)業(yè)輔導(dǎo)的效率與質(zhì)量。發(fā)明內(nèi)容[0003]鑒于上述提及的問(wèn)題，結(jié)合本發(fā)明的第一方面，本發(fā)明實(shí)施例提供一種基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法，所述方法包括：提取用戶(hù)輸入的提問(wèn)語(yǔ)句的語(yǔ)義理解特征；基于預(yù)設(shè)的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配與所述語(yǔ)義理解特征對(duì)應(yīng)的知識(shí)節(jié)點(diǎn)集合；根據(jù)所述知識(shí)節(jié)點(diǎn)集合的層級(jí)關(guān)系與語(yǔ)義關(guān)聯(lián)度生成語(yǔ)義關(guān)聯(lián)路徑；根據(jù)所述語(yǔ)義關(guān)聯(lián)路徑確定目標(biāo)問(wèn)答策略并生成優(yōu)化輔導(dǎo)內(nèi)容；根據(jù)用戶(hù)對(duì)所述優(yōu)化輔導(dǎo)內(nèi)容的反饋數(shù)據(jù)更新所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的節(jié)點(diǎn)連接權(quán)重與關(guān)聯(lián)關(guān)系。[0004]在第一方面的一種可能的實(shí)施方式中，所述提取用戶(hù)輸入的提問(wèn)語(yǔ)句的語(yǔ)義理解對(duì)所述提問(wèn)語(yǔ)句進(jìn)行分詞處理，分割為多個(gè)語(yǔ)義詞單元并去除所述多個(gè)語(yǔ)義詞單元中的停用詞；調(diào)用預(yù)訓(xùn)練的語(yǔ)義編碼模型對(duì)所述語(yǔ)義詞單元進(jìn)行上下文編碼，生成每個(gè)語(yǔ)義詞單元的上下文向量；將所述上下文向量輸入多頭注意力層，計(jì)算各語(yǔ)義詞單元之間的語(yǔ)義關(guān)聯(lián)權(quán)重；基于所述語(yǔ)義關(guān)聯(lián)權(quán)重對(duì)所述上下文向量進(jìn)行加權(quán)融合，生成所述提問(wèn)語(yǔ)句的全局語(yǔ)義特征；將所述全局語(yǔ)義特征輸入特征降維層，提取核心意圖特征與輔助邏輯特征，作為所述語(yǔ)義理解特征；其中，所述核心意圖特征用于表示用戶(hù)提問(wèn)的核心目標(biāo)，所述輔助邏輯特征用于描述提問(wèn)語(yǔ)句中多個(gè)語(yǔ)義詞單元之間的依賴(lài)關(guān)系及語(yǔ)義層次結(jié)構(gòu)；其中，所述語(yǔ)義編碼模型通過(guò)以下步驟訓(xùn)練：7采集歷史創(chuàng)新創(chuàng)業(yè)輔導(dǎo)場(chǎng)景中的樣本提問(wèn)語(yǔ)句及其對(duì)應(yīng)的標(biāo)注意圖標(biāo)簽，構(gòu)建訓(xùn)練數(shù)據(jù)集；以最小化所述樣本提問(wèn)語(yǔ)句的預(yù)測(cè)意圖標(biāo)簽與標(biāo)注意圖標(biāo)簽之間的交叉熵?fù)p失[0005]在第一方面的一種可能的實(shí)施方式中，所述調(diào)用預(yù)訓(xùn)練的語(yǔ)義編碼模型對(duì)所述語(yǔ)義詞單元進(jìn)行上下文編碼，生成每個(gè)語(yǔ)義詞單元的上下文向量，包括：將所述語(yǔ)義詞單元輸入雙向長(zhǎng)短期記憶網(wǎng)絡(luò)，分別獲取每個(gè)語(yǔ)義詞單元的前向隱狀態(tài)序列與后向隱狀態(tài)序列；拼接同一語(yǔ)義詞單元的前向隱狀態(tài)序列與后向隱狀態(tài)序列，生成初始上下文向?qū)λ龀跏忌舷挛南蛄繄?zhí)行層歸一化處理，并通過(guò)殘差連接將歸一化后的上下文向量與所述初始上下文向量進(jìn)行融合，得到增強(qiáng)上下文向量；將所述增強(qiáng)上下文向量輸入非線性變換層，生成維度統(tǒng)一的上下文向量集合。[0006]在第一方面的一種可能的實(shí)施方式中，所述基于預(yù)設(shè)的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配與所述語(yǔ)義理解特征對(duì)應(yīng)的知識(shí)節(jié)點(diǎn)集合，包括：遍歷所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的候選知識(shí)節(jié)點(diǎn)，調(diào)用節(jié)點(diǎn)匹配模型計(jì)算每個(gè)候選知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征與所述核心意圖特征之間的第一相似度評(píng)分；篩選所述第一相似度評(píng)分高于第一預(yù)設(shè)閾值的候選知識(shí)節(jié)點(diǎn)構(gòu)成初始匹配集合；調(diào)用邏輯校驗(yàn)?zāi)Ｐ头治鏊龀跏计ヅ浼现械暮蜻x知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)描述文本是否滿(mǎn)足所述輔助邏輯特征對(duì)應(yīng)的依賴(lài)關(guān)系與語(yǔ)義層次結(jié)構(gòu)，若不滿(mǎn)足，則判定為沖突節(jié)點(diǎn)，并剔除所述沖突節(jié)點(diǎn)，得到邏輯校驗(yàn)后的候選知識(shí)節(jié)點(diǎn)；將邏輯校驗(yàn)后的候選知識(shí)節(jié)點(diǎn)按所述第一相似度評(píng)分降序排列，選取前N個(gè)節(jié)點(diǎn)作為優(yōu)化后的知識(shí)節(jié)點(diǎn)集合。[0007]在第一方面的一種可能的實(shí)施方式中，所述節(jié)點(diǎn)從歷史成功匹配的問(wèn)答數(shù)據(jù)中提取正樣本知識(shí)節(jié)點(diǎn)，并記錄所述正樣本知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的用戶(hù)提問(wèn)語(yǔ)義理解特征；對(duì)所述正樣本知識(shí)節(jié)點(diǎn)進(jìn)行處理，生成負(fù)樣本知識(shí)節(jié)點(diǎn)，具體包括：保留正樣本知識(shí)節(jié)點(diǎn)的層級(jí)屬性與關(guān)聯(lián)標(biāo)簽，替換所述正樣本知識(shí)節(jié)點(diǎn)的核心關(guān)鍵詞以生成語(yǔ)義矛盾的節(jié)點(diǎn)描述文本，或從同一輔導(dǎo)領(lǐng)域中選取與用戶(hù)提問(wèn)語(yǔ)義無(wú)關(guān)的節(jié)點(diǎn)；調(diào)用初始化節(jié)點(diǎn)匹配模型分別計(jì)算所述正樣本知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征與對(duì)應(yīng)語(yǔ)義理解特征之間的正樣本相似度，以及所述負(fù)樣本知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征與所述語(yǔ)義理解特征之間的負(fù)樣本相似度；構(gòu)建對(duì)比損失函數(shù)以最大化正樣本相似度與負(fù)樣本相似度之間的差異，通過(guò)反向傳播算法更新所述初始化節(jié)點(diǎn)匹配模型的參數(shù)，直至所述初始化節(jié)點(diǎn)匹配模型收斂，得到訓(xùn)練好的節(jié)點(diǎn)匹配模型。[0008]在第一方面的一種可能的實(shí)施方式中，所述根據(jù)所述知識(shí)節(jié)點(diǎn)集合的層級(jí)關(guān)系與獲取所述知識(shí)節(jié)點(diǎn)集合中每個(gè)節(jié)點(diǎn)的層級(jí)屬性、關(guān)聯(lián)標(biāo)簽及歷史用戶(hù)交互數(shù)據(jù)；根據(jù)所述層級(jí)屬性構(gòu)建節(jié)點(diǎn)間的縱向?qū)蛹?jí)連接關(guān)系；8根據(jù)所述關(guān)聯(lián)標(biāo)簽擴(kuò)展節(jié)點(diǎn)間的橫向語(yǔ)義關(guān)聯(lián)關(guān)系；基于所述縱向?qū)蛹?jí)連接關(guān)系與橫向語(yǔ)義關(guān)聯(lián)關(guān)系生成初始語(yǔ)義網(wǎng)絡(luò)；調(diào)用路徑生成算法遍歷所述初始語(yǔ)義網(wǎng)絡(luò)，生成多條候選語(yǔ)義路徑，并基于路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)，結(jié)合所述歷史用戶(hù)交互數(shù)據(jù)對(duì)每條候選語(yǔ)義路徑進(jìn)行評(píng)分，選取評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑。[0009]在第一方面的一種可能的實(shí)施方式中，所述調(diào)用路徑生成算法遍歷所述初始語(yǔ)義網(wǎng)絡(luò)，生成多條候選語(yǔ)義路徑，并基于路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)，結(jié)合所述歷史用戶(hù)交互數(shù)據(jù)對(duì)每條候選語(yǔ)義路徑進(jìn)行評(píng)分，選取評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑，包括：以所述知識(shí)節(jié)點(diǎn)集合中的核心意圖節(jié)點(diǎn)為起始點(diǎn)，按照縱向?qū)蛹?jí)連接關(guān)系向下遍歷子節(jié)點(diǎn)，同時(shí)根據(jù)橫向語(yǔ)義關(guān)聯(lián)關(guān)系擴(kuò)展兄弟節(jié)點(diǎn)；在遍歷過(guò)程中記錄訪問(wèn)的節(jié)點(diǎn)序列及跳轉(zhuǎn)關(guān)系，生成初始路徑集合；對(duì)所述初始路徑集合進(jìn)行冗余路徑過(guò)濾，得到多條候選語(yǔ)義路徑，具體包括：合并包含相同節(jié)點(diǎn)序列但跳轉(zhuǎn)順序不同的路徑，以及，剔除包含循環(huán)節(jié)點(diǎn)或重復(fù)跳轉(zhuǎn)的路徑；獲取每條所述候選語(yǔ)義路徑的路徑長(zhǎng)度，所述路徑長(zhǎng)度通過(guò)統(tǒng)計(jì)所述候選語(yǔ)義路徑中所有節(jié)點(diǎn)的總數(shù)得到；計(jì)算所述候選語(yǔ)義路徑的節(jié)點(diǎn)間跳轉(zhuǎn)概率，所述節(jié)點(diǎn)間跳轉(zhuǎn)概率基于歷史用戶(hù)交互數(shù)據(jù)中相鄰節(jié)點(diǎn)之間的跳轉(zhuǎn)次數(shù)與起始節(jié)點(diǎn)總跳轉(zhuǎn)次數(shù)的比值確定提取所述候選語(yǔ)義路徑的節(jié)點(diǎn)語(yǔ)義權(quán)重，所述節(jié)點(diǎn)語(yǔ)義權(quán)重從所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中讀取每個(gè)節(jié)點(diǎn)預(yù)設(shè)的權(quán)重值，所述權(quán)重值根據(jù)節(jié)點(diǎn)被引用頻率與用戶(hù)標(biāo)注的語(yǔ)義相關(guān)度計(jì)算生成；獲取用戶(hù)反饋指標(biāo)，所述用戶(hù)反饋指標(biāo)通過(guò)統(tǒng)計(jì)所述候選語(yǔ)義路徑中所有節(jié)點(diǎn)在歷史會(huì)話(huà)中被用戶(hù)點(diǎn)擊后產(chǎn)生的平均滿(mǎn)意度評(píng)分及關(guān)聯(lián)后續(xù)提問(wèn)的匹配度得到；將每條所述候選語(yǔ)義路徑的路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換后進(jìn)行加權(quán)求和，以生成每條所述候選語(yǔ)義路徑的綜合評(píng)分；選取綜合評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑。[0010]在第一方面的一種可能的實(shí)施方式中，所述根據(jù)所述語(yǔ)義關(guān)聯(lián)路徑確定目標(biāo)問(wèn)答解析所述語(yǔ)義關(guān)聯(lián)路徑中的節(jié)點(diǎn)序列，識(shí)別所述節(jié)點(diǎn)序列對(duì)應(yīng)的輔導(dǎo)主題演進(jìn)邏輯與關(guān)鍵知識(shí)點(diǎn)分布；根據(jù)所述輔導(dǎo)主題演進(jìn)邏輯從預(yù)設(shè)問(wèn)答策略庫(kù)中匹配基礎(chǔ)問(wèn)答策略模板，所述基礎(chǔ)問(wèn)答策略模板包含內(nèi)容生成規(guī)則、交互流程設(shè)計(jì)及資源引用方式；基于所述關(guān)鍵知識(shí)點(diǎn)分布對(duì)所述基礎(chǔ)問(wèn)答策略模板進(jìn)行動(dòng)態(tài)調(diào)整，得到調(diào)整后的基礎(chǔ)問(wèn)答策略模板；根據(jù)所述調(diào)整后的基礎(chǔ)問(wèn)答策略模板，生成所述優(yōu)化輔導(dǎo)內(nèi)容；所述優(yōu)化輔導(dǎo)內(nèi)容包含分步驟指導(dǎo)文本、適配用戶(hù)需求的參考案例及關(guān)聯(lián)知識(shí)點(diǎn)的擴(kuò)展資源鏈接；譬如，在第一方面的一種可能的實(shí)施方式中，所述解析所述語(yǔ)義關(guān)聯(lián)路徑中的節(jié)點(diǎn)序列，識(shí)別所述節(jié)點(diǎn)序列對(duì)應(yīng)的輔導(dǎo)主題演進(jìn)邏輯與關(guān)鍵知識(shí)點(diǎn)分布，包括：獲取所述語(yǔ)義關(guān)聯(lián)路徑中每個(gè)知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)屬性，所述節(jié)點(diǎn)屬性包括節(jié)點(diǎn)類(lèi)型9標(biāo)簽、歷史交互頻次及預(yù)設(shè)語(yǔ)義權(quán)重；根據(jù)所述節(jié)點(diǎn)類(lèi)型標(biāo)簽劃分所述節(jié)點(diǎn)序列中的起始節(jié)點(diǎn)、中間節(jié)點(diǎn)及終止節(jié)點(diǎn)，并提取相鄰節(jié)點(diǎn)之間的層級(jí)跳轉(zhuǎn)方向與語(yǔ)義關(guān)聯(lián)類(lèi)型；基于所述層級(jí)跳轉(zhuǎn)方向構(gòu)建縱向演進(jìn)分支，并根據(jù)所述語(yǔ)義關(guān)聯(lián)類(lèi)型生成橫向擴(kuò)展分支，將所述縱向演進(jìn)分支與橫向擴(kuò)展分支進(jìn)行拓?fù)浜喜?，生成初始主題網(wǎng)絡(luò)；遍歷所述初始主題網(wǎng)絡(luò)中的節(jié)點(diǎn)連接邊，計(jì)算每條連接邊的綜合強(qiáng)度值，所述綜合強(qiáng)度值通過(guò)加權(quán)求和所述歷史交互頻次的歸一化值、預(yù)設(shè)語(yǔ)義權(quán)重的對(duì)數(shù)轉(zhuǎn)換值及關(guān)聯(lián)類(lèi)型的優(yōu)先級(jí)系數(shù)得到；根據(jù)所述綜合強(qiáng)度值篩選強(qiáng)度閾值以上的連接邊構(gòu)成核心連接邊集合，并提取所述核心連接邊集合對(duì)應(yīng)的節(jié)點(diǎn)子序列作為關(guān)鍵知識(shí)點(diǎn)分布；基于所述核心連接邊集合的節(jié)點(diǎn)子序列，提取節(jié)點(diǎn)類(lèi)型標(biāo)簽的時(shí)序變化模式及語(yǔ)義關(guān)聯(lián)類(lèi)型的組合規(guī)則，生成所述輔導(dǎo)主題演進(jìn)邏輯，所述時(shí)序變化模式通過(guò)分析節(jié)點(diǎn)子序列中節(jié)點(diǎn)類(lèi)型標(biāo)簽的出現(xiàn)順序及頻次分布確定，所述組合規(guī)則通過(guò)統(tǒng)計(jì)語(yǔ)義關(guān)聯(lián)類(lèi)型在節(jié)點(diǎn)子序列中的共現(xiàn)頻率及條件概率得到。[0011]在第一方面的一種可能的實(shí)施方式中，所述基于所述關(guān)鍵知識(shí)點(diǎn)分布對(duì)所述基礎(chǔ)問(wèn)答策略模板進(jìn)行動(dòng)態(tài)調(diào)整，得到調(diào)整后的基礎(chǔ)問(wèn)答策略模板，包括：識(shí)別所述關(guān)鍵知識(shí)點(diǎn)分布中每個(gè)知識(shí)節(jié)點(diǎn)的優(yōu)先級(jí)參數(shù)，所述優(yōu)先級(jí)參數(shù)基于所述知識(shí)節(jié)點(diǎn)的語(yǔ)義權(quán)重、歷史用戶(hù)交互頻率及所屬層級(jí)屬性計(jì)算生成；點(diǎn)集合，其中核心知識(shí)點(diǎn)集合的優(yōu)先級(jí)參數(shù)高于預(yù)設(shè)優(yōu)先級(jí)閾值；提取所述基礎(chǔ)問(wèn)答策略模板中的內(nèi)容生成規(guī)則，將所述核心知識(shí)點(diǎn)集合對(duì)應(yīng)的內(nèi)容生成規(guī)則設(shè)置為默認(rèn)激活模塊，并根據(jù)所述輔助知識(shí)點(diǎn)集合的語(yǔ)義關(guān)聯(lián)度生成擴(kuò)展觸發(fā)條件；分析用戶(hù)歷史交互數(shù)據(jù)中的未訪問(wèn)知識(shí)點(diǎn)序列，計(jì)算所述未訪問(wèn)知識(shí)點(diǎn)序列與所述輔助知識(shí)點(diǎn)集合之間的匹配度，篩選匹配度高于預(yù)設(shè)匹配閾值的未訪問(wèn)知識(shí)點(diǎn)作為補(bǔ)充案例的插入節(jié)點(diǎn)；根據(jù)所述語(yǔ)義理解特征中的輔助邏輯特征，確定所述補(bǔ)充案例的插入節(jié)點(diǎn)在所述基礎(chǔ)問(wèn)答策略模板中的邏輯嵌入位置，所述邏輯嵌入位置通過(guò)匹配所述輔助邏輯特征中的依賴(lài)關(guān)系與所述基礎(chǔ)問(wèn)答策略模板中的交互流程節(jié)點(diǎn)序列得到；將所述默認(rèn)激活模塊、擴(kuò)展觸發(fā)條件及邏輯嵌入位置進(jìn)行參數(shù)整合，生成調(diào)整后的基礎(chǔ)問(wèn)答策略模板；譬如，在第一方面的一種可能的實(shí)施方式中，所述根據(jù)所述輔導(dǎo)主題演進(jìn)邏輯從預(yù)設(shè)問(wèn)答策略庫(kù)中匹配基礎(chǔ)問(wèn)答策略模板，包括：提取所述輔導(dǎo)主題演進(jìn)邏輯中的路徑屬性，所述路徑屬性包括路徑階段數(shù)量、節(jié)點(diǎn)類(lèi)型分布及語(yǔ)義關(guān)聯(lián)組合模式；將所述路徑階段數(shù)量轉(zhuǎn)換為階段劃分向量，所述節(jié)點(diǎn)類(lèi)型分布轉(zhuǎn)換為類(lèi)型密度矩陣，所述語(yǔ)義關(guān)聯(lián)組合模式轉(zhuǎn)換為關(guān)聯(lián)編碼序列；調(diào)用策略匹配模型分別計(jì)算所述階段劃分向量與預(yù)設(shè)問(wèn)答策略庫(kù)中各策略模板的階段標(biāo)簽之間的第一匹配度、所述類(lèi)型密度矩陣與各策略模板的節(jié)點(diǎn)兼容矩陣之間的第二匹配度，以及所述關(guān)聯(lián)編碼序列與各策略模板的關(guān)聯(lián)規(guī)則庫(kù)之間的第三匹配度；對(duì)所述第一匹配度、第二匹配度及第三匹配度進(jìn)行標(biāo)準(zhǔn)化處理，并基于預(yù)設(shè)權(quán)重系數(shù)進(jìn)行加權(quán)融合，生成各策略模板的綜合適配評(píng)分；篩選綜合適配評(píng)分高于適配閾值的策略模板構(gòu)成候選策略集合，并根據(jù)所述輔導(dǎo)主題演進(jìn)邏輯中的時(shí)序變化模式對(duì)所述候選策略集合進(jìn)行排序優(yōu)化，所述排序優(yōu)化通過(guò)匹配時(shí)序變化模式與候選策略模板的歷史應(yīng)用場(chǎng)景中的階段演進(jìn)一致性實(shí)現(xiàn)；選取排序優(yōu)化后的候選策略集合中排名最高的策略模板作為所述基礎(chǔ)問(wèn)答策略模板。[0012]譬如，在第一方面的一種可能的實(shí)施方式中，所述根據(jù)用戶(hù)對(duì)所述優(yōu)化輔導(dǎo)內(nèi)容的反饋數(shù)據(jù)更新所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的節(jié)點(diǎn)連接權(quán)重與關(guān)聯(lián)關(guān)系，包括：采集用戶(hù)與所述優(yōu)化輔導(dǎo)內(nèi)容的交互行為數(shù)據(jù)，所述交互行為數(shù)據(jù)包括內(nèi)容點(diǎn)擊對(duì)所述交互行為數(shù)據(jù)進(jìn)行清洗與結(jié)構(gòu)化處理，生成反饋數(shù)據(jù)集；根據(jù)所述反饋數(shù)據(jù)集計(jì)算所述語(yǔ)義關(guān)聯(lián)路徑中每個(gè)知識(shí)節(jié)點(diǎn)的貢獻(xiàn)度評(píng)分；對(duì)貢獻(xiàn)度評(píng)分高于第二預(yù)設(shè)閾值的節(jié)點(diǎn)，增加該節(jié)點(diǎn)與核心意圖特征對(duì)應(yīng)節(jié)點(diǎn)的連接權(quán)重；對(duì)貢獻(xiàn)度評(píng)分低于第三預(yù)設(shè)閾值的節(jié)點(diǎn)，減少該節(jié)點(diǎn)的連接權(quán)重或移除無(wú)效連根據(jù)用戶(hù)后續(xù)提問(wèn)語(yǔ)句中提取的新增語(yǔ)義理解特征，在所述創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中創(chuàng)建新節(jié)點(diǎn)并與現(xiàn)有節(jié)點(diǎn)建立關(guān)聯(lián)關(guān)系；譬如，在第一方面的一種可能的實(shí)施方式中，所述根據(jù)所述反饋數(shù)據(jù)集計(jì)算所述語(yǔ)義關(guān)聯(lián)路徑中每個(gè)知識(shí)節(jié)點(diǎn)的貢獻(xiàn)度評(píng)分，包括：從所述反饋數(shù)據(jù)集中提取每個(gè)知識(shí)節(jié)點(diǎn)的交互指標(biāo)集，所述交互指標(biāo)集包括點(diǎn)擊率增量、案例查閱時(shí)長(zhǎng)、資源鏈接打開(kāi)率變化值及后續(xù)提問(wèn)匹配度；對(duì)所述點(diǎn)擊率增量進(jìn)行時(shí)間衰減加權(quán)處理，生成時(shí)間修正點(diǎn)擊率，所述時(shí)間衰減加權(quán)處理基于點(diǎn)擊行為發(fā)生時(shí)間與當(dāng)前時(shí)間的間隔及預(yù)設(shè)衰減因子計(jì)算；將所述案例查閱時(shí)長(zhǎng)轉(zhuǎn)換為時(shí)長(zhǎng)分布百分位數(shù)，所述資源鏈接打開(kāi)率變化值轉(zhuǎn)換為變化強(qiáng)度系數(shù)，所述后續(xù)提問(wèn)匹配度通過(guò)語(yǔ)義相似度模型計(jì)算生成匹配度評(píng)分；對(duì)所述時(shí)間修正點(diǎn)擊率、時(shí)長(zhǎng)分布百分位數(shù)、變化強(qiáng)度系數(shù)及匹配度評(píng)分進(jìn)行歸根據(jù)預(yù)設(shè)貢獻(xiàn)權(quán)重分配所述標(biāo)準(zhǔn)化指標(biāo)集中的各指標(biāo)權(quán)重，并通過(guò)線性加權(quán)生成初始貢獻(xiàn)度評(píng)分；基于所述知識(shí)節(jié)點(diǎn)在語(yǔ)義關(guān)聯(lián)路徑中的位置屬性對(duì)所述初始貢獻(xiàn)度評(píng)分進(jìn)行路徑修正，所述路徑修正通過(guò)計(jì)算節(jié)點(diǎn)所在路徑層級(jí)的權(quán)重系數(shù)及節(jié)點(diǎn)與核心意圖節(jié)點(diǎn)的跳轉(zhuǎn)距離實(shí)現(xiàn)；將路徑修正后的評(píng)分作為所述知識(shí)節(jié)點(diǎn)的最終貢獻(xiàn)度評(píng)分。