CN106649739A - 多轮交互信息继承识别方法、装置以及交互系统 - Google Patents
多轮交互信息继承识别方法、装置以及交互系统 Download PDFInfo
- Publication number
- CN106649739A CN106649739A CN201611213472.0A CN201611213472A CN106649739A CN 106649739 A CN106649739 A CN 106649739A CN 201611213472 A CN201611213472 A CN 201611213472A CN 106649739 A CN106649739 A CN 106649739A
- Authority
- CN
- China
- Prior art keywords
- wheel
- interactive information
- user
- many
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Toys (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及信息交互技术领域,尤其是涉及一种多轮交互信息继承识别方法、装置以及交互系统,获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;利用预先训练得到的多轮交互信息继承识别模型中的LR模型,对此轮问题进行多轮交互信息继承与否的识别;当识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型,对此轮问题进行规则匹配,并进行多轮前述交互信息的继承。通过该方法能够对多轮交互信息继承与否进行判断,并在极端与常规的表达方法下,均满足多轮交互信息继承与否的识别。
Description
技术领域
本发明涉及信息交互技术领域,尤其是涉及一种多轮交互信息继承识别方法、装置以及交互系统。
背景技术
在交互系统中,往往都是单轮交互,即前几轮的交互信息对当前这轮的交互没有作用。而实际的交互中,用户一般不会一次性说完所有的信息,因此前几轮的交互信息对当前轮的交互是极为有用的。
目前的交互系统利用多轮交互的语句,进行机器学习模型的学习,直接利用多轮交互信息,产出当前此轮交互的最终结果(例如:回答、意图识别等)。因此,基于机器学习的模型,直接利用多轮交互信息,而没有首先进行多轮交互信息是否需要继承的判断(有些使用场景中,需要的是对多轮交互信息是否继承的判断,而不是直接利用多轮交互信息),很多时候,往往考虑了不需要的信息,反而会造成误导。
发明内容
有鉴于此,本发明的目的在于提供一种多轮交互信息继承识别方法、装置以及交互系统,能够对多轮交互信息继承与否进行判断,并在极端与常规的表达方法下,均满足多轮交互信息继承与否的识别。
第一方面,本发明实施例提供了一种多轮交互信息继承识别方法,该方法包括:
获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;
利用预先训练得到的多轮交互信息继承识别模型中的LR(Logistic Regression,逻辑回归)模型,基于当前用户每句话的意图分布对此轮问题进行多轮交互信息继承与否的识别;
当识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;
当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型,基于当前用户每句话的意图分布对此轮问题进行规则匹配,并进行多轮前述交互信息的继承。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,通过下述方法训练得到多轮交互信息继承识别模型中的LR模型:
收集用户多轮交互语料;交互语料包括:用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果;
根据用户多轮交互语料,进行特征抽取;
根据特征抽取的结果以及逻辑回归算法,得到多轮交互信息继承识别模型中的LR模型。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,根据用户多轮交互语料,进行特征抽取,具体包括:
从用户多轮交互语料中抽取多轮前述交互用户的意图分布、此轮问题的用户的意图分布以及此轮问题作为特征信息;
抽取用户对机器人的每句回答是否继承多轮交互信息的判断结果作为标签。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,通过下述方式获取多轮前述交互用户的意图分布:
对多轮前述交互信息中的用户的意图分布进行加权平均,得到多轮前述交互用户的意图分布。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,通过下述方式训练得到多轮交互信息继承识别模型中的规则模型:
