本發(fā)明涉及消防技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的消防應(yīng)答方法、移動終端及計算機可讀存儲介質(zhì)。

背景技術(shù)：

隨著城市建設(shè)的興起和發(fā)展，城市消防也逐漸成為城市建設(shè)的一個重要組成部分，與城市居民的生活息息相關(guān)、密不可分。然而，火災(zāi)卻成為城市社區(qū)居民的一個“無形殺手”，是當今城市主要災(zāi)害之一。目前城市生活節(jié)奏快，城市居民平時很少會去主動學習相關(guān)的消防知識；因此目前大多市民的消防安全意識還比較淡薄，缺乏基本的防火、滅火及自救逃生常識，也缺乏如何預(yù)防火災(zāi)的相關(guān)知識。

技術(shù)實現(xiàn)要素：

本發(fā)明的主要目的在于提供了一種基于人工智能的消防應(yīng)答方法、移動終端及計算機可讀存儲介質(zhì)，旨在解決目前城市居民在遇到火災(zāi)隱患時，不能夠及時地獲取相關(guān)消防知識的問題。

為實現(xiàn)上述目的，本發(fā)明提供了一種基于人工智能的消防應(yīng)答方法，所述方法包括以下步驟:

獲取當前特征語句；

對所述當前特征語句進行分詞處理，獲得各消防關(guān)鍵詞；

從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題；

將各預(yù)設(shè)消防問題分別與所述當前特征語句進行近似度比較，將與所述當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；

將所述目標消防問題和所述消防解決方案進行展示。

優(yōu)選地，所述獲取當前特征語句，具體包括：

采集當前環(huán)境數(shù)據(jù)，對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句。

優(yōu)選地，所述環(huán)境數(shù)據(jù)包括溫度值、氣體參數(shù)信息和圖像信息；

相應(yīng)地，所述對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句，具體包括：

在采集到的溫度值大于預(yù)設(shè)溫度閾值，且采集到的氣體參數(shù)信息大于預(yù)設(shè)參數(shù)閾值時，根據(jù)所述溫度值和所述氣體參數(shù)信息生成當前特征語句；

或，

根據(jù)采集到的圖像信息從所述消防知識庫中查找對應(yīng)的預(yù)設(shè)圖像信息，根據(jù)采集到的溫度值、查找到的預(yù)設(shè)圖像信息和所述氣體參數(shù)信息生成當前特征語句。

優(yōu)選地，所述氣體參數(shù)信息包括：

一氧化碳參數(shù)信息、二氧化碳參數(shù)信息、氧氣參數(shù)信息和甲烷參數(shù)信息中的至少一項。

優(yōu)選地，所述獲取當前特征語句，具體包括：

接收用戶的當前語音信息，對所述當前語音信息進行語音識別，將語音識別結(jié)果作為當前特征語句。

優(yōu)選地，所述獲取當前特征語句，具體包括：

接收用戶輸入的當前文本信息，對所述當前文本信息進行分句處理，獲得當前特征語句。

優(yōu)選地，所述將所述目標消防問題和所述消防解決方案進行展示之后，所述方法還包括：

對所述消防解決方案進行語音播報。

此外，為實現(xiàn)上述目的，本發(fā)明還提出一種移動終端，其特征在于，所述移動終端包括：測溫傳感器，配置為檢測所述移動終端所處當前環(huán)境的溫度值；化學傳感器，配置為檢測所述移動終端所處當前環(huán)境中的氣體參數(shù)；攝像頭，配置為采集當前圖像信息；存儲器及存儲在所述存儲器上并可在所述處理器上運行的基于人工智能的消防應(yīng)答程序，所述基于人工智能的消防應(yīng)答程序配置為實現(xiàn)上述基于人工智能的消防應(yīng)答方法的步驟。