[0013]再一方面，本發(fā)明實(shí)施例還提供一種基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配系統(tǒng)，包括處理器、機(jī)器可讀存儲(chǔ)介質(zhì)，所述機(jī)器可讀存儲(chǔ)介質(zhì)和所述處理器連接，所述機(jī)器可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)程序、指令或代碼，所述處理器用于執(zhí)行所述機(jī)器可讀存儲(chǔ)介質(zhì)中11[0014]基于以上方面，本發(fā)明實(shí)施例通過(guò)深度提取用戶(hù)提問(wèn)語(yǔ)句的語(yǔ)義理解特征，突破傳統(tǒng)簡(jiǎn)單關(guān)鍵詞匹配局限，精準(zhǔn)把握用戶(hù)核心需求?；陬A(yù)設(shè)創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配對(duì)應(yīng)知識(shí)節(jié)點(diǎn)集合，并結(jié)合節(jié)點(diǎn)層級(jí)關(guān)系與語(yǔ)義關(guān)聯(lián)度生成語(yǔ)義關(guān)聯(lián)路徑，實(shí)現(xiàn)了從海量知識(shí)中高效篩選、精準(zhǔn)串聯(lián)相關(guān)內(nèi)容，構(gòu)建出符合用戶(hù)提問(wèn)邏輯的知識(shí)脈絡(luò)，基于此語(yǔ)義關(guān)聯(lián)路徑確定目標(biāo)問(wèn)答策略并生成優(yōu)化輔導(dǎo)內(nèi)容，確保輸出內(nèi)容高度適配用戶(hù)需求，提升輔導(dǎo)的針對(duì)性與有效性，此外，依據(jù)用戶(hù)對(duì)優(yōu)化輔導(dǎo)內(nèi)容的反饋數(shù)據(jù)，動(dòng)態(tài)更新創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的節(jié)點(diǎn)連接權(quán)重與關(guān)聯(lián)關(guān)系，使知識(shí)體系不斷進(jìn)化，持續(xù)優(yōu)化問(wèn)答匹配效果，為創(chuàng)新創(chuàng)業(yè)輔導(dǎo)提供智能化、自適應(yīng)的解決方案。附圖說(shuō)明[0015]圖1是本發(fā)明實(shí)施例提供的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法的執(zhí)行流程示意圖。[0016]圖2是本發(fā)明實(shí)施例提供的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配系統(tǒng)的示例性硬件和軟件組件的示意圖。具體實(shí)施方式[0017]下面結(jié)合說(shuō)明書(shū)附圖對(duì)本發(fā)明進(jìn)行具體說(shuō)明，圖1是本發(fā)明一種實(shí)施例提供的基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法的流程示意圖，下面對(duì)該基于語(yǔ)義理解的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)問(wèn)答匹配方法進(jìn)行詳細(xì)介紹。[0018]步驟S110:提取用戶(hù)輸入的提問(wèn)語(yǔ)句的語(yǔ)義理解特征。[0019]本實(shí)施例中，在創(chuàng)新創(chuàng)業(yè)輔導(dǎo)的場(chǎng)景中，用戶(hù)可能會(huì)輸入各種提問(wèn)語(yǔ)句，例如“在當(dāng)前競(jìng)爭(zhēng)激烈且政策環(huán)境不斷變化的市場(chǎng)背景下，對(duì)于一家處于種子輪融資階段、主要聚焦于人工智能領(lǐng)域中自然語(yǔ)言處理技術(shù)創(chuàng)新應(yīng)用的初創(chuàng)企業(yè)而言，如何在控制資金成本和風(fēng)險(xiǎn)的前提下，結(jié)合企業(yè)自身的技術(shù)優(yōu)勢(shì)和市場(chǎng)定位，制定出一套高效且可持續(xù)的融資與市場(chǎng)拓展策略，同時(shí)還要考慮到與潛在投資者的溝通技巧以及后續(xù)企業(yè)戰(zhàn)略轉(zhuǎn)型的可能[0020]步驟S111:對(duì)提問(wèn)語(yǔ)句進(jìn)行分詞處理，分割為多個(gè)語(yǔ)義詞單元并去除多個(gè)語(yǔ)義詞單元中的停用詞。[0021]首先，使用分詞工具對(duì)上述提問(wèn)語(yǔ)句進(jìn)行處理。分詞工具可以基于多種算法，如基于規(guī)則的分詞算法、基于統(tǒng)計(jì)的分詞算法或者兩者結(jié)合的混合算法。以混合算法為例，其先利用規(guī)則對(duì)語(yǔ)句進(jìn)行初步切分，再通過(guò)統(tǒng)計(jì)模型對(duì)切分結(jié)果進(jìn)行優(yōu)化。經(jīng)過(guò)分詞后，語(yǔ)句被值的語(yǔ)義詞單元集合，記為M={m1,m2,m3,…,mn},其中mi表示第i個(gè)語(yǔ)義詞單元。[0022]步驟S112:調(diào)用預(yù)訓(xùn)練的語(yǔ)義編碼模型對(duì)語(yǔ)義詞單元進(jìn)行上下文編碼，生成每個(gè)語(yǔ)義詞單元的上下文向量。[0023]步驟S1121:將語(yǔ)義詞單元輸入雙向長(zhǎng)短期記憶網(wǎng)絡(luò)，分別獲取每個(gè)語(yǔ)義詞單元的前向隱狀態(tài)序列與后向隱狀態(tài)序列。依次輸入到Bi-LSTM中。對(duì)于前向LSTM,其從左到右處理語(yǔ)義詞單元，在處理第i個(gè)語(yǔ)義詞單元mi時(shí)，可以根據(jù)之前處理過(guò)的語(yǔ)義詞單元m1到mi-1的信息來(lái)更新自身的狀態(tài)，生成前向隱狀態(tài)ht_f。后向LSTM則從右到左處理語(yǔ)義詞單元，在處理第i個(gè)語(yǔ)義詞單元mi時(shí)，會(huì)根據(jù)之后的語(yǔ)義詞單元mi+1到mn的信息來(lái)更新自身的狀態(tài)，生成后向隱狀態(tài)ht_b。具體來(lái)說(shuō)，前向LSTM的更新過(guò)程可以描述為：首先，根據(jù)當(dāng)前輸入的語(yǔ)義詞單元mi和上一時(shí)刻的前向隱狀態(tài)ht-1_f,計(jì)算輸入門(mén)it_f、遺忘門(mén)ft_f、細(xì)胞狀態(tài)ct_f和輸出門(mén)ot_f。輸入門(mén)it_f決定了當(dāng)前輸入的語(yǔ)義詞單元有多少信息會(huì)被加入到細(xì)胞狀態(tài)中；遺忘門(mén)ft_f決定了上一時(shí)刻的細(xì)胞狀態(tài)有多少信息會(huì)被保留；細(xì)胞狀態(tài)ct_f會(huì)根據(jù)輸入門(mén)和遺忘門(mén)的結(jié)果進(jìn)行更新；輸出門(mén)ot_f決定了當(dāng)前時(shí)刻的隱狀態(tài)ht_f。后向LSTM的更新過(guò)程與前向LSTM類(lèi)似，只是處理順序相反。最終，對(duì)于每個(gè)語(yǔ)義詞單元mi,都可以得到對(duì)應(yīng)的前向隱狀態(tài)ht_f和后向隱狀態(tài)ht_b,從而形成前向隱狀態(tài)序列H_f={h1_f,h2_f,…,hn_f}和后向隱狀態(tài)序列H_b={h1_b,h2_b,…,hn_b}。[0025]步驟S1122:拼接同一語(yǔ)義詞單元的前向隱狀態(tài)序列與后向隱狀態(tài)序列，生成初始上下文向量。[0026]將前向隱狀態(tài)序列H_f和后向隱狀態(tài)序列H_b中對(duì)應(yīng)同一語(yǔ)義詞單元的隱狀態(tài)進(jìn)行拼接。例如，對(duì)于第i個(gè)語(yǔ)義詞單元mi,將其前向隱狀態(tài)ht_f和后向隱狀態(tài)ht_b拼接在一詞單元，就可以得到初始上下文向量集合V_0={v1_0,v2_0,…,vn_0[0027]步驟S1123:對(duì)初始上下文向量執(zhí)行層歸一化處理，并通過(guò)殘差連接將歸一化后的上下文向量與初始上下文向量進(jìn)行融合，得到增強(qiáng)上下文向量。[0028]層歸一化(LayerNormalization)是對(duì)每個(gè)樣本的特征維度進(jìn)行歸一化處理。對(duì)于初始上下文向量集合V_0中的每個(gè)向量vt_0,首先計(jì)算其均值μt和方差σt,然后通過(guò)公式vt_n=(vt_0-μt)/σt進(jìn)行歸一化，得到歸一化后的上下文向歸一化后的上下文向量vt_n和初始上下文向量vt_0進(jìn)行融合，增強(qiáng)上下文向量vt_e=vt_0+vt_n.殘差連接的作用是緩解梯度消失問(wèn)題，使得模型能夠更好地學(xué)習(xí)到深層次的特征。經(jīng)過(guò)處理后，得到增強(qiáng)上下文向量集合V_e={v1_e,v2_e,…,vn_[0029]步驟S1124:將增強(qiáng)上下文向量輸入非線性變換層，生成維度統(tǒng)一的上下文向量集合。[0030]非線性變換層可以采用激活函數(shù)，如ReLU函數(shù)。將增強(qiáng)上下文向量集合V_e中的每個(gè)向量vt_e輸入到ReLU函數(shù)中，ReLU函數(shù)的表達(dá)式為f(x)=max(0,x)。通過(guò)ReLU函數(shù)的作用，將輸入向量中的負(fù)數(shù)部分置為0,保留正數(shù)部分，從而引入非線性特征。同時(shí)，為了保證上下文向量的維度統(tǒng)一，在非線性變換層之后還可以進(jìn)行線性變換，通過(guò)一個(gè)權(quán)重矩陣W和偏置向量b,將向量進(jìn)行變換，得到最終的上下文向量vt_c=W*vt_e+b。最終得到維度統(tǒng)一的上下文向量集合V_c={v1_c,v2_c,…,vn_c}。[0031]步驟S113:將上下文向量輸入多頭注意力層，計(jì)算各語(yǔ)義詞單元之間的語(yǔ)義關(guān)聯(lián)權(quán)重。