收集用户多轮交互语料;交互语料包括:用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果;
根据用户多轮交互语料,进行规则抽取;
将规则抽取的结果进行规则自学习,得到多轮交互信息继承识别模型中的规则模型。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,根据用户多轮交互语料,进行规则抽取,具体包括:
抽取如下信息作为规则信息:多轮前述交互信息中用户的意图分布中的前两位、此轮问题的用户意图分布中的前两位以及此轮问题的有用词信息;
抽取用户对机器人的每句回答是否继承多轮交互信息的判断结果作为规则动作。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第六种可能的实施方式,其中,将规则抽取的结果进行规则自学习,具体包括:
将规则抽取的结果应用于用户与机器人的多轮前述交互信息,确定规则应用的交互场景。
结合第一方面的第五种可能的实施方式,本发明实施例提供了第一方面的第七种可能的实施方式,其中,通过下述方式获取此轮问题的有用词信息:
利用词性标注法以及NER(Named Entity Recognizer,命名实体识别)技术获取此轮问题的有用词信息。
第二方面,本发明实施例提供了一种多轮交互信息继承识别装置,该装置包括:
信息获取模块,用于获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;
继承识别模块,用于利用预先训练得到的多轮交互信息继承识别模型中的LR(逻辑回归)模型,对当前用户此轮问题进行多轮交互信息继承与否的识别;
当识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;
当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型对当前用户此轮问题进行规则匹配,并进行多轮前述交互信息的继承。
第三方面,本发明实施例提供了一种交互系统,该系统包括:服务器以及如上一方面所述的多轮交互信息继承识别装置。
本发明实施例提供了一种多轮交互信息继承识别方法、装置以及交互系统,首先获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;然后利用预先训练得到的多轮交互信息继承识别模型中的LR(逻辑回归)模型,基于当前用户每句话的意图分布对当前用户此轮问题进行多轮交互信息继承与否的识别;多轮交互信息继承识别模型中的LR(逻辑回归)模型通过大量用户交互数据训练所得,可以对常规情景下是否进行多轮交互信息的继承进行识别,当该模型识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型对当前用户此轮问题进行规则匹配,并进行多轮前述交互信息的继承。通过预先训练得到的多轮交互信息继承识别模型中的LR模型和规则模型,可以在极端与常规的表达方法下,均满足多轮交互信息继承与否的识别,从而对是否继承多轮交互信息进行正确地判断。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种多轮交互信息继承识别方法的流程图;
图2为本发明实施例提供的一种多轮交互信息继承识别方法中生成LR模型的方法流程图;
图3为本发明实施例提供的一种多轮交互信息继承识别方法中生成规则模型的方法流程图;
图4为本发明实施例提供的一种多轮交互信息继承识别装置的结构框图;
图5为本发明实施例提供的一种交互系统的结构框图。
图标:
10-交互系统;101-多轮交互信息继承识别装置;102-服务器;1011-信息获取模块;1012-继承识别模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施
例,都属于本发明保护的范围。
考虑到目前的交互系统往往直接利用多轮交互信息,而没有首先进行多轮交互信息是否需要继承的判断,常常会造成误导。基于此,本发明实施例提供的一种多轮交互信息继承识别方法、装置以及交互系统,能够对多轮交互信息继承与否进行判断,并在极端与常规的表达方法下,均满足多轮交互信息继承与否的识别。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种多轮交互信息继承识别方法进行详细介绍。
参见图1所示,本发明实施例提供了一种多轮交互信息继承识别方法,该方法包括:
S101:获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布。