優(yōu)選地，所述化學傳感器包括：一氧化碳傳感器、二氧化碳傳感器、氧氣傳感器和甲烷傳感器中的至少一項；

所述一氧化碳傳感器，配置為檢測所述移動終端所處當前環(huán)境中的一氧化碳參數(shù)信息；

所述二氧化碳傳感器，配置為檢測所述移動終端所處當前環(huán)境中的二氧化碳參數(shù)信息；

所述氧氣傳感器，配置為檢測所述移動終端所處當前環(huán)境中的氧氣參數(shù)信息；

所述甲烷傳感器，配置為檢測所述移動終端所處當前環(huán)境中的甲烷參數(shù)信息。

此外，為實現(xiàn)上述目的，本發(fā)明還提出一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有基于人工智能的消防應(yīng)答程序，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時實現(xiàn)上述基于人工智能的消防應(yīng)答方法的步驟。

本發(fā)明通過獲取當前特征語句，對當前特征語句進行分詞處理，獲得各消防關(guān)鍵詞；從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題；將各預(yù)設(shè)消防問題分別與當前特征語句進行近似度比較，將與當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；并最終將所述目標消防問題和所述消防解決方案進行展示，能夠使得用戶在第一時間及時獲得自己需要的相關(guān)消防問題的解決。

附圖說明

圖1是本發(fā)明實施例方案涉及的硬件運行環(huán)境的移動終端的結(jié)構(gòu)示意圖；

圖2為本發(fā)明基于人工智能的消防應(yīng)答方法第一實施例的流程示意圖；

圖3為本發(fā)明基于人工智能的消防應(yīng)答方法第二實施例的流程示意圖；

圖4為本發(fā)明基于人工智能的消防應(yīng)答方法第三實施例的流程示意圖。

本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例，參照附圖做進一步說明。

具體實施方式

應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

參照圖1，圖1為本發(fā)明實施例方案涉及的硬件運行環(huán)境的移動終端結(jié)構(gòu)示意圖。

如圖1所示，該移動終端可以包括：處理器1001，例如cpu，通信總線1002、用戶接口1003，網(wǎng)絡(luò)接口1004，存儲器1005，測溫傳感器1006，化學傳感器1007，攝像頭1008。其中，通信總線1002用于實現(xiàn)這些組件之間的連接通信。用戶接口1003可以包括顯示屏(display)、輸入單元比如鍵盤(keyboard)，可選用戶接口1003還可以包括標準的有線接口、無線接口。網(wǎng)絡(luò)接口1004可選的可以包括標準的有線接口、無線接口(如wi-fi接口)。存儲器1005可以是高速ram存儲器，也可以是穩(wěn)定的存儲器(non-volatilememory)，例如磁盤存儲器。存儲器1005可選的還可以是獨立于前述處理器1001的存儲裝置。測溫傳感器1006可以是紅外溫度傳感器?；瘜W傳感器1007可以包括一氧化碳傳感器、二氧化碳傳感器、氧氣傳感器、和甲烷傳感器中的至少一項。

本領(lǐng)域技術(shù)人員可以理解，圖1中示出的移動終端結(jié)構(gòu)并不構(gòu)成對本發(fā)明所述的移動終端的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。

如圖1所示，作為一種計算機存儲介質(zhì)的存儲器1005中可以包括操作系統(tǒng)、數(shù)據(jù)存儲模塊、網(wǎng)絡(luò)通信模塊、用戶接口模塊以及基于人工智能的消防應(yīng)答程序。

所述移動終端為用戶隨身攜帶移動終端，所述移動終端可以是一種特制的多功能消防維保裝置，也可以是手機、平板電腦等；

在圖1所示的移動終端中，網(wǎng)絡(luò)接口1004主要用于與后臺服務(wù)器進行數(shù)據(jù)通信；測溫傳感器1006用于檢測所述移動終端所處當前環(huán)境的溫度值；化學傳感器1007用于檢測所述移動終端所處當前環(huán)境中的氣體參數(shù)；攝像頭1008用于采集當前圖像信息；用戶接口1003主要用于與用戶進行數(shù)據(jù)交互；本發(fā)明移動終端中的處理器1001、存儲器1005可以設(shè)置在移動終端中，所述移動終端通過處理器1001調(diào)用存儲器1005中存儲的基于人工智能的消防應(yīng)答管理程序，并執(zhí)行以下操作：