[0032]多頭注意力層由多個(gè)注意力頭組成。對(duì)于每個(gè)注意力頭，首先將上下文向量集合V_c分別通過(guò)三個(gè)線性變換矩陣W_q、W_k和W_v,得到查詢(xún)向量集合Q、鍵向量集合K和值向量集合V。對(duì)于每個(gè)查詢(xún)向量qi,計(jì)算它與所有鍵向量kj的相似度得分，相似度得分可以通過(guò)點(diǎn)積運(yùn)算得到，即sij=qi*kj。然后，對(duì)相似度得分進(jìn)因子√d_k(其中d_k是鍵向量的維度),再經(jīng)過(guò)softmax函數(shù)得到注意力權(quán)重aij,aij=softmax(sij/√d_k)。最后，根據(jù)注意力權(quán)重對(duì)值向量進(jìn)行加權(quán)求和，得到每個(gè)注意力頭的輸出向量oi。將所有注意力頭的輸出向量進(jìn)行拼接，再通過(guò)一個(gè)線性變換矩陣W_o,得到多頭注意力層的最終輸出向量。在該過(guò)程中，注意力權(quán)重αij就表示了各語(yǔ)義詞單元之間的語(yǔ)義關(guān)聯(lián)權(quán)重。[0033]步驟S114:基于語(yǔ)義關(guān)聯(lián)權(quán)重對(duì)上下文向量進(jìn)行加權(quán)融合，生成提問(wèn)語(yǔ)句的全局語(yǔ)義特征。[0034]根據(jù)計(jì)算得到的語(yǔ)義關(guān)聯(lián)權(quán)重aij,對(duì)上下文向量集合V_c進(jìn)行加權(quán)融合。對(duì)于每個(gè)上下文向量vi_c,將其按照對(duì)應(yīng)的注意力權(quán)重aij進(jìn)行加權(quán)。這里的加權(quán)融合是將加權(quán)后的上下文向量按照設(shè)定的規(guī)則進(jìn)行拼接。具體來(lái)說(shuō)，將每個(gè)加權(quán)后的上下文向量vi_c*aij依次首尾相連，形成一個(gè)新的向量，這個(gè)新向量包含了所有語(yǔ)義詞單元的信息，并且考慮了它們之間的語(yǔ)義關(guān)聯(lián)，最終得到全局語(yǔ)義特征向量v_g。通過(guò)這種拼接的方式，可以更好地保留每個(gè)語(yǔ)義詞單元的特征信息，避免在相加過(guò)程中可能出現(xiàn)的信息丟失或特征模糊的問(wèn)題，從而生成能夠準(zhǔn)確反映提問(wèn)語(yǔ)句語(yǔ)義的全局語(yǔ)義特征。[0035]步驟S115:將全局語(yǔ)義特征輸入特征降維層，提取核心意圖特征與輔助邏輯特征，作為語(yǔ)義理解特征；其中，核心意圖特征用于表示用戶(hù)提問(wèn)的核心目標(biāo)，輔助邏輯特征用于描述提問(wèn)語(yǔ)句中多個(gè)語(yǔ)義詞單元之間的依賴(lài)關(guān)系及語(yǔ)義層次結(jié)構(gòu)。[0036]特征降維層可以采用主成分分析(PCA)或者自動(dòng)編碼器等方法。以PCA為例，首先計(jì)算全局語(yǔ)義特征向量v_g的協(xié)方差矩陣C,然后對(duì)協(xié)方差矩陣進(jìn)行特征值分解，得到特征值和特征向量。選擇前k個(gè)最大的特征值對(duì)應(yīng)的特征向量，將全局語(yǔ)義特征向量投影到這些特征向量構(gòu)成的子空間中，得到降維后的特征向量。在降以被識(shí)別為核心意圖特征，另一部分特征可以被識(shí)別為輔助邏輯特征。[0037]核心意圖特征能夠反映用戶(hù)提問(wèn)的核心目標(biāo)，例如在上述提問(wèn)語(yǔ)句中，核心目標(biāo)可能是制定融資與市場(chǎng)拓展策略。輔助邏輯特征則描述了語(yǔ)義詞單元之間的依賴(lài)關(guān)系和語(yǔ)條件依賴(lài)關(guān)系。最終，將核心意圖特征記為f_c,輔助邏輯特征記為f_1,語(yǔ)義理解特征F={f_[0038]步驟S120:基于預(yù)設(shè)的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)匹配與語(yǔ)義理解特征對(duì)應(yīng)的知識(shí)節(jié)點(diǎn)集合。[0039]步驟S121:遍歷創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的候選知識(shí)節(jié)點(diǎn)，調(diào)用節(jié)點(diǎn)匹配模型計(jì)算每個(gè)候選知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征與核心意圖特征之間的第一相似度評(píng)分。[0040]創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中包含了大量的知識(shí)節(jié)點(diǎn)，每個(gè)知識(shí)節(jié)點(diǎn)都有其對(duì)應(yīng)的節(jié)點(diǎn)特征。對(duì)于知識(shí)庫(kù)中的每個(gè)候選知識(shí)節(jié)點(diǎn)，將其節(jié)點(diǎn)特征與步驟S115中提取的核心意圖特征f_c輸入到節(jié)點(diǎn)匹配模型中。節(jié)點(diǎn)匹配模型可以是一個(gè)基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，其學(xué)習(xí)節(jié)點(diǎn)特征和核心意圖特征之間的映射關(guān)系，輸出一個(gè)相似度評(píng)分。假設(shè)候選知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)特征為nk,節(jié)點(diǎn)匹配模型的輸出函數(shù)為S(nk,f_c),則第一相似度評(píng)分s1=S(nk,f_[0041]步驟S122:篩選第一相似度評(píng)分高于第一預(yù)設(shè)閾值的候選知識(shí)節(jié)點(diǎn)構(gòu)成初始匹配集合。[0042]設(shè)定一個(gè)第一預(yù)設(shè)閾值t1,遍歷所有候選知識(shí)節(jié)點(diǎn)的第一相似度評(píng)分s1,將評(píng)分高于t1的候選知識(shí)節(jié)點(diǎn)篩選出來(lái)，構(gòu)成初始匹配集合I={nk1,nk2,…,nkm},其中nki表示第i個(gè)滿(mǎn)足條件的候選知識(shí)節(jié)點(diǎn)。[0043]步驟S123:調(diào)用邏輯校驗(yàn)?zāi)Ｐ头治龀跏计ヅ浼现械暮蜻x知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)描述文本是否滿(mǎn)足輔助邏輯特征對(duì)應(yīng)的依賴(lài)關(guān)系與語(yǔ)義層次結(jié)構(gòu)，若不滿(mǎn)足，則判定為沖突節(jié)點(diǎn)，并剔除沖突節(jié)點(diǎn)，得到邏輯校驗(yàn)后的候選知識(shí)節(jié)點(diǎn)。[0044]邏輯校驗(yàn)?zāi)Ｐ蜁?huì)對(duì)初始匹配集合I中的每個(gè)候選知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)描述文本進(jìn)行分析。輔助邏輯特征f_1中包含了提問(wèn)語(yǔ)句中語(yǔ)義詞單元之間的依賴(lài)關(guān)系和語(yǔ)義層次結(jié)構(gòu)信息。邏輯校驗(yàn)?zāi)Ｐ蜁?huì)檢查候選知識(shí)節(jié)點(diǎn)的描述文本是否符合這些依賴(lài)關(guān)系和語(yǔ)義層次結(jié)能被判定為沖突節(jié)點(diǎn)。將不滿(mǎn)足條件的沖突節(jié)點(diǎn)從初始匹配集合I中剔除，得到邏輯校驗(yàn)后[0045]步驟S124:將邏輯校驗(yàn)后的候選知識(shí)節(jié)點(diǎn)按第一相似度評(píng)分降序排列，選取前N個(gè)節(jié)點(diǎn)作為優(yōu)化后的知識(shí)節(jié)點(diǎn)集合。[0046]對(duì)邏輯校驗(yàn)后的候選知識(shí)節(jié)點(diǎn)集合I_1中的每個(gè)節(jié)點(diǎn)，根據(jù)其對(duì)應(yīng)的第一相似度評(píng)分s1進(jìn)行降序排列。然后選取排名前N個(gè)的節(jié)點(diǎn)，構(gòu)成優(yōu)化后的知識(shí)節(jié)點(diǎn)集合K={nk1_k,[0047]步驟S130:根據(jù)知識(shí)節(jié)點(diǎn)集合的層級(jí)關(guān)系與語(yǔ)義關(guān)聯(lián)度生成語(yǔ)義關(guān)聯(lián)路徑。[0048]步驟S131:獲取知識(shí)節(jié)點(diǎn)集合中每個(gè)節(jié)點(diǎn)的層級(jí)屬性、關(guān)聯(lián)標(biāo)簽及歷史用戶(hù)交互數(shù)據(jù)。[0049]對(duì)于優(yōu)化后的知識(shí)節(jié)點(diǎn)集合K中的每個(gè)節(jié)點(diǎn)nki_k,從創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中獲取其層級(jí)屬性，層級(jí)屬性可以表示該節(jié)點(diǎn)在知識(shí)庫(kù)中的層次位置，如一級(jí)節(jié)點(diǎn)、二級(jí)節(jié)點(diǎn)等。同時(shí)，獲取節(jié)點(diǎn)的關(guān)聯(lián)標(biāo)簽，關(guān)聯(lián)標(biāo)簽用于描述該節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的語(yǔ)義關(guān)聯(lián)，例如用戶(hù)交互數(shù)據(jù)包括用戶(hù)對(duì)該節(jié)點(diǎn)的點(diǎn)擊次數(shù)、停留時(shí)間、后續(xù)提問(wèn)等信息。[0050]步驟S132:根據(jù)層級(jí)屬性構(gòu)建節(jié)點(diǎn)間的縱向?qū)蛹?jí)連接關(guān)系。[0051]根據(jù)知識(shí)節(jié)點(diǎn)的層級(jí)屬性，構(gòu)建節(jié)點(diǎn)間的縱向?qū)蛹?jí)連接關(guān)系。如果一個(gè)節(jié)點(diǎn)是另這種方式，構(gòu)建出一個(gè)縱向?qū)蛹?jí)連接圖G_1。[0052]步驟S133:根據(jù)關(guān)聯(lián)標(biāo)簽擴(kuò)展節(jié)點(diǎn)間的橫向語(yǔ)義關(guān)聯(lián)關(guān)系。[0053]根據(jù)知識(shí)節(jié)點(diǎn)的關(guān)聯(lián)標(biāo)簽，擴(kuò)展節(jié)點(diǎn)間的橫向語(yǔ)義關(guān)聯(lián)關(guān)系。如果兩個(gè)節(jié)點(diǎn)具有式，構(gòu)建出一個(gè)橫向語(yǔ)義關(guān)聯(lián)圖G_s。[0054]步驟S134:基于縱向?qū)蛹?jí)連接關(guān)系與橫向語(yǔ)義關(guān)聯(lián)關(guān)系生成初始語(yǔ)義網(wǎng)絡(luò)。[0055]將縱向?qū)蛹?jí)連接圖G_1和橫向語(yǔ)義關(guān)聯(lián)圖G_s進(jìn)行合并，生成初始語(yǔ)義始語(yǔ)義網(wǎng)絡(luò)G中，節(jié)點(diǎn)之間既有縱向的層級(jí)連接關(guān)系，又有橫向的語(yǔ)義關(guān)聯(lián)關(guān)系。