在具体实现的时候,当前用户可以通过交互系统的入口进行询问,交互系统会针对用户的每一句话给出相应的反馈,也就是用户与机器人的多轮前述交互信息和此轮问题,而且交互系统还会记录用户的每一句话所涉及的意图分布。比如:用户说:我要买个西瓜吃,那么其涉及的意图分布可能是:买水果可能性0.6、闲聊可能性0.8、咨询饮食健康可能性0.4,其中,买水果、闲聊、咨询饮食健康这些都是用户的意图。服务器可以首先通过交互系统获取到当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布,其中,当前用户每句话的意图分布包既括多轮前述交互信息中用户问题的意图分布,也包括此轮问题所涉及的用户的意图分布。
S102:利用预先训练得到的多轮交互信息继承识别模型中的LR模型,基于当前用户每句话的意图分布对此轮问题进行多轮交互信息继承与否的识别;当识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型,基于当前用户每句话的意图分布对此轮问题进行规则匹配,并进行多轮前述交互信息的继承。
在进行多轮交互信息继承与否识别之前,首先根据大量用户与机器人的交互信息以及各种交互场景,分别训练出多轮交互信息继承识别模型中的LR模型以及规则模型,在获取到当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布后,首先利用多轮交互信息继承识别模型中的LR模型,针对当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布,对当前用户的此轮问题进行多轮前述交互信息继承与否的识别,该LR模型会给出相应的识别分数,当识别分数大于预设的分数范围时,直接进行多轮前述交互信息的继承,当识别分数在预设的分数范围内时,则利用预先训练得到的规则模型,针对当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布,对当前用户的此轮问题进行规则匹配,并进行多轮前述交互信息的继承。其中,预设的识别分数范围一般为0.4-0.7,如果利用LR模型识别的识别分数大于0.7,那么直接进行多轮前述交互信息的继承,如果识别出来的分数不够高,在0.4-0.7范围内,说明对用户询问信息的理解存在一定的歧义,那么就利用规则模型进行规则匹配,若是匹配成功,就进行多轮前述交互信息的继承,否则就不继承,保留原来LR模型的识别结果,如果识别分数特别低,小于预设的范围,小于0.4,则不进行多轮前述交互信息的继承。通过预先训练得到的LR模型和规则模型可以保证在常规和极端语境中,均实现对多轮前述交互信息继承与否的判断与识别,使对用户询问信息的理解更加准确。
下面对多轮交互信息继承识别模型中的LR模型的训练过程进行详细的阐述,参见图2所示,本发明实施例提供了一种多轮交互继承识别方法中LR模型的训练方法,该方法包括:
S201:收集用户多轮交互语料;交互语料包括:用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果。
在具体实现的时候,大量的不同的用户可以通过交互系统的入口进行各种不同内容的询问,交互系统会针对用户的每一句话给出相应的反馈,也就是用户与机器人的多轮前述交互信息和此轮问题,而且交互系统还会记录用户的每一句话所涉及的意图分布。其中,用户每句话的意图分布包既括多轮前述交互信息中用户问题的意图分布,也包括此轮问题所涉及的用户的意图分布。此外,交互系统还会在每句机器人回答用户的话中标明是否已经继承多轮前述交互信息,当用户觉得机器人的回答理解不正确或者没有继承多轮前述交互信息时,可以点击重置多轮交互信息,这样就说明在继承多轮交互信息的过程中是错误的。为了方便理解,用户交互语料举例如下:
用户:今天天气怎么样?(意图分布:天气)
机器人:请问是查哪里的天气。
用户:上海的。(意图分布:地图,天气)
机器人:【没有继承多轮交互信息】上海是个大都市。
用户:点击“需要继承多轮交互信息”
基于大量用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果这些语料,可以得到在哪些交互信息、交互情景的情况下,需要继承多轮前述交互信息,哪些情况下不需要继承多轮前述交互信息。
S202:根据用户多轮交互语料,进行特征抽取。
在收集到大量用户的交互语料后,根据用户多轮交互语料,进行特征的抽取,具体的特征抽取过程如下:
从用户多轮交互语料中抽取多轮前述交互用户的意图分布、此轮问题的用户的意图分布以及此轮问题作为特征信息;
抽取用户对机器人的每句回答是否继承多轮交互信息的判断结果作为标签。
在具体实现的时候,用户每句话的意图分布包括各种不同的意图以及相应的可能性分值,也可以理解为权重,通过对交互语料中多轮前述交互信息中的用户的意图分布进行加权平均,计算得到多轮前述交互用户的意图分布。为了清楚地说明特征抽取的过程,在上述用户交互语料的基础上,特征抽取结果,举例如下:
Feature1:前几轮的交互意图分布:天气
Feature2:此轮交互意图分布:天气,地图
Feature3:此轮用户query:上海,呢,?
