本申请涉及智能问答，具体而言，涉及一种问答方法及装置、存储介质、计算机程序产品。
背景技术：
1、随着自然语言处理(natural language processing，nlp)技术的快速发展，大语言模型，尤其是基于transformer架构的生成式模型，如gpt(generative pre-trainedtransformer)系列，已成为人机交互系统中的核心技术，并在诸多领域内具有现实意义。
2、以教育领域为例，基于生成式模型的智能问答系统能够即时回答学生的问题，提供个性化的学习建议，甚至模拟教师角色进行互动教学。然而，现有的大模型的智能问答系统在回答用户输入的问题时，其仅是在海量文本数据的基础上直接进行回答，其并未考虑个人的掌握能力，导致用户可能无法准确理解回答结果；此外，现有的基于大模型的智能问答系统大都是基于单智能体进行交互，缺乏角色多样化和多智能体间的协作，导致针对复杂问题的回答准确性和全面性较差。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种问答方法及装置、存储介质、计算机程序产品，以至少解决相关问答系统在回答用户问题时并未考虑用户对该问题所属领域知识的掌握程度，导致问答系统输出问答结果质量较差的技术问题。
2、根据本申请实施例的一个方面，提供了一种问答方法，包括：获取第一对象输入的待讲解问题文本及第一对象信息；利用预训练的讲解策略推荐模型对第一对象信息和待讲解问题文本进行分析，得到对应的第一讲解策略，其中，第一讲解策略至少包括：讲解方式、讲解详细程度；确定待讲解问题文本的问题类型，并从预设的角色列表内确定与问题类型对应的第一角色；确定第一角色按照第一讲解策略对待讲解问题文本回答所得的问题答案文本，并将问题答案文本反馈至第一对象。
3、可选地，上述讲解策略推荐模型的训练过程包括：获取训练样本集合和样本标签集合，其中，训练样本集合中包括多个作为训练样本的第二对象的待讲解问题文本及第二对象信息，样本标签集合中包括每个训练样本对应的第二讲解策略作为样本标签；构建初始学习模型；利用训练样本集合和样本标签集合对初始学习模型进行迭代训练，得到讲解策略推荐模型。
4、可选地，利用训练样本集合和样本标签集合对初始学习模型进行迭代训练，得到讲解策略推荐模型，包括：对于迭代训练过程中的每个训练批次，将训练批次的各个训练样本输入初始学习模型，得到初始学习模型输出的各个讲解策略，利用讲解策略和对应的样本标签构建目标损失函数，并依据目标损失函数调整初始学习模型的模型参数。
5、可选地，确定待讲解问题文本的问题类型，包括：将待讲解问题文本转换为向量形式，得到对应的第一问题向量；计算第一问题向量与预设的问题向量库内多个第二问题向量之间的第一向量相似度，其中，问题向量库内记录有多个问题文本的问题类型和对应的第二问题向量；从多个第二问题向量内选择第一向量相似度不低于预设的第一相似度阈值的第二目标问题向量，并将第二目标问题向量对应的问题文本的问题类型作为待讲解问题文本的问题类型。
6、可选地，在确定第一角色按照第一讲解策略对待讲解问题文本与第一对象进行问答所得的问题答案文本之前，该方法还包括：提取待讲解问题文本内的多个词语，并将多个词语与预设的违规数据库进行匹配，其中，违规数据库内包括多个违规词；若匹配成功，则确定待讲解问题文本通过合规性校验；若匹配失败，则确定待讲解问题文本未通过合规性校验，并向第一对象反馈违规提示消息，其中，违规提示消息用于提示待讲解问题文本内包含违规词。
7、可选地，确定第一角色按照第一讲解策略对待讲解问题文本回答所得的问题答案文本，包括：至少由第一角色和第一对象构建问答群聊；在问答群聊内，由第一角色按照第一讲解策略对待讲解问题文本与第一对象进行问答，得到问题答案文本。
8、可选地，问答群聊内还包括：第二角色、第三角色、第四角色，其中，第二角色，用于将第一角色与第一对象的问答过程中，第一角色的回答文本进行汇总，以得到问题答案文本；第三角色，用于对第一角色的回答文本，将预设的违规数据库与回答文本进行匹配；若匹配失败，则不发出消息；若匹配成功，则发出违规提示消息，其中，违规提示消息用于提示回答文本中存在违规词；第四角色，用于对第一角色的回答文本，将回答文本为向量形式，得到对应的回答文本向量，并计算回答文本向量与待讲解问题文本的第一问题向量之间的第二向量相似度；判断第二向量相似度与预设的第二相似度阈值之间的大小关系，并在第二向量相似度小于第二相似度阈值的情况下，发出回答文本偏离消息，其中，回答文本偏离消息用于提示回答文本偏离问题类型。
9、根据本申请实施例的另一方面，还提供了一种问答装置，包括：获取模块，用于获取第一对象输入的待讲解问题文本及第一对象信息；第一确定模块，用于利用预训练的讲解策略推荐模型对第一对象信息和待讲解问题文本进行分析，得到对应的第一讲解策略，其中，第一讲解策略至少包括：讲解方式、讲解详细程度；第二确定模块，用于确定待讲解问题文本的问题类型，并从预设的角色列表内确定与问题类型对应的第一角色；反馈模块，用于确定第一角色按照第一讲解策略对待讲解问题文本回答所得的问题答案文本，并将问题答案文本反馈至第一对象。
10、根据本申请实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的计算机程序，其中，非易失性存储介质所在设备通过运行该计算机程序执行上述的问答方法。
11、根据本申请实施例的另一方面，还提供了一种计算机程序产品，该计算机程序产品包括存储的计算机程序，其中，计算机程序被处理器执行时实现上述的问答方法。
12、在本申请实施例中，智能问答系统考虑到不同用户需要不同形式、深度和风格的解释和知道，以帮助用户更好地理解和吸收知识，故而利用讲解策略推荐模型分析第一对象信息和待讲解问题文本，以得到对应的第一讲解策略，并根据待讲解问题文本的问题类型从预设的角色列表内确定对应的第一角色，使得第一角色可以按照第一讲解策略对待讲解问题文本进行回答，以得到第一对象可以理解的问题答案文本，并将该问题答案文本反馈给第一对象。从而解决了相关问答系统在回答用户问题时并未考虑用户对该问题所属领域知识的掌握程度，导致问答系统输出问答结果质量较差的技术问题。
1.一种问答方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述讲解策略推荐模型的训练过程包括：
3.根据权利要求2所述的方法，其特征在于，利用所述训练样本集合和所述样本标签集合对所述初始学习模型进行迭代训练，得到所述讲解策略推荐模型，包括：
4.根据权利要求1所述的方法，其特征在于，确定所述待讲解问题文本的问题类型，包括：
5.根据权利要求1所述的方法，其特征在于，在确定所述第一角色按照所述第一讲解策略对所述待讲解问题文本与所述第一对象进行问答所得的问题答案文本之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，确定所述第一角色按照所述第一讲解策略对所述待讲解问题文本回答所得的问题答案文本，包括：
7.根据权利要求6所述的方法，其特征在于，所述问答群聊内还包括：第二角色、第三角色、第四角色，其中，
8.一种问答装置，其特征在于，包括：
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有计算机程序，其中，所述非易失性存储介质所在设备通过运行所述计算机程序执行权利要求1至7中任意一项所述的问答方法。
10.一种计算机程序产品，其特征在于，包括：计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述的问答方法。