[0056]步驟S135:調(diào)用路徑生成算法遍歷初始語(yǔ)義網(wǎng)絡(luò)，生成多條候選語(yǔ)義路徑，并基于路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)，結(jié)合歷史用戶(hù)交互數(shù)據(jù)對(duì)每條候選語(yǔ)義路徑進(jìn)行評(píng)分，選取評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑。[0057]步驟S1351:以知識(shí)節(jié)點(diǎn)集合中的核心意圖節(jié)點(diǎn)為起始點(diǎn)，按照縱向?qū)蛹?jí)連接關(guān)系向下遍歷子節(jié)點(diǎn)，同時(shí)根據(jù)橫向語(yǔ)義關(guān)聯(lián)關(guān)系擴(kuò)展兄弟節(jié)點(diǎn)。[0058]在知識(shí)節(jié)點(diǎn)集合K中確定核心意圖節(jié)點(diǎn)，例如在上述提問(wèn)語(yǔ)句中，核心意圖節(jié)點(diǎn)可能是“融資與市場(chǎng)拓展策略”節(jié)點(diǎn)。以該節(jié)點(diǎn)為起始點(diǎn)，按照縱向?qū)蛹?jí)連接關(guān)系向下遍歷其所有子節(jié)點(diǎn)，同時(shí)根據(jù)橫向語(yǔ)義關(guān)聯(lián)關(guān)系擴(kuò)展其兄弟節(jié)點(diǎn)。在遍歷過(guò)程中，記錄訪問(wèn)的節(jié)點(diǎn)序列及跳轉(zhuǎn)關(guān)系，生成初始路徑集合P_0。[0059]步驟S1352:對(duì)初始路徑集合進(jìn)行冗余路徑過(guò)濾，得到多條候選語(yǔ)義路徑。[0060]對(duì)初始路徑集合P_0進(jìn)行冗余路徑過(guò)濾。首先，合并包含相同節(jié)點(diǎn)序列但跳轉(zhuǎn)順序不同的路徑，因?yàn)檫@些路徑本質(zhì)上表達(dá)的是相同的語(yǔ)義信息。其次，剔除包含循環(huán)節(jié)點(diǎn)或重復(fù)跳轉(zhuǎn)的路徑，因?yàn)檫@些路徑不符合正常的語(yǔ)義邏輯。經(jīng)過(guò)過(guò)濾后，得到多條候選語(yǔ)義路徑[0061]步驟S1353:獲取每條候選語(yǔ)義路徑的路徑長(zhǎng)度，路徑長(zhǎng)度通過(guò)統(tǒng)計(jì)候選語(yǔ)義路徑中所有節(jié)點(diǎn)的總數(shù)得到。[0062]對(duì)于候選語(yǔ)義路徑集合P中的每條路徑pi,統(tǒng)計(jì)其中包含的節(jié)點(diǎn)總數(shù)，將其作為該路徑的路徑長(zhǎng)度li。[0063]步驟S1354:計(jì)算候選語(yǔ)義路徑的節(jié)點(diǎn)間跳轉(zhuǎn)概率，節(jié)點(diǎn)間跳轉(zhuǎn)概率基于歷史用戶(hù)交互數(shù)據(jù)中相鄰節(jié)點(diǎn)之間的跳轉(zhuǎn)次數(shù)與起始節(jié)點(diǎn)總跳轉(zhuǎn)次數(shù)的比值確定。[0064]根據(jù)歷史用戶(hù)交互數(shù)據(jù)，統(tǒng)計(jì)相鄰節(jié)點(diǎn)之間的跳轉(zhuǎn)次數(shù)和起始節(jié)點(diǎn)的總跳轉(zhuǎn)次數(shù)。對(duì)于候選語(yǔ)義路徑pi中的相鄰節(jié)點(diǎn)對(duì)(nj,nk),計(jì)算它們之間的跳轉(zhuǎn)概率pjk,pjk=相鄰節(jié)點(diǎn)(nj,nk)之間的跳轉(zhuǎn)次數(shù)/起始節(jié)點(diǎn)nj的總跳轉(zhuǎn)次數(shù)。對(duì)于整個(gè)候選語(yǔ)義路徑pi,可以將其所有相鄰節(jié)點(diǎn)對(duì)的跳轉(zhuǎn)概率進(jìn)行綜合考慮，例如取平均值或者加權(quán)平均值，得到該路徑的節(jié)點(diǎn)間跳轉(zhuǎn)概率pi_p。[0065]步驟S1355:提取候選語(yǔ)義路徑的節(jié)點(diǎn)語(yǔ)義權(quán)重，節(jié)點(diǎn)語(yǔ)義權(quán)重從創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中讀取每個(gè)節(jié)點(diǎn)預(yù)設(shè)的權(quán)重值，權(quán)重值根據(jù)節(jié)點(diǎn)被引用頻率與用戶(hù)標(biāo)注的語(yǔ)義相關(guān)度計(jì)算生成。[0066]從創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中讀取候選語(yǔ)義路徑pi中每個(gè)節(jié)點(diǎn)的預(yù)設(shè)權(quán)重值。節(jié)點(diǎn)的權(quán)重值是根據(jù)節(jié)點(diǎn)被引用頻率與用戶(hù)標(biāo)注的語(yǔ)義相關(guān)度計(jì)算生成的。例如，一個(gè)節(jié)點(diǎn)被頻繁引用且與用戶(hù)提問(wèn)的語(yǔ)義相關(guān)度高，那么它的權(quán)重值就會(huì)比較大。將路徑中所有節(jié)點(diǎn)的權(quán)重值進(jìn)行綜合考慮，例如取平均值或者加權(quán)平均值，得到該路徑的節(jié)點(diǎn)語(yǔ)義權(quán)重pi_w。[0067]步驟S1356:獲取用戶(hù)反饋指標(biāo)，用戶(hù)反饋指標(biāo)通過(guò)統(tǒng)計(jì)候選語(yǔ)義路徑中所有節(jié)點(diǎn)在歷史會(huì)話(huà)中被用戶(hù)點(diǎn)擊后產(chǎn)生的平均滿(mǎn)意度評(píng)分及關(guān)聯(lián)后續(xù)提問(wèn)的匹配度得到。[0068]統(tǒng)計(jì)候選語(yǔ)義路徑pi中所有節(jié)點(diǎn)在歷史會(huì)話(huà)中被用戶(hù)點(diǎn)擊后產(chǎn)生的平均滿(mǎn)意度評(píng)分和關(guān)聯(lián)后續(xù)提問(wèn)的匹配度。平均滿(mǎn)意度評(píng)分可以通過(guò)用戶(hù)對(duì)節(jié)點(diǎn)內(nèi)容的評(píng)分?jǐn)?shù)據(jù)計(jì)算得到，關(guān)聯(lián)后續(xù)提問(wèn)的匹配度可以通過(guò)語(yǔ)義相似度模型計(jì)算得到。將平均滿(mǎn)意度評(píng)分和關(guān)聯(lián)后續(xù)提問(wèn)的匹配度進(jìn)行綜合考慮，得到該路徑的用戶(hù)反饋指標(biāo)pi_f。[0069]步驟S1357:將每條候選語(yǔ)義路徑的路徑長(zhǎng)度、節(jié)點(diǎn)間跳轉(zhuǎn)概率、節(jié)點(diǎn)語(yǔ)義權(quán)重及用戶(hù)反饋指標(biāo)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換后進(jìn)行加權(quán)求和，以生成每條候選語(yǔ)義路徑的綜合評(píng)分。[0070]對(duì)路徑長(zhǎng)度li、節(jié)點(diǎn)間跳轉(zhuǎn)概率pi_p、節(jié)點(diǎn)語(yǔ)義權(quán)重pi_w和用戶(hù)反饋指標(biāo)pi_f進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換，使得它們處于相同的量綱范圍內(nèi)。標(biāo)準(zhǔn)化轉(zhuǎn)換可以采用常見(jiàn)的方法，如Z-score標(biāo)準(zhǔn)化，即將每個(gè)特征值減去其均值，再除以其標(biāo)準(zhǔn)差。設(shè)標(biāo)準(zhǔn)化后的路徑長(zhǎng)度為li_s,節(jié)點(diǎn)間跳轉(zhuǎn)概率為pi_p_s,節(jié)點(diǎn)語(yǔ)義權(quán)重為pi_w_s,用戶(hù)反饋指標(biāo)為pi_f_s。然后，為每個(gè)標(biāo)準(zhǔn)化后的特征分配一個(gè)權(quán)重，分別記為wl、wp、ww和wf,這些權(quán)重可以根據(jù)實(shí)際情況進(jìn)行調(diào)整，以反映各個(gè)特征在綜合評(píng)分中的重要程度。通過(guò)加權(quán)求和的方式，生成每條候選語(yǔ)義路徑的綜合評(píng)分si,即si=wl*li_s+wp*pi_p_s+ww*pi_w_s+wf*pi_f_s。[0071]步驟S1358:選取綜合評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑。[0072]對(duì)所有候選語(yǔ)義路徑的綜合評(píng)分si進(jìn)行比較，選取評(píng)分最高的候選語(yǔ)義路徑作為目標(biāo)語(yǔ)義關(guān)聯(lián)路徑p_t。這條目標(biāo)語(yǔ)義關(guān)聯(lián)路徑能夠最好地反映知識(shí)節(jié)點(diǎn)之間的層級(jí)關(guān)系和語(yǔ)義關(guān)聯(lián)度。[0073]步驟S140:根據(jù)語(yǔ)義關(guān)聯(lián)路徑確定目標(biāo)問(wèn)答策略并生成優(yōu)化輔導(dǎo)內(nèi)容。[0074]步驟S141:解析語(yǔ)義關(guān)聯(lián)路徑中的節(jié)點(diǎn)序列，識(shí)別節(jié)點(diǎn)序列對(duì)應(yīng)的輔導(dǎo)主題演進(jìn)邏輯與關(guān)鍵知識(shí)點(diǎn)分布。[0075]步驟S1411:獲取語(yǔ)義關(guān)聯(lián)路徑中每個(gè)知識(shí)節(jié)點(diǎn)的節(jié)點(diǎn)屬性，節(jié)點(diǎn)屬性包括節(jié)點(diǎn)類(lèi)型標(biāo)簽、歷史交互頻次及預(yù)設(shè)語(yǔ)義權(quán)重。[0076]對(duì)于目標(biāo)語(yǔ)義關(guān)聯(lián)路徑p_t中的每個(gè)知識(shí)節(jié)點(diǎn)，從創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中獲取其點(diǎn)的主要內(nèi)容性質(zhì)。歷史交互頻次反映了該節(jié)點(diǎn)在歷史會(huì)話(huà)中被用戶(hù)訪問(wèn)的次數(shù)，預(yù)設(shè)語(yǔ)義權(quán)重則體現(xiàn)了該節(jié)點(diǎn)在知識(shí)庫(kù)中的重要程度。[0077]步驟S1412:根據(jù)節(jié)點(diǎn)類(lèi)型標(biāo)簽劃分節(jié)點(diǎn)序列中的起始節(jié)點(diǎn)、中間節(jié)點(diǎn)及終止節(jié)點(diǎn)，并提取相鄰節(jié)點(diǎn)之間的層級(jí)跳轉(zhuǎn)方向與語(yǔ)義關(guān)聯(lián)類(lèi)型。[0078]根據(jù)節(jié)點(diǎn)類(lèi)型標(biāo)簽，將目標(biāo)語(yǔ)義關(guān)聯(lián)路徑p_t中的節(jié)點(diǎn)序列劃分為起始節(jié)點(diǎn)、中間節(jié)點(diǎn)和終止節(jié)點(diǎn)。起始節(jié)點(diǎn)通常是與用戶(hù)提問(wèn)核心意圖最相關(guān)的節(jié)點(diǎn)，中間節(jié)點(diǎn)用于進(jìn)一步闡述和拓展相關(guān)內(nèi)容，終止節(jié)點(diǎn)則給出總結(jié)或結(jié)論性的信息。