Label:继承。
S203:根据特征抽取的结果以及逻辑回归算法,得到多轮交互信息继承识别模型中的LR模型。
基于上述从用户多轮交互语料中特征抽取的结果,再结合逻辑回归算法,就可以得到多轮交互信息继承识别模型中的LR模型。
下面对多轮交互信息继承识别模型中的规则模型的训练过程进行详细的阐述,参见图3所示,本发明实施例提供了一种多轮交互继承识别方法中规则模型的训练方法,该方法包括:
S301:收集用户多轮交互语料;交互语料包括:用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果。
在具体实现的时候,大量的不同的用户可以通过交互系统的入口进行各种不同内容的询问,交互系统会针对用户的每一句话给出相应的反馈,也就是用户与机器人的多轮前述交互信息和此轮问题,而且交互系统还会记录用户的每一句话所涉及的意图分布。其中,用户每句话的意图分布包既括多轮前述交互信息中用户问题的意图分布,也包括此轮问题所涉及的用户的意图分布。此外,交互系统还会在每句机器人回答用户的话中标明是否已经继承多轮前述交互信息,当用户觉得机器人的回答理解不正确或者没有继承多轮前述交互信息时,可以点击重置多轮交互信息,这样就说明在继承多轮交互信息的过程中是错误的。为了方便理解,用户交互语料举例如下:
用户:今天天气怎么样?(意图分布:天气)
机器人:请问是查哪里的天气。
用户:上海的。(意图分布:地图,天气)
机器人:【没有继承多轮交互信息】上海是个大都市。
用户:点击“需要继承多轮交互信息”
基于大量用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果这些语料,可以得到在哪些交互信息、交互情景的情况下,需要继承多轮前述交互信息,哪些情况下不需要继承多轮前述交互信息。
S302:根据用户多轮交互语料,进行规则抽取。
在收集到大量用户的交互语料后,根据用户多轮交互语料,进行规则的抽取,具体的规则抽取过程如下:
抽取如下信息作为规则信息:多轮前述交互信息中用户的意图分布中的前两位、此轮问题的用户意图分布中的前两位以及此轮问题的有用词信息;
抽取用户对机器人的每句回答是否继承多轮交互信息的判断结果作为规则动作。
在具体实现的时候,用户每句话的意图分布包括各种不同的意图以及相应的可能性分值,也可以理解为权重,根据意图权重的大小,从用户多轮交互语料中抽取出多轮前述交互信息中用户的意图分布中的前两位、此轮问题的用户意图分布中的前两位以及此轮问题的有用词信息作为规则信息,以及将用户对机器人的每句回答是否继承多轮交互信息的判断结果作为规则动作。为了清楚地说明规则抽取的过程,在上述用户交互语料的基础上,规则抽取结果,举例如下:
规则部分1:前几轮的交互意图分布:天气
规则部分2:此轮交互意图分布:天气,地图
规则部分3:Query主要成分:地域(专有名词属性),呢(语气词)
规则动作:继承多轮交互信息
其中,此轮问题的有用词信息可以通过词性标注法以及NER技术得到。
S303:将规则抽取的结果进行规则自学习,得到多轮交互信息继承识别模型中的规则模型。
在得到大量规则抽取的结果后,将其进行规则自学习,具体的,将规则抽取的结果应用于之前获取的全部用户与机器人的多轮前述交互信息中,确定规则应用的具体交互场景,进一步可以得到多轮交互信息继承识别模型中的规则模型。
在本发明实施例提供的一种多轮交互信息继承识别方法中,首先获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;然后利用预先训练得到的多轮交互信息继承识别模型中的LR(逻辑回归)模型,基于当前用户每句话的意图分布对当前用户此轮问题进行多轮交互信息继承与否的识别;多轮交互信息继承识别模型中的LR模型通过大量用户交互数据训练所得,可以对常规情景下是否进行多轮交互信息的继承进行识别,当该模型识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型对当前用户此轮问题进行规则匹配,并进行多轮前述交互信息的继承。通过预先训练得到的多轮交互信息继承识别模型中的LR模型和规则模型,可以在极端与常规的表达方法下,均满足多轮交互信息继承与否的识别,从而对是否继承多轮交互信息进行正确地判断。
本发明实施例又提供了一种多轮交互信息继承识别装置101,参见图4所示,该装置包括:
信息获取模块1011,用于获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;
继承识别模块1012,用于利用预先训练得到的多轮交互信息继承识别模型中的LR(逻辑回归)模型,对当前用户此轮问题进行多轮交互信息继承与否的识别;
当识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;
当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型对当前用户此轮问题进行规则匹配,并进行多轮前述交互信息的继承。
在本发明实施例提供的一种多轮交互信息继承识别装置101中,首先通过信息获取模块1011,获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;然后通过继承识别模块1012,利用预先训练得到的多轮交互信息继承识别模型中的LR(逻辑回归)模型,基于当前用户每句话的意图分布对当前用户此轮问题进行多轮交互信息继承与否的识别;多轮交互信息继承识别模型中的LR模型通过大量用户交互数据训练所得,可以对常规情景下是否进行多轮交互信息的继承进行识别,当该模型识别的识别分数大于预设分数范围时,进行多轮前述交互信息的继承;当识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型对当前用户此轮问题进行规则匹配,并进行多轮前述交互信息的继承。通过预先训练得到的多轮交互信息继承识别模型中的LR模型和规则模型,可以在极端与常规的表达方法下,均满足多轮交互信息继承与否的识别,从而对是否继承多轮交互信息进行正确地判断。