獲取當前特征語句；

對所述當前特征語句進行分詞處理，獲得各消防關(guān)鍵詞；

從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題；

將各預(yù)設(shè)消防問題分別與所述當前特征語句進行近似度比較，將與所述當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；

將所述目標消防問題和所述消防解決方案進行展示。

進一步地，處理器1001可以調(diào)用存儲器1005中存儲的基于人工智能的消防應(yīng)答程序，還執(zhí)行以下操作：

采集當前環(huán)境數(shù)據(jù)，對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句。

進一步地，處理器1001可以調(diào)用存儲器1005中存儲的基于人工智能的消防應(yīng)答程序，還執(zhí)行以下操作：

在采集到的溫度值大于預(yù)設(shè)溫度閾值，且采集到的氣體參數(shù)信息大于預(yù)設(shè)參數(shù)閾值時，根據(jù)所述溫度值和所述氣體參數(shù)信息生成當前特征語句。

進一步地，處理器1001可以調(diào)用存儲器1005中存儲的基于人工智能的消防應(yīng)答程序，還執(zhí)行以下操作：

根據(jù)采集到的圖像信息從所述消防知識庫中查找對應(yīng)的預(yù)設(shè)圖像信息，根據(jù)采集到的溫度值、查找到的預(yù)設(shè)圖像信息和所述氣體參數(shù)信息生成當前特征語句。

進一步地，處理器1001可以調(diào)用存儲器1005中存儲的基于人工智能的消防應(yīng)答程序，還執(zhí)行以下操作：

接收用戶的當前語音信息，對所述當前語音信息進行語音識別，將語音識別結(jié)果作為當前特征語句。

進一步地，處理器1001可以調(diào)用存儲器1005中存儲的基于人工智能的消防應(yīng)答程序，還執(zhí)行以下操作：

接收用戶輸入的當前文本信息，對所述當前文本信息進行分句處理，獲得當前特征語句。

進一步地，處理器1001可以調(diào)用存儲器1005中存儲的基于人工智能的消防應(yīng)答程序，還執(zhí)行以下操作：

對所述消防解決方案進行語音播報。

本發(fā)明實施例的解決方案主要是：移動終端通過獲取當前特征語句，對當前特征語句進行分詞處理，獲得各消防關(guān)鍵詞；從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題；將各預(yù)設(shè)消防問題分別與當前特征語句進行近似度比較，將與當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；本發(fā)明能夠?qū)崿F(xiàn)讓用戶在第一時間獲得自己需要得到的相關(guān)消防問題的解決方案，為普通用戶提供更人性化的消防知識，為消防專業(yè)人士提供更專業(yè)信息。通過采集當前環(huán)境數(shù)據(jù)，對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句，進而能夠?qū)崿F(xiàn)用戶在陷入消防問題時提供輔助措施，甚至引導(dǎo)逃生。

基于上述硬件結(jié)構(gòu)，提出本發(fā)明基于人工智能的消防應(yīng)答方法實施例。

參照圖2，圖2為本發(fā)明一種基于人工智能的消防應(yīng)答方法第一實施例的流程示意圖。

本實施例中，所述方法包括以下步驟：

s10：獲取當前特征語句；

需要說明的是，所述移動終端可以手機或平板電腦，也可以是一種特制的多功能終端設(shè)備(比如智能眼鏡、智能安全帽等)；

可理解的是，所述當前特征語句可以通過以下幾種形式獲?。旱谝环N是用戶在終端設(shè)備上輸入的文本信息；第二種是根據(jù)采集到的消防環(huán)境信息生產(chǎn)的當前特征語句，其中，消防環(huán)境信息可以是從自己部署的設(shè)備上獲取現(xiàn)場采集信息，所述部署的設(shè)備包括且不限于移動終端上設(shè)有的攝像頭、測溫傳感器、化學傳感器等相關(guān)采集裝置，也可以是通過經(jīng)服務(wù)器\無人機\互聯(lián)網(wǎng)等采集的相關(guān)信息；第三種是通過接收用戶發(fā)送語音消息，通過語音分析及語義分析理解用戶的提出問題，進而生成所述當前特征語句；