同時(shí)，提取相鄰節(jié)點(diǎn)之間的層級(jí)跳轉(zhuǎn)方向，如從上級(jí)節(jié)點(diǎn)到下級(jí)節(jié)點(diǎn)的跳轉(zhuǎn)表示深入細(xì)化內(nèi)容，從同級(jí)節(jié)點(diǎn)之間的跳了節(jié)點(diǎn)之間的語(yǔ)義邏輯關(guān)系。[0079]步驟S1413:基于層級(jí)跳轉(zhuǎn)方向構(gòu)建縱向演進(jìn)分支，并根據(jù)語(yǔ)義關(guān)聯(lián)類(lèi)型生成橫向擴(kuò)展分支，將縱向演進(jìn)分支與橫向擴(kuò)展分支進(jìn)行拓?fù)浜喜?，生成初始主題網(wǎng)絡(luò)。[0080]根據(jù)相鄰節(jié)點(diǎn)之間的層級(jí)跳轉(zhuǎn)方向，構(gòu)建縱向演進(jìn)分支。例如，如果存在從“融資聯(lián)，就可以構(gòu)建一條橫向擴(kuò)展分支。將縱向演進(jìn)分支和橫向擴(kuò)展分支進(jìn)行拓?fù)浜喜ⅲ纬梢粋€(gè)包含節(jié)點(diǎn)和連接邊的初始主題網(wǎng)絡(luò)N_0。[0081]步驟S1414:遍歷初始主題網(wǎng)絡(luò)中的節(jié)點(diǎn)連接邊，計(jì)算每條連接邊的綜合強(qiáng)度值，綜合強(qiáng)度值通過(guò)加權(quán)求和歷史交互頻次的歸一化值、預(yù)設(shè)語(yǔ)義權(quán)重的對(duì)數(shù)轉(zhuǎn)換值及關(guān)聯(lián)類(lèi)型的優(yōu)先級(jí)系數(shù)得到。[0082]對(duì)于初始主題網(wǎng)絡(luò)N_0中的每條節(jié)點(diǎn)連接邊，計(jì)算其綜合強(qiáng)度值。首先，對(duì)歷史交互頻次進(jìn)行歸一化處理，將其轉(zhuǎn)換到一個(gè)統(tǒng)一的范圍。然后，對(duì)預(yù)設(shè)語(yǔ)義權(quán)重進(jìn)行對(duì)數(shù)轉(zhuǎn)換，以減少權(quán)重值之間的差異。關(guān)聯(lián)類(lèi)型的優(yōu)先級(jí)系數(shù)是根據(jù)不同語(yǔ)義關(guān)聯(lián)類(lèi)型的重要程度預(yù)先設(shè)定的。將歸一化后的歷史交互頻次、對(duì)數(shù)轉(zhuǎn)換后的預(yù)設(shè)語(yǔ)義權(quán)重和關(guān)聯(lián)類(lèi)型的優(yōu)先級(jí)系數(shù)進(jìn)行加權(quán)求和，得到每條連接邊的綜合強(qiáng)度值。設(shè)歷史交互頻次為f,預(yù)設(shè)語(yǔ)義權(quán)重為w,關(guān)聯(lián)類(lèi)型的優(yōu)先級(jí)系數(shù)為c,加權(quán)系數(shù)分別為wf、ww和wc,則連接邊的綜合強(qiáng)度值s_c=wf*歸一化(f)+ww*對(duì)數(shù)轉(zhuǎn)換(w)+wc*c。[0083]步驟S1415:根據(jù)綜合強(qiáng)度值篩選強(qiáng)度閾值以上的連接邊構(gòu)成核心連接邊集合，并提取核心連接邊集合對(duì)應(yīng)的節(jié)點(diǎn)子序列作為關(guān)鍵知識(shí)點(diǎn)分布。[0084]設(shè)定一個(gè)強(qiáng)度閾值t2,篩選出綜合強(qiáng)度值大于t2的連接邊，構(gòu)成核心連接邊集合E_c。核心連接邊集合反映了節(jié)點(diǎn)之間最重要的語(yǔ)義關(guān)聯(lián)關(guān)系。提取核心連接邊集合對(duì)應(yīng)的節(jié)點(diǎn)子序列，這些節(jié)點(diǎn)子序列包含了最關(guān)鍵的知識(shí)點(diǎn)，將其作為關(guān)鍵知識(shí)點(diǎn)分布K_d。[0085]步驟S1416:基于核心連接邊集合的節(jié)點(diǎn)子序列，提取節(jié)點(diǎn)類(lèi)型標(biāo)簽的時(shí)序變化模式及語(yǔ)義關(guān)聯(lián)類(lèi)型的組合規(guī)則，生成輔導(dǎo)主題演進(jìn)邏輯，時(shí)序變化模式通過(guò)分析節(jié)點(diǎn)子序列中節(jié)點(diǎn)類(lèi)型標(biāo)簽的出現(xiàn)順序及頻次分布確定，組合規(guī)則通過(guò)統(tǒng)計(jì)語(yǔ)義關(guān)聯(lián)類(lèi)型在節(jié)點(diǎn)子序列中的共現(xiàn)頻率及條件概率得到。[0086]對(duì)核心連接邊集合對(duì)應(yīng)的節(jié)點(diǎn)子序列進(jìn)行分析，提取節(jié)點(diǎn)類(lèi)型標(biāo)簽的時(shí)序變化模點(diǎn)的順序。同時(shí)，統(tǒng)計(jì)語(yǔ)義關(guān)聯(lián)類(lèi)型在節(jié)點(diǎn)子序列中的共現(xiàn)頻率和條件概率，得到語(yǔ)義關(guān)聯(lián)類(lèi)型的組合規(guī)則。將節(jié)點(diǎn)類(lèi)型標(biāo)簽的時(shí)序變化模式和語(yǔ)義關(guān)聯(lián)類(lèi)型的組合規(guī)則進(jìn)行整合，生成輔導(dǎo)主題演進(jìn)邏輯L_e。[0087]步驟S142:根據(jù)輔導(dǎo)主題演進(jìn)邏輯從預(yù)設(shè)問(wèn)答策略庫(kù)中匹配基礎(chǔ)問(wèn)答策略模板，基礎(chǔ)問(wèn)答策略模板包含內(nèi)容生成規(guī)則、交互流程設(shè)計(jì)及資源引用方式。[0088]步驟S1421:提取輔導(dǎo)主題演進(jìn)邏輯中的路徑屬性，路徑屬性包括路徑階段數(shù)量、節(jié)點(diǎn)類(lèi)型分布及語(yǔ)義關(guān)聯(lián)組合模式。[0089]從輔導(dǎo)主題演進(jìn)邏輯L_e中提取路徑屬性。路徑階段數(shù)量反映了輔導(dǎo)主題演進(jìn)過(guò)程中的階段劃分，節(jié)點(diǎn)類(lèi)型分布描述了不同類(lèi)型節(jié)點(diǎn)在路徑中的分布情況，語(yǔ)義關(guān)聯(lián)組合模式體現(xiàn)了節(jié)點(diǎn)之間語(yǔ)義關(guān)聯(lián)類(lèi)型的組合方式。[0090]步驟S1422:將路徑階段數(shù)量轉(zhuǎn)換為階段劃分向量，節(jié)點(diǎn)類(lèi)型分布轉(zhuǎn)換為類(lèi)型密度矩陣，語(yǔ)義關(guān)聯(lián)組合模式轉(zhuǎn)換為關(guān)聯(lián)編碼序列。[0091]將路徑階段數(shù)量轉(zhuǎn)換為階段劃分向量，向量的每個(gè)元素表示每個(gè)階段的相關(guān)信息。將節(jié)點(diǎn)類(lèi)型分布轉(zhuǎn)換為類(lèi)型密度矩陣，矩陣的行表示不同的節(jié)點(diǎn)類(lèi)型，列表示不同的階段，矩陣元素表示該節(jié)點(diǎn)類(lèi)型在該階段的密度。將語(yǔ)義關(guān)聯(lián)組合模式轉(zhuǎn)換為關(guān)聯(lián)編碼序列，序列中的每個(gè)元素表示一種語(yǔ)義關(guān)聯(lián)類(lèi)型的編碼。[0092]步驟S1423:調(diào)用策略匹配模型分別計(jì)算階段劃分向量與預(yù)設(shè)問(wèn)答策略庫(kù)中各策略模板的階段標(biāo)簽之間的第一匹配度、類(lèi)型密度矩陣與各策略模板的節(jié)點(diǎn)兼容矩陣之間的第二匹配度，以及關(guān)聯(lián)編碼序列與各策略模板的關(guān)聯(lián)規(guī)則庫(kù)之間的第三匹配度。[0093]將階段劃分向量、類(lèi)型密度矩陣和關(guān)聯(lián)編碼序列分別輸入到策略匹配模型中。策略匹配模型會(huì)計(jì)算階段劃分向量與預(yù)設(shè)問(wèn)答策略庫(kù)中各策略模板的階段標(biāo)簽之間的第一匹配度，類(lèi)型密度矩陣與各策略模板的節(jié)點(diǎn)兼容矩陣之間的第二匹配度，以及關(guān)聯(lián)編碼序列與各策略模板的關(guān)聯(lián)規(guī)則庫(kù)之間的第三匹配度。設(shè)階段劃分向量為v_p,策略模板的階段標(biāo)簽為t_p,類(lèi)型密度矩陣為M_t,策略模板的節(jié)點(diǎn)兼容矩陣為M_c,關(guān)聯(lián)編碼序列為s_a,策略模板的關(guān)聯(lián)規(guī)則庫(kù)為R_a,則第一匹配度m1=策略匹配模型(v_p,t_p),第二匹配度m2=策略匹配模型(M_t,M_c),第三匹配度m3=策略匹配模型(s_a,R_a)。[0094]步驟S1424:對(duì)第一匹配度、第二匹配度及第三匹配度進(jìn)行標(biāo)準(zhǔn)化處理，并基于預(yù)設(shè)權(quán)重系數(shù)進(jìn)行加權(quán)融合，生成各策略模板的綜合適配評(píng)分。[0095]對(duì)第一匹配度m1、第二匹配度m2和第三匹配度m3進(jìn)行標(biāo)準(zhǔn)化處理，使其處于相同的量綱范圍。然后，為每個(gè)標(biāo)準(zhǔn)化后的匹配度分配一個(gè)預(yù)設(shè)權(quán)重系數(shù)，分別記為wm1、wm2和wm3。通過(guò)加權(quán)融合的方式，生成各策略模板的綜合適配評(píng)分s_m,即s_m=wml*標(biāo)準(zhǔn)化(m1)+[0096]步驟S1425:篩選綜合適配評(píng)分高于適配閾值的策略模板構(gòu)成候選策略集合，并根據(jù)輔導(dǎo)主題演進(jìn)邏輯中的時(shí)序變化模式對(duì)候選策略集合進(jìn)行排序優(yōu)化，排序優(yōu)化通過(guò)匹配時(shí)序變化模式與候選策略模板的歷史應(yīng)用場(chǎng)景中的階段演進(jìn)一致性實(shí)現(xiàn)。[0097]設(shè)定一個(gè)適配閾值t3,篩選出綜合適配評(píng)分高于t3的策略模板，構(gòu)成候選策略集合S_c。然后，根據(jù)輔導(dǎo)主題演進(jìn)邏輯L_e中的時(shí)序變化模式，對(duì)候選策略集合S_c進(jìn)行排序優(yōu)化。匹配時(shí)序變化模式與候選策略模板的歷史應(yīng)用場(chǎng)景中的階段演進(jìn)一致性，優(yōu)先選擇階段演進(jìn)一致性高的策略模板。[0098]步驟S1426:選取排序優(yōu)化后的候選策略集合中排名最高的策略模板作為基礎(chǔ)問(wèn)答策略模板。[0099]對(duì)排序優(yōu)化后的候選策略集合S_c中的策略模板進(jìn)行排名，選取排名最高的策略模板作為基礎(chǔ)問(wèn)答策略模板T_b。該基礎(chǔ)問(wèn)答策略模板包含了內(nèi)容生成規(guī)則、交互流程設(shè)計(jì)及資源引用方式等信息。[0100]步驟S143:基于關(guān)鍵知識(shí)點(diǎn)分布對(duì)基礎(chǔ)問(wèn)答策略模板進(jìn)行動(dòng)態(tài)調(diào)整，得到調(diào)整后的基礎(chǔ)問(wèn)答策略模板。[0101]步驟S1431:識(shí)別關(guān)鍵知識(shí)點(diǎn)分布中每個(gè)知識(shí)節(jié)點(diǎn)的優(yōu)先級(jí)參數(shù)，優(yōu)先級(jí)參數(shù)基于知識(shí)節(jié)點(diǎn)的語(yǔ)義權(quán)重、歷史用戶(hù)交互頻率及所屬層級(jí)屬性計(jì)算生成。[0102]對(duì)于關(guān)鍵知識(shí)點(diǎn)分布K_d中的每個(gè)知識(shí)節(jié)點(diǎn)，計(jì)算其優(yōu)先級(jí)參數(shù)。優(yōu)先級(jí)參數(shù)是基于知識(shí)節(jié)點(diǎn)的語(yǔ)義權(quán)重、歷史用戶(hù)交互頻率及所屬層級(jí)屬性計(jì)算生成的。語(yǔ)義權(quán)重反映了該節(jié)點(diǎn)在知識(shí)庫(kù)中的重要程度，歷史用戶(hù)交互頻率體現(xiàn)了該節(jié)點(diǎn)的受歡迎程度，所屬層級(jí)屬性表示該節(jié)點(diǎn)在知識(shí)庫(kù)中的層次位置?？梢酝ㄟ^(guò)加權(quán)求和的方式計(jì)算優(yōu)先級(jí)參數(shù)，設(shè)語(yǔ)義權(quán)重為w,歷史用戶(hù)交互頻率為f,所屬層級(jí)屬性為1,加權(quán)系數(shù)分別為ww、wf和wl,則優(yōu)先[0103]步驟S1432:根據(jù)優(yōu)先級(jí)參數(shù)將關(guān)鍵知識(shí)點(diǎn)分布劃分為核心知識(shí)點(diǎn)集合與輔助知識(shí)點(diǎn)集合，其中核心知識(shí)點(diǎn)集合的優(yōu)先級(jí)參數(shù)高于預(yù)設(shè)優(yōu)先級(jí)閾值。[0104]設(shè)定一個(gè)預(yù)設(shè)優(yōu)先級(jí)閾值t4,根據(jù)優(yōu)先級(jí)參數(shù)p將關(guān)鍵知識(shí)點(diǎn)分布K_d劃分為核心知識(shí)點(diǎn)集合K_c和輔助知識(shí)點(diǎn)集合K_a。核心知識(shí)點(diǎn)集合中的知識(shí)節(jié)點(diǎn)優(yōu)先級(jí)參數(shù)高于t4,這些節(jié)點(diǎn)包含了最關(guān)鍵的信息。輔助知識(shí)點(diǎn)集合中的知識(shí)節(jié)點(diǎn)優(yōu)先級(jí)參數(shù)低于t4,用于進(jìn)一步補(bǔ)充和拓展核心知識(shí)點(diǎn)。[0105]步驟S1433:提取基礎(chǔ)問(wèn)答策略模板中的內(nèi)容生成規(guī)則，將核心知識(shí)點(diǎn)集合對(duì)應(yīng)的內(nèi)容生成規(guī)則設(shè)置為默認(rèn)激活模塊，并根據(jù)輔助知識(shí)點(diǎn)集合的語(yǔ)義關(guān)聯(lián)度生成擴(kuò)展觸發(fā)條件。[0106]從基礎(chǔ)問(wèn)答策略模板T_b中提取內(nèi)容生成規(guī)則。將核心知識(shí)點(diǎn)集合K_c對(duì)應(yīng)的內(nèi)容生成規(guī)則設(shè)置為默認(rèn)激活模塊，這些模塊會(huì)在生成優(yōu)化輔導(dǎo)內(nèi)容時(shí)首先被調(diào)用。根據(jù)輔助知識(shí)點(diǎn)集合K_a的語(yǔ)義關(guān)聯(lián)度，生成擴(kuò)展觸發(fā)條件。例如，如果輔助知識(shí)點(diǎn)與某個(gè)核心知識(shí)點(diǎn)存在因果關(guān)聯(lián)，那么當(dāng)核心知識(shí)點(diǎn)被提及且滿(mǎn)足設(shè)定條件時(shí)，就觸發(fā)輔助知識(shí)點(diǎn)的內(nèi)容生成。[0107]步驟S1434:分析用戶(hù)歷史交互數(shù)據(jù)中的未訪問(wèn)知識(shí)點(diǎn)序列，計(jì)算未訪問(wèn)知識(shí)點(diǎn)序列與輔助知識(shí)點(diǎn)集合之間的匹配度，篩選匹配度高于預(yù)設(shè)匹配閾值的未訪問(wèn)知識(shí)點(diǎn)作為補(bǔ)充案例的插入節(jié)點(diǎn)。[0108]分析用戶(hù)歷史交互數(shù)據(jù)，提取未訪問(wèn)知識(shí)點(diǎn)序列U。計(jì)算未訪問(wèn)知識(shí)點(diǎn)序列U與輔助知識(shí)點(diǎn)集合K_a之間的匹配度，可以通過(guò)語(yǔ)義相似度模型進(jìn)行計(jì)算。設(shè)定一個(gè)預(yù)設(shè)匹配閾值t5,篩選出匹配度高于t5的未訪問(wèn)知識(shí)點(diǎn)，將其作為補(bǔ)充案例的插入節(jié)點(diǎn)I_n。[0109]步驟S1435:根據(jù)語(yǔ)義理解特征中的輔助邏輯特征，確定補(bǔ)充案例的插入節(jié)點(diǎn)在基礎(chǔ)問(wèn)答策略模板中的邏輯嵌入位置，邏輯嵌入位置通過(guò)匹配輔助邏輯特征中的依賴(lài)關(guān)系與模板中的交互流程節(jié)點(diǎn)序列得到。[0110]根據(jù)語(yǔ)義理解特征F中的輔助邏輯特征f_1,確定補(bǔ)充案例的插入節(jié)點(diǎn)I_n在基礎(chǔ)問(wèn)答策略模板T_b中的邏輯嵌入位置。通過(guò)匹配輔助邏輯特征中的依賴(lài)關(guān)系與模板中的交互流程節(jié)點(diǎn)序列，找到合適的嵌入位置。例如，如果輔助邏輯特征表明某個(gè)知識(shí)點(diǎn)與另一個(gè)知識(shí)點(diǎn)存在先后順序關(guān)系，那么補(bǔ)充案例的插入節(jié)點(diǎn)就應(yīng)該在相應(yīng)的位置插入。[0111]步驟S1436:將默認(rèn)激活模塊、擴(kuò)展觸發(fā)條件及邏輯嵌入位置進(jìn)行參數(shù)整合，生成調(diào)整后的基礎(chǔ)問(wèn)答策略模板。[0112]將默認(rèn)激活模塊、擴(kuò)展觸發(fā)條件和邏輯嵌入位置進(jìn)行參數(shù)整合，生成調(diào)整后的基礎(chǔ)問(wèn)答策略模板T_a。該模板在基礎(chǔ)問(wèn)答策略模板的基礎(chǔ)上，根據(jù)關(guān)鍵知識(shí)點(diǎn)分布進(jìn)行了動(dòng)態(tài)調(diào)整，能夠更好地滿(mǎn)足用戶(hù)的需求。[0113]步驟S144:根據(jù)調(diào)整后的基礎(chǔ)問(wèn)答策略模板，生成優(yōu)化輔導(dǎo)內(nèi)容；優(yōu)化輔導(dǎo)內(nèi)容包含分步驟指導(dǎo)文本、適配用戶(hù)需求的參考案例及關(guān)聯(lián)知識(shí)點(diǎn)的擴(kuò)展資源鏈接。[0114]根據(jù)調(diào)整后的基礎(chǔ)問(wèn)答策略模板T_a,生成優(yōu)化輔導(dǎo)內(nèi)容C。優(yōu)化輔導(dǎo)內(nèi)容包含分步驟指導(dǎo)文本，按照輔導(dǎo)主題演進(jìn)邏輯和關(guān)鍵知識(shí)點(diǎn)分布，為用戶(hù)提供詳細(xì)的指導(dǎo)。同時(shí)，包含適配用戶(hù)需求的參考案例，這些案例可以來(lái)自歷史成功案例或者實(shí)際應(yīng)用場(chǎng)景。此外，還提供關(guān)聯(lián)知識(shí)點(diǎn)的擴(kuò)展資源鏈接，方便用戶(hù)進(jìn)一步深入學(xué)習(xí)相關(guān)知識(shí)。[0115]步驟S150:根據(jù)用戶(hù)對(duì)優(yōu)化輔導(dǎo)內(nèi)容的反饋數(shù)據(jù)更新創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中的節(jié)點(diǎn)連接權(quán)重與關(guān)聯(lián)關(guān)系。[0116]步驟S151:采集用戶(hù)與優(yōu)化輔導(dǎo)內(nèi)容的交互行為數(shù)據(jù)，交互行為數(shù)據(jù)包括內(nèi)容點(diǎn)擊位置、案例查閱次數(shù)、資源鏈接打開(kāi)率及后[0117]通過(guò)監(jiān)測(cè)用戶(hù)與優(yōu)化輔導(dǎo)內(nèi)容C的交互過(guò)程，采集交互行為數(shù)據(jù)。內(nèi)容點(diǎn)擊位置反映了用戶(hù)對(duì)不同內(nèi)容的關(guān)注重點(diǎn)，案例查閱次數(shù)體現(xiàn)了用戶(hù)對(duì)案例的興趣程度，資源鏈接打開(kāi)率表示用戶(hù)對(duì)擴(kuò)展資源的利用情況，后續(xù)提問(wèn)語(yǔ)句則反映了用戶(hù)在學(xué)習(xí)過(guò)程中遇到的問(wèn)題和進(jìn)一步的需求。[0118]步驟S152:對(duì)交互行為數(shù)據(jù)進(jìn)行清洗與結(jié)構(gòu)化處理，生成反饋數(shù)據(jù)集。[0119]對(duì)采集到的交互行為數(shù)據(jù)進(jìn)行清洗，去除其中的噪聲數(shù)據(jù)和無(wú)效數(shù)據(jù)。然后，對(duì)清洗后的數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，將其轉(zhuǎn)換為易于分析的格式，生成反饋數(shù)據(jù)集D。[0120]步驟S153:根據(jù)反饋數(shù)據(jù)集計(jì)算語(yǔ)義關(guān)聯(lián)路徑中每個(gè)知識(shí)節(jié)點(diǎn)的貢獻(xiàn)度評(píng)分。[0121]步驟S1531:從反饋數(shù)據(jù)集中提取每個(gè)知識(shí)節(jié)點(diǎn)的交互指標(biāo)集，交互指標(biāo)集包括點(diǎn)擊率增量、案例查閱時(shí)長(zhǎng)、資源鏈接打開(kāi)率變化值及后續(xù)提問(wèn)匹配度。[0122]從反饋數(shù)據(jù)集D中提取每個(gè)知識(shí)節(jié)點(diǎn)的交互指標(biāo)集。點(diǎn)擊率增量表示該知識(shí)節(jié)點(diǎn)在本次交互中的點(diǎn)擊率相對(duì)于歷史點(diǎn)擊率的增加量，案例查閱時(shí)長(zhǎng)反映了用戶(hù)對(duì)該知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的案例的查閱時(shí)間，資源鏈接打開(kāi)率變化值表示該知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的資源鏈接打開(kāi)率的變化情況，后續(xù)提問(wèn)匹配度通過(guò)語(yǔ)義相似度模型計(jì)算生成，反映了用戶(hù)后續(xù)提問(wèn)與該知識(shí)節(jié)點(diǎn)的語(yǔ)義相關(guān)性。[0123]步驟S1532:對(duì)點(diǎn)擊率增量進(jìn)行時(shí)間衰減加權(quán)處理，生成時(shí)間修正點(diǎn)擊率，時(shí)間衰減加權(quán)處理基于點(diǎn)擊行為發(fā)生時(shí)間與當(dāng)前時(shí)間的間隔及預(yù)設(shè)衰減因子計(jì)算。[0124]對(duì)點(diǎn)擊率增量進(jìn)行時(shí)間衰減加權(quán)處理，以考慮點(diǎn)擊行為的時(shí)效性。根據(jù)點(diǎn)擊行為發(fā)生時(shí)間與當(dāng)前時(shí)間的間隔以及預(yù)設(shè)衰減因子，對(duì)點(diǎn)擊率增量進(jìn)行加權(quán)。設(shè)點(diǎn)擊率增量為i_c,點(diǎn)擊行為發(fā)生時(shí)間與當(dāng)前時(shí)間的間隔為t,預(yù)設(shè)衰減因子為α,則時(shí)間修正點(diǎn)擊率i_c_t=i_c*衰減函數(shù)(t,α),其中衰減函數(shù)可以是指數(shù)衰減函數(shù)等。