本发明实施例还提供了一种交互系统10,参见图5所示,该系统包括:服务器102以及如上一实施例所提供的多轮交互信息继承识别装置101。服务器102与多轮交互信息继承识别装置101连接,用于针对从交互系统10客户端获取到的用户交互信息进行用户意图分布的记录,并将交互信息及意图分布发送给多轮交互信息继承识别装置101,以使多轮交互信息继承识别装置101进行多轮交互信息继承与否的识别。
此交互系统中的多轮交互信息继承识别装置的具体工作过程可以参见上述方法实施例,在此不再赘述。
本发明实施例所提供的多轮交互信息继承识别方法、装置以及交互系统的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种多轮交互信息继承识别方法,其特征在于,包括:
获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;
利用预先训练得到的多轮交互信息继承识别模型中的LR模型,基于所述当前用户每句话的意图分布对所述此轮问题进行多轮交互信息继承与否的识别;
当所述识别的识别分数大于预设分数范围时,进行所述多轮前述交互信息的继承;
当所述识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型,基于所述当前用户每句话的意图分布对所述此轮问题进行规则匹配,并进行所述多轮前述交互信息的继承。
2.根据权利要求1所述的方法,其特征在于,通过下述方法训练得到所述多轮交互信息继承识别模型中的LR模型:
收集用户多轮交互语料;所述交互语料包括:用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果;
根据所述用户多轮交互语料,进行特征抽取;
根据所述特征抽取的结果以及逻辑回归算法,得到所述多轮交互信息继承识别模型中的LR模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述用户多轮交互语料,进行特征抽取,具体包括:
从所述用户多轮交互语料中抽取多轮前述交互用户的意图分布、所述此轮问题的用户的意图分布以及所述此轮问题作为特征信息;
抽取所述用户对机器人的每句回答是否继承多轮交互信息的判断结果作为标签。
4.根据权利要求3所述的方法,其特征在于,通过下述方式获取所述多轮前述交互用户的意图分布:
对所述多轮前述交互信息中的用户的意图分布进行加权平均,得到所述多轮前述交互用户的意图分布。
5.根据权利要求1所述的方法,其特征在于,通过下述方式训练得到所述多轮交互信息继承识别模型中的规则模型:
收集用户多轮交互语料;所述交互语料包括:用户与机器人的多轮前述交互信息、此轮问题、用户每句话的意图分布以及用户对机器人的每句回答是否继承多轮交互信息的判断结果;
根据所述用户多轮交互语料,进行规则抽取;
将所述规则抽取的结果进行规则自学习,得到所述多轮交互信息继承识别模型中的规则模型。
6.根据权利要求5所述的方法,其特征在于,所述根据所述用户多轮交互语料,进行规则抽取,具体包括:
抽取如下信息作为规则信息:多轮前述交互信息中用户的意图分布中的前两位、此轮问题的用户意图分布中的前两位以及此轮问题的有用词信息;
抽取所述用户对机器人的每句回答是否继承多轮交互信息的判断结果作为规则动作。
7.根据权利要求5所述的方法,其特征在于,所述将所述规则抽取的结果进行规则自学习,具体包括:
将所述规则抽取的结果应用于所述用户与机器人的多轮前述交互信息,确定规则应用的交互场景。
8.根据权利要求6所述的方法,其特征在于,通过下述方式获取所述此轮问题的有用词信息:
利用词性标注法以及NER技术获取所述此轮问题的有用词信息。
9.一种多轮交互信息继承识别装置,其特征在于,所述装置包括:
信息获取模块,用于获取当前用户与机器人的多轮前述交互信息、此轮问题以及当前用户每句话的意图分布;
继承识别模块,用于利用预先训练得到的多轮交互信息继承识别模型中的LR模型,对所述当前用户此轮问题进行多轮交互信息继承与否的识别;
当所述识别的识别分数大于预设分数范围时,进行所述多轮前述交互信息的继承;
当所述识别的识别分数在预设分数范围内时,利用预先训练得到的多轮交互继承识别模型中的规则模型对所述当前用户此轮问题进行规则匹配,并进行所述多轮前述交互信息的继承。
10.一种交互系统,其特征在于,所述系统包括:服务器以及如权利要求9所述的多轮交互信息继承识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611213472.0A CN106649739B (zh) | 2016-12-23 | 2016-12-23 | 多轮交互信息继承识别方法、装置以及交互系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611213472.0A CN106649739B (zh) | 2016-12-23 | 2016-12-23 | 多轮交互信息继承识别方法、装置以及交互系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106649739A true CN106649739A (zh) | 2017-05-10 |
CN106649739B CN106649739B (zh) | 2020-09-11 |
Family
ID=58827689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611213472.0A Active CN106649739B (zh) | 2016-12-23 | 2016-12-23 | 多轮交互信息继承识别方法、装置以及交互系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106649739B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193978A (zh) * | 2017-05-26 | 2017-09-22 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的多轮自动聊天对话方法及系统 |