在具體實現(xiàn)中，所述移動終端上會預(yù)先存儲一個語義分析庫和消防知識數(shù)據(jù)庫(即消防知識庫)，所述消防知識庫至少包括：消防知識、消防問題、與消防問題對應(yīng)消防解決方案、涉及消防領(lǐng)域的圖片等數(shù)據(jù)信息。

s20：對所述當前特征語句進行分詞處理，獲得各消防關(guān)鍵詞；

可理解的是，所述當前特征語句包括單詞特征、句子特征以及句法結(jié)構(gòu)特征；處理器會(根據(jù)單詞特征、句子特征以及句法結(jié)構(gòu)特征)對當前特征語句進行分詞處理，獲取當前特征語句中出現(xiàn)的與消防相關(guān)的關(guān)鍵詞；比如當前特征語句是“我家廚房的天然氣漏氣后如何處理？”，那么所提取的消防關(guān)鍵詞是“廚房”、“天然氣”、“漏氣”和“處理”。需要說明的是，如果用戶在終端設(shè)備上輸入的文本信息，會對當前文本信息根據(jù)句子特征以及句法結(jié)構(gòu)特征進行分句處理，然后再根據(jù)單詞特征進行分詞處理

s30：從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題；

需要說明的是，本實施例中通過所提取的四個關(guān)鍵詞“廚房”、“天然氣”、“漏氣”和“處理”，可以搜索出與這四個關(guān)鍵詞相關(guān)的一個或多個消防問題/消防知識點，所述消防問題至少有一個對應(yīng)的消防解決方案；比如根據(jù)上述四個詞語，可能會搜索出下列兩組解決方案：“吸入甲烷后如何急救”或“室內(nèi)天然氣泄漏有哪些應(yīng)對措施”

s40：將各預(yù)設(shè)消防問題分別與所述當前特征語句進行近似度比較，將與所述當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；

可理解的是，所提取的消防關(guān)鍵詞是“廚房”、“天然氣”、“漏氣”和“處理”；并快速提取“廚房”、“天然氣”、“漏氣”和“處理”這幾個消防關(guān)鍵詞對應(yīng)的向量；本實施例中，可對自然語言語料通過詞向量工具(例如：word2vec等工具)進行訓(xùn)練，以獲取各消防相關(guān)的詞語對應(yīng)的向量。在訓(xùn)練之后，每個詞語可以用一個向量來表示(通常為50維)，兩個詞語之間的近似程度通過對應(yīng)的向量之間的余弦距離來衡量。余弦距離越小，代表兩個詞語近似程度越小；余弦距離越大，代表兩個詞語近似程度越大。為了保證詞語對應(yīng)的向量的準確性，所述詞向量工具可采用三層神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，當然，還可采用其他模型進行訓(xùn)練，本實施方式對此不加以限制。

例如，關(guān)鍵詞“廚房”的向量，涉及的近義詞可以是“室內(nèi)”、“不通風”等相關(guān)詞語；關(guān)鍵詞“天然氣”的向量，涉及的相關(guān)詞語范圍可以是“甲烷”、“丙烷”、“易燃易爆”、“中毒”等相關(guān)消防詞語；關(guān)鍵詞“漏氣”的向量涉及的相關(guān)近義詞有“泄漏”、“通風”等詞；關(guān)鍵詞“處理”的向量涉及的相關(guān)近義詞有“措施”、“方案”等詞語。

將上述問題“吸入甲烷后如何急救”以及“室內(nèi)天然氣泄漏有哪些應(yīng)答措施”分別與所述當前特征語句“我家廚房的天然氣漏氣后如何處理？”進行語句近似度比較：具體的比較方式為：計算當前特征語句中的關(guān)鍵詞與預(yù)設(shè)消防問題中的對應(yīng)的詞向量之間的余弦距離，然后將所述獲得的各余弦距離進行加權(quán)平均，最終獲取兩個句子之間的加權(quán)平均值，加權(quán)平均值越高說明兩個句子的近似度越高。上述中，“吸入甲烷后如何急救”與當前特征語句的加權(quán)平均值小于“室內(nèi)天然氣泄漏有哪些應(yīng)答措施”與當前特征語句的加權(quán)平均值，因此，所述“室內(nèi)天然氣泄漏有哪些應(yīng)答措施”與當前特征語句近似度更大，最終將“室內(nèi)天然氣泄漏有哪些應(yīng)答措施”作為最終目標消防問題。