[0125]步驟S1533:將案例查閱時(shí)長(zhǎng)轉(zhuǎn)換為時(shí)長(zhǎng)分布百分位數(shù)，資源鏈接打開(kāi)率變化值轉(zhuǎn)換為變化強(qiáng)度系數(shù)，后續(xù)提問(wèn)匹配度通過(guò)語(yǔ)義相似度模型計(jì)算生成匹配度評(píng)分。[0126]將案例查閱時(shí)長(zhǎng)轉(zhuǎn)換為時(shí)長(zhǎng)分布百分位數(shù)，即將該知識(shí)節(jié)點(diǎn)的案例查閱時(shí)長(zhǎng)與所有知識(shí)節(jié)點(diǎn)的案例查閱時(shí)長(zhǎng)進(jìn)行比較，得到其在時(shí)長(zhǎng)分布中的百分位數(shù)。將資源鏈接打開(kāi)率變化值轉(zhuǎn)換為變化強(qiáng)度系數(shù)，通過(guò)對(duì)變化值進(jìn)行歸一化處理得到。后續(xù)提問(wèn)匹配度通過(guò)語(yǔ)義相似度模型計(jì)算生成匹配度評(píng)分，語(yǔ)義相似度模型可以基于深度學(xué)習(xí)算法，學(xué)習(xí)提問(wèn)語(yǔ)句和知識(shí)節(jié)點(diǎn)內(nèi)容之間的語(yǔ)義關(guān)系。[0127]步驟S1534:對(duì)時(shí)間修正點(diǎn)擊率、時(shí)長(zhǎng)分布百分位數(shù)、變化強(qiáng)度系數(shù)及匹配度評(píng)分進(jìn)行歸一化處理，得到標(biāo)準(zhǔn)化指標(biāo)集。[0128]對(duì)時(shí)間修正點(diǎn)擊率i_c_t、時(shí)長(zhǎng)分布百分位數(shù)p_t、變化強(qiáng)度系數(shù)c_r和匹配度評(píng)分s_m進(jìn)行歸一化處理，使其處于相同的量綱范圍?？梢圆捎肸-score標(biāo)準(zhǔn)化等方法進(jìn)行歸一[0129]步驟S1535:根據(jù)預(yù)設(shè)貢獻(xiàn)權(quán)重分配標(biāo)準(zhǔn)化指標(biāo)集中的各指標(biāo)權(quán)重，并通過(guò)線性加權(quán)生成初始貢獻(xiàn)度評(píng)分。[0130]為標(biāo)準(zhǔn)化指標(biāo)集I_s中的每個(gè)指標(biāo)分配一個(gè)預(yù)設(shè)貢獻(xiàn)權(quán)重，分別記為wi、wp、wc和ws。通過(guò)線性加權(quán)的方式，生成初始貢獻(xiàn)[0131]步驟S1536:基于知識(shí)節(jié)點(diǎn)在語(yǔ)義關(guān)聯(lián)路徑中的位置屬性對(duì)初始貢獻(xiàn)度評(píng)分進(jìn)行路徑修正，路徑修正通過(guò)計(jì)算節(jié)點(diǎn)所在路徑層級(jí)的權(quán)重系數(shù)及節(jié)點(diǎn)與核心意圖節(jié)點(diǎn)的跳轉(zhuǎn)距離實(shí)現(xiàn)。[0132]基于知識(shí)節(jié)點(diǎn)在語(yǔ)義關(guān)聯(lián)路徑p_t中的位置屬性，對(duì)初始貢獻(xiàn)度評(píng)分s_i進(jìn)行路徑修正。計(jì)算節(jié)點(diǎn)所在路徑層級(jí)的權(quán)重系數(shù)，層級(jí)越高的節(jié)點(diǎn)權(quán)重系數(shù)越大。同時(shí)，計(jì)算節(jié)點(diǎn)與核心意圖節(jié)點(diǎn)的跳轉(zhuǎn)距離，跳轉(zhuǎn)距離越近的節(jié)點(diǎn)權(quán)重系數(shù)越大。設(shè)節(jié)點(diǎn)所在路徑層級(jí)的權(quán)重系數(shù)為wl,節(jié)點(diǎn)與核心意圖節(jié)點(diǎn)的跳轉(zhuǎn)距離為d,跳轉(zhuǎn)距離的權(quán)重系數(shù)為wd,則路徑修正后的評(píng)分s_f可以通過(guò)對(duì)初始貢獻(xiàn)度評(píng)分s_i進(jìn)行加權(quán)得到，即s_f=s_i*(wl+wd/(d+1)),這里加1是為了避免跳轉(zhuǎn)距離為0時(shí)出現(xiàn)分母為0的情況。將路徑修正后的評(píng)分s_f作為知識(shí)節(jié)點(diǎn)的最終貢獻(xiàn)度評(píng)分。[0133]步驟S154:對(duì)貢獻(xiàn)度評(píng)分高于第二預(yù)設(shè)閾值的節(jié)點(diǎn)，增加該節(jié)點(diǎn)與核心意圖特征對(duì)應(yīng)節(jié)點(diǎn)的連接權(quán)重。[0134]設(shè)定第二預(yù)設(shè)閾值t6,對(duì)于語(yǔ)義關(guān)聯(lián)路徑中貢獻(xiàn)度評(píng)分高于t6的節(jié)點(diǎn)，增加該節(jié)點(diǎn)與核心意圖特征對(duì)應(yīng)節(jié)點(diǎn)的連接權(quán)重。在創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中，每個(gè)節(jié)點(diǎn)之間的連接都有相應(yīng)的權(quán)重，反映了它們之間的關(guān)聯(lián)強(qiáng)度。通過(guò)增加連接權(quán)重，可以強(qiáng)化這些節(jié)點(diǎn)與核心意圖的關(guān)聯(lián)，使得在后續(xù)的匹配過(guò)程中更容易被選中。例如，如果某個(gè)知識(shí)節(jié)點(diǎn)關(guān)于“種子輪融資的風(fēng)險(xiǎn)控制”貢獻(xiàn)度評(píng)分較高，且核心意圖特征對(duì)應(yīng)節(jié)點(diǎn)是“融資與市場(chǎng)拓展策略”,那么就增加這兩個(gè)節(jié)點(diǎn)之間的連接權(quán)重。[0135]步驟S155:對(duì)貢獻(xiàn)度評(píng)分低于第三預(yù)設(shè)閾值的節(jié)點(diǎn)，減少該節(jié)點(diǎn)的連接權(quán)重或移除無(wú)效連接。[0136]設(shè)定第三預(yù)設(shè)閾值t7,對(duì)于貢獻(xiàn)度評(píng)分低于t7的節(jié)點(diǎn)，根據(jù)具體情況減少該節(jié)點(diǎn)的連接權(quán)重或者移除無(wú)效連接。如果一個(gè)節(jié)點(diǎn)在用戶(hù)交互中貢獻(xiàn)度很低，說(shuō)明它與用戶(hù)的需求關(guān)聯(lián)不大，通過(guò)減少連接權(quán)重可以降低其在匹配過(guò)程中的優(yōu)先級(jí)。如果該節(jié)點(diǎn)與其他某個(gè)關(guān)于“早期創(chuàng)業(yè)的小眾營(yíng)銷(xiāo)方式”的知識(shí)節(jié)點(diǎn)貢獻(xiàn)度評(píng)分很低，就可以減少它與其他節(jié)點(diǎn)的連接權(quán)重，若發(fā)現(xiàn)它與核心業(yè)務(wù)關(guān)聯(lián)節(jié)點(diǎn)的連接從未被使用過(guò)，就將該連接移除。[0137]步驟S156:根據(jù)用戶(hù)后續(xù)提問(wèn)語(yǔ)句中提取的新增語(yǔ)義理解特征，在創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中創(chuàng)建新節(jié)點(diǎn)并與現(xiàn)有節(jié)點(diǎn)建立關(guān)聯(lián)關(guān)系。[0138]對(duì)用戶(hù)后續(xù)提問(wèn)語(yǔ)句進(jìn)行處理，按照步驟S110-S115的方法提取新增語(yǔ)義理解特征。如果新增語(yǔ)義理解特征所代表的內(nèi)容在現(xiàn)有的創(chuàng)新創(chuàng)業(yè)輔導(dǎo)知識(shí)庫(kù)中不存在對(duì)應(yīng)的節(jié)點(diǎn)，那么就在知識(shí)庫(kù)中創(chuàng)建新節(jié)點(diǎn)。根據(jù)新增語(yǔ)義理解特征與現(xiàn)有節(jié)點(diǎn)的語(yǔ)義關(guān)聯(lián)，為新節(jié)點(diǎn)與現(xiàn)有節(jié)點(diǎn)建立關(guān)聯(lián)關(guān)系。例如，用戶(hù)后續(xù)提問(wèn)涉及到“人工智能創(chuàng)業(yè)中區(qū)塊鏈技術(shù)的融合應(yīng)用”,提取的新增語(yǔ)義理解特征發(fā)現(xiàn)知識(shí)庫(kù)中沒(méi)有相關(guān)節(jié)點(diǎn)，就創(chuàng)建一個(gè)新節(jié)點(diǎn)“人工智能與區(qū)塊鏈融合創(chuàng)業(yè)應(yīng)用”,并根據(jù)語(yǔ)義關(guān)聯(lián)與“人工點(diǎn)建立連接關(guān)系。[0139]進(jìn)一步地，所述語(yǔ)義編碼模型的訓(xùn)練方法包括下述步驟：步驟S210:采集歷史創(chuàng)新創(chuàng)業(yè)輔導(dǎo)場(chǎng)景中的樣本提問(wèn)語(yǔ)句及其對(duì)應(yīng)的標(biāo)注意圖標(biāo)[0140]在歷史創(chuàng)新創(chuàng)業(yè)輔導(dǎo)場(chǎng)景中，收集大量的樣本提問(wèn)語(yǔ)句。這些樣本提問(wèn)語(yǔ)句可以來(lái)自用戶(hù)與輔導(dǎo)系統(tǒng)的歷史交互記錄、在線論壇的創(chuàng)業(yè)相關(guān)提問(wèn)等。同時(shí)，為每個(gè)樣本提問(wèn)本提問(wèn)語(yǔ)句和對(duì)應(yīng)的標(biāo)注意圖標(biāo)簽組合在一起，構(gòu)建訓(xùn)練數(shù)據(jù)集。在構(gòu)建過(guò)程中，要確保數(shù)據(jù)的多樣性和代表性，涵蓋不同類(lèi)型的創(chuàng)新創(chuàng)業(yè)問(wèn)題。[0141]步驟S220:以最小化樣本提問(wèn)語(yǔ)句的預(yù)測(cè)意圖標(biāo)簽與標(biāo)注意圖標(biāo)簽之間的交叉熵?fù)p失為目標(biāo)，優(yōu)化語(yǔ)義編碼模型的參數(shù)。[0142]將訓(xùn)練數(shù)據(jù)集輸入到語(yǔ)義編碼模型中，語(yǔ)義編碼模型會(huì)對(duì)樣本提問(wèn)語(yǔ)句進(jìn)行處理，輸出預(yù)測(cè)意圖標(biāo)簽。計(jì)算預(yù)測(cè)意圖標(biāo)簽與標(biāo)注意圖標(biāo)簽之間的交叉熵?fù)p失，交叉熵?fù)p失反映了預(yù)測(cè)結(jié)果與真實(shí)結(jié)果之間的差異程度。以最小化交叉熵?fù)p失為目標(biāo)，使用優(yōu)化算法(如隨機(jī)梯度下降算法)對(duì)語(yǔ)義編碼模型的參數(shù)進(jìn)行更新。在每一輪訓(xùn)練中，模型會(huì)根據(jù)損失函數(shù)的梯度方向調(diào)整參數(shù)，使得損失逐漸減小。經(jīng)過(guò)多輪訓(xùn)練，直到模型的性能達(dá)到穩(wěn)[0143]進(jìn)一步地，所述節(jié)點(diǎn)匹配模型的訓(xùn)練方法包括下述步驟：步驟S310:從歷史成功匹配的問(wèn)答數(shù)據(jù)中提取正樣本知識(shí)節(jié)點(diǎn)，并記錄正樣本知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的用戶(hù)提問(wèn)語(yǔ)義理解特征。[0144]從歷史成功匹配的問(wèn)答數(shù)據(jù)