CN109446307A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种实现智能对话中对话管理的方法 |
CN109727041A (zh) * | 2018-07-03 | 2019-05-07 | 平安科技(深圳)有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
CN109754806A (zh) * | 2019-03-21 | 2019-05-14 | 问众智能信息科技(北京)有限公司 | 一种多轮对话的处理方法、装置及终端 |
CN110769312A (zh) * | 2019-11-07 | 2020-02-07 | 三角兽(北京)科技有限公司 | 一种直播应用中推荐信息的方法及装置 |
CN111091011A (zh) * | 2019-12-20 | 2020-05-01 | 科大讯飞股份有限公司 | 领域预测方法、领域预测装置及电子设备 |
WO2021042902A1 (zh) * | 2019-09-04 | 2021-03-11 | 深圳Tcl数字技术有限公司 | 一种多轮对话中用户意图的识别方法及相关设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868695A (zh) * | 2012-09-18 | 2013-01-09 | 天格科技(杭州)有限公司 | 基于会话树的智能在线客服方法及系统 |
CN103229223A (zh) * | 2010-09-28 | 2013-07-31 | 国际商业机器公司 | 使用多个候选答案评分模型提供问题答案 |
US20140068496A1 (en) * | 2012-08-30 | 2014-03-06 | Samsung Electronics Co. Ltd. | User interface apparatus in a user terminal and method for supporting the same |
CN103729193A (zh) * | 2014-01-11 | 2014-04-16 | 苏州思必驰信息科技有限公司 | 一种人机交互方法及装置 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105117387A (zh) * | 2015-09-21 | 2015-12-02 | 上海智臻智能网络科技股份有限公司 | 一种智能机器人交互系统 |
CN105159996A (zh) * | 2015-09-07 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的深度问答服务提供方法和装置 |
CN105589844A (zh) * | 2015-12-18 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种用于多轮问答系统中缺失语义补充的方法 |
CN105630887A (zh) * | 2015-12-18 | 2016-06-01 | 北京中科汇联科技股份有限公司 | 中文问答系统知识标记语言的表示方法及中文问答系统 |
CN106034146A (zh) * | 2015-03-12 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 信息交互方法及系统 |
-
2016
- 2016-12-23 CN CN201611213472.0A patent/CN106649739B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103229223A (zh) * | 2010-09-28 | 2013-07-31 | 国际商业机器公司 | 使用多个候选答案评分模型提供问题答案 |
US20140068496A1 (en) * | 2012-08-30 | 2014-03-06 | Samsung Electronics Co. Ltd. | User interface apparatus in a user terminal and method for supporting the same |
CN102868695A (zh) * | 2012-09-18 | 2013-01-09 | 天格科技(杭州)有限公司 | 基于会话树的智能在线客服方法及系统 |
CN103729193A (zh) * | 2014-01-11 | 2014-04-16 | 苏州思必驰信息科技有限公司 | 一种人机交互方法及装置 |
CN106034146A (zh) * | 2015-03-12 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 信息交互方法及系统 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105159996A (zh) * | 2015-09-07 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的深度问答服务提供方法和装置 |
CN105117387A (zh) * | 2015-09-21 | 2015-12-02 | 上海智臻智能网络科技股份有限公司 | 一种智能机器人交互系统 |
CN105589844A (zh) * | 2015-12-18 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种用于多轮问答系统中缺失语义补充的方法 |