s50：將所述目標消防問題和所述消防解決方案進行展示。

可理解的是，上述將“室內(nèi)天然氣泄漏有哪些應(yīng)答措施”作為最終目標消防問題后，處理器會根據(jù)所述最終目標消防問題生成并展示出對應(yīng)的解決方案給用戶，比如該技術(shù)方案為“消除所有點火源，作業(yè)時所有設(shè)備應(yīng)接地在確保安全的情況下采取關(guān)掉天然氣閥、堵漏等措施，以切斷泄漏源”；其中，該解決方案預(yù)設(shè)存儲于消防知識庫中。

此外，在對所述消防解決方案進行展示的同時，移動終端還可以對對所述消防解決方案進行語音播報，第一時間將解決方案通知給用戶。

本實施例通過獲取當前特征語句，對當前特征語句進行分詞處理，獲得各消防關(guān)鍵詞；從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題；將各預(yù)設(shè)消防問題分別與當前特征語句進行近似度比較，將與當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；本發(fā)明能夠?qū)崿F(xiàn)讓用戶在第一時間獲得自己需要得到的相關(guān)消防問題的解決方案，為普通用戶提供更人性化的消防知識，為消防專業(yè)人士提供更專業(yè)信息。

參照圖3，圖3為本發(fā)明一種基于人工智能的消防應(yīng)答方法第二實施例的流程示意圖，基于上述圖2所示的實施例，提出本發(fā)明基于人工智能的消防應(yīng)答方法的第二實施例。

本實施例中，所述步驟s10獲取當前特征語句，具體包括：

s101：采集當前環(huán)境數(shù)據(jù)，對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句。

可理解的是，現(xiàn)代人工智能系統(tǒng)使用人工神經(jīng)網(wǎng)絡(luò)和計算機代碼，模擬通過互相連接的單元組成的網(wǎng)絡(luò)，類似于大腦中的神經(jīng)元。這些網(wǎng)絡(luò)可以通過修改單元之間的連接來學習經(jīng)驗，有點像人類和動物的大腦通過修改神經(jīng)元之間的連接進行學習?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)可以學習識別模式、學習簡單的邏輯推理，創(chuàng)建圖像并且形成新的想法。人工智能十分擅于識別大量數(shù)據(jù)中的模式，所有這些都通過一組編碼程序以驚人的速度發(fā)生，運行這些程序的神經(jīng)網(wǎng)絡(luò)具有數(shù)百萬單位和數(shù)十億的連接，圖像自動識別就源于這些大量簡單元素之間的交互，進行深度學習。深度學習系統(tǒng)中一個稱之為卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)。卷積神經(jīng)網(wǎng)絡(luò)是連接神經(jīng)網(wǎng)絡(luò)中單元的一種特定方式；一旦經(jīng)過了大量樣本數(shù)據(jù)庫的訓(xùn)練，卷積神經(jīng)網(wǎng)絡(luò)對圖像、視頻、語音、音樂、文本、溫度甚至化學氣體等自然信號進行有效識別。為了很好地訓(xùn)練網(wǎng)絡(luò)，我們需要提供給這些網(wǎng)絡(luò)被人標記的大量消防領(lǐng)域的圖像數(shù)據(jù)、消防知識點、消防安全隱患、各自解決方案等等大量數(shù)據(jù)信息；卷積神經(jīng)網(wǎng)絡(luò)會學習將每個圖像與其相應(yīng)的標簽相互關(guān)聯(lián)起來。同時，將圖像識別技術(shù)與化學氣體檢測結(jié)果、環(huán)境溫度檢測結(jié)果等相結(jié)合，會使計算機產(chǎn)生新的想法。

進一步的，所述環(huán)境數(shù)據(jù)包括溫度值、氣體參數(shù)信息和圖像信息；

相應(yīng)地，所述對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句，具體包括：

在采集到的溫度值大于預(yù)設(shè)溫度閾值，且采集到的氣體參數(shù)信息大于預(yù)設(shè)參數(shù)閾值時，根據(jù)所述溫度值和所述氣體參數(shù)信息生成當前特征語句；

或，

根據(jù)采集到的圖像信息從所述消防知識庫中查找對應(yīng)的預(yù)設(shè)圖像信息，根據(jù)采集到的溫度值、查找到的預(yù)設(shè)圖像信息和所述氣體參數(shù)信息生成當前特征語句。

在具體實現(xiàn)中，用戶用隨身攜帶的移動終端的攝像頭通過圖像識別模式探測到前方有甲烷儲罐(或者是通過甲烷傳感器檢測到周圍甲烷濃度過高)，同時移動終端的測溫傳感器檢測到當前環(huán)境溫度較高，此時系統(tǒng)會對上述采集到的環(huán)境信息進行數(shù)據(jù)分析，并生成“當前溫度為xx度，前方有甲烷儲罐”又或“當前溫度為xx度，周圍甲烷濃度為xx”這樣類似的當前文本語句(即當前特征語句)；然后通過對當前文本語句(即當前特征語句)進行語義分析，從數(shù)據(jù)庫中查找到對應(yīng)的目標消防問題的解決方案，移動終端此時已預(yù)測了建筑中可能發(fā)生的一場爆炸，并及時展示出相應(yīng)的消防隱患和對應(yīng)的消防解解決方案，進而能夠幫助所述用戶化解一次危機。

本實施例通過采集當前環(huán)境數(shù)據(jù)，對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句，進而能夠?qū)崿F(xiàn)用戶在陷入消防問題時提供輔助措施，甚至引導(dǎo)逃生。

參照圖4，圖4為本發(fā)明一種基于人工智能的消防應(yīng)答方法第三實施例的流程示意圖，基于上述圖2所示的實施例，提出本發(fā)明基于人工智能的消防應(yīng)答方法的第二實施例。

本實施例中，所述步驟s10獲取當前特征語句，具體包括：

s001：接收用戶的當前語音信息，對所述當前語音信息進行語音識別，將語音識別結(jié)果作為當前特征語句。

可理解的是，用戶發(fā)出的語言信息是按照短時幅度譜的時間變化模式來編碼；語音是可以閱讀的，即它的聲學信號可以在不考慮說話人試圖傳達的信息內(nèi)容的情況下用數(shù)十個具有區(qū)別性的、離散的符號來表示；語音交互是一個認知過程，因而不能與語言的語法、語義和語用結(jié)構(gòu)割裂開來。語音識別系統(tǒng)本質(zhì)上是一種模式識別系統(tǒng)，包括特征提取、模式匹配、參考模式庫等三個基本單元。未知語音經(jīng)過話筒變換成電信號后加在識別系統(tǒng)的輸入端，首先經(jīng)過預(yù)處理，再根據(jù)人的語音特點建立語音模型，對輸入的語音信號進行分析，并抽取所需的特征，在此基礎(chǔ)上建立語音識別所需的模板。而計算機在識別過程中要根據(jù)語音識別的模型，將計算機中存放的語音模板與輸入的語音信號的特征進行比較，根據(jù)一定的搜索和匹配策略，找出一系列最優(yōu)的與輸入語音匹配的模板。然后根據(jù)此模板的定義，通過查表就可以給出計算機的識別結(jié)果。顯然，這種最優(yōu)的結(jié)果與特征的選擇、語音模型的好壞、模板是否準確都有直接的關(guān)系。語音識別系統(tǒng)構(gòu)建過程整體上包括兩大部分：訓(xùn)練和識別。訓(xùn)練通常是離線完成的，對預(yù)先收集好的海量語音、語言數(shù)據(jù)庫進行信號處理和知識挖掘，獲取語音識別系統(tǒng)所需要的“聲學模型”和“語言模型”，它們分別用于對語音到音節(jié)概率的計算和音節(jié)到字概率的計算；而識別過程通常是在線完成的，對用戶實時的語音進行自動識別。識別過程通常又可以分為“前端”和“后端”兩大模塊：“前端”模塊主要的作用是進行端點檢測(去除多余的靜音和非說話聲)、降噪、特征提取等；“后端”模塊的作用是利用訓(xùn)練好的“聲學模型”和“語言模型”對用戶說話的特征向量進行統(tǒng)計模式識別(又稱“解碼”)，得到其包含的文字信息，此外，后端模塊還存在一個“自適應(yīng)”的反饋模塊，可以對用戶的語音進行自學習，從而對“聲學模型”和“語音模型”進行必要的“校正”，進一步提高識別的準確率。

本實施例通過接收用戶發(fā)送的語音信息，根據(jù)語音信息生成特征語句，進而能夠?qū)崿F(xiàn)用戶與終端設(shè)備的互動應(yīng)答，讓獲得第一時間獲得自己想要的解決的消防問題的相關(guān)解決方案，進一步提高了用戶體驗。

此外，本發(fā)明實施例還提出一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有基于人工智能的消防應(yīng)答程序，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時實現(xiàn)如下操作：

對所述當前特征語句進行分詞處理，獲得各消防關(guān)鍵詞；

從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題；

將各預(yù)設(shè)消防問題分別與所述當前特征語句進行近似度比較，將與所述當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；

將所述目標消防問題和所述消防解決方案進行展示。

進一步地，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時還實現(xiàn)如下操作：

采集當前環(huán)境數(shù)據(jù)，對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句。

進一步地，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時還實現(xiàn)如下操作：

在采集到的溫度值大于預(yù)設(shè)溫度閾值，且采集到的氣體參數(shù)信息大于預(yù)設(shè)參數(shù)閾值時，根據(jù)所述溫度值和所述氣體參數(shù)信息生成當前特征語句；

進一步地，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時還實現(xiàn)如下操作：

根據(jù)采集到的圖像信息從所述消防知識庫中查找對應(yīng)的預(yù)設(shè)圖像信息，根據(jù)采集到的溫度值、查找到的預(yù)設(shè)圖像信息和所述氣體參數(shù)信息生成當前特征語句。

進一步地，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時還實現(xiàn)如下操作：

接收用戶的當前語音信息，對所述當前語音信息進行語音識別，將語音識別結(jié)果作為當前特征語句。

進一步地，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時還實現(xiàn)如下操作：

接收用戶輸入的當前文本信息，對所述當前文本信息進行分句處理，獲得當前特征語句。

進一步地，所述基于人工智能的消防應(yīng)答程序被處理器執(zhí)行時還實現(xiàn)如下操作：

對所述消防解決方案進行語音播報。

本實施例通過上述方案，獲取當前特征語句，并對當前特征語句進行分詞處理，進而獲得各消防關(guān)鍵詞；從消防知識庫中查找與各消防關(guān)鍵詞對應(yīng)的預(yù)設(shè)消防問題，將各預(yù)設(shè)消防問題分別與當前特征語句進行近似度比較，將與當前特征語句的近似度最高的預(yù)設(shè)消防問題作為目標消防問題，并根據(jù)所述目標消防問題生成對應(yīng)的消防解決方案；本發(fā)明能夠?qū)崿F(xiàn)讓用戶在第一時間獲得自己需要得到的相關(guān)消防問題的解決方案，為普通用戶提供更人性化的消防知識，為消防專業(yè)人士提供更專業(yè)信息。通過采集當前環(huán)境數(shù)據(jù)，對所述當前環(huán)境數(shù)據(jù)進行解析，將解析結(jié)果轉(zhuǎn)換成當前特征語句，進而能夠?qū)崿F(xiàn)用戶在陷入消防問題時提供輔助措施，甚至引導(dǎo)逃生。

需要說明的是，在本文中，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者系統(tǒng)不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者系統(tǒng)所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括該要素的過程、方法、物品或者系統(tǒng)中還存在另外的相同要素。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實施例方法可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件，但很多情況下前者是更佳的實施方式?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)(如rom/ram、磁碟、光盤)中，包括若干指令用以使得一臺終端設(shè)備(可以是手機，計算機，服務(wù)器，空調(diào)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述的方法。

以上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。