CN105630887A (zh) * | 2015-12-18 | 2016-06-01 | 北京中科汇联科技股份有限公司 | 中文问答系统知识标记语言的表示方法及中文问答系统 |
Non-Patent Citations (1)
Title |
---|
文博: "面向智能客服机器人的交互式问句理解研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193978A (zh) * | 2017-05-26 | 2017-09-22 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的多轮自动聊天对话方法及系统 |
CN109727041A (zh) * | 2018-07-03 | 2019-05-07 | 平安科技(深圳)有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
CN109727041B (zh) * | 2018-07-03 | 2023-04-18 | 平安科技(深圳)有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
CN109446307A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种实现智能对话中对话管理的方法 |
CN109754806A (zh) * | 2019-03-21 | 2019-05-14 | 问众智能信息科技(北京)有限公司 | 一种多轮对话的处理方法、装置及终端 |
WO2021042902A1 (zh) * | 2019-09-04 | 2021-03-11 | 深圳Tcl数字技术有限公司 | 一种多轮对话中用户意图的识别方法及相关设备 |
CN110769312A (zh) * | 2019-11-07 | 2020-02-07 | 三角兽(北京)科技有限公司 | 一种直播应用中推荐信息的方法及装置 |
CN111091011A (zh) * | 2019-12-20 | 2020-05-01 | 科大讯飞股份有限公司 | 领域预测方法、领域预测装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106649739B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106649739A (zh) | 多轮交互信息继承识别方法、装置以及交互系统 | |
CN109767318A (zh) | 贷款产品推荐方法、装置、设备及存储介质 | |
CN105117387B (zh) | 一种智能机器人交互系统 | |
CN113011186B (zh) | 命名实体识别方法、装置、设备及计算机可读存储介质 | |
CN112799747A (zh) | 智能助理评价、推荐方法、系统、终端及可读存储介质 | |
CN111062220B (zh) | 一种基于记忆遗忘装置的端到端意图识别系统和方法 | |
CN109829044A (zh) | 对话方法、装置及设备 | |
CN107704512A (zh) | 基于社交数据的金融产品推荐方法、电子装置及介质 | |
CN111935496B (zh) | 一种信息展示方法及相关设备 | |
CN109784196A (zh) | 视觉信息判识方法、装置、设备及存储介质 | |
Rao | A strategist’s guide to artificial intelligence | |
CN110083110A (zh) | 基于自然智能的端到端控制方法和控制系统 | |
CN109492104A (zh) | 意图分类模型的训练方法、分类方法、系统、设备和介质 | |
CN110727761B (zh) | 对象信息获取方法、装置及电子设备 | |
CN107818491A (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
CN108319888A (zh) | 视频类型的识别方法及装置、计算机终端 | |
CN109902636A (zh) | 商品识别模型训练方法、系统、设备及存储介质 | |
CN109033356A (zh) | 为客服系统日志打标签的方法及客服系统 | |
CN109584006A (zh) | 一种基于深度匹配模型的跨平台商品匹配方法 | |
CN113268610A (zh) | 基于知识图谱的意图跳转方法、装置、设备及存储介质 | |
CN110162606A (zh) | 用于解决客户端服务请求的会话代理学习模型服务选择 | |
CN112149632A (zh) | 一种视频识别方法、装置及电子设备 | |
CN106557954A (zh) | 客服营销的方法及装置 | |
CN110276633A (zh) | 基于在线教育的广告投放方法、系统、设备及存储介质 | |
CN113010645A (zh) | 文本生成方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180503 Address after: 518000 01-02, 14 / F, Yihua financial science and technology building, 2388 Xuefu Road, Nanshan District, Shenzhen, Guangdong. Applicant after: Guangdong Hui He science and Technology Development Co., Ltd. Address before: 518000 601 mango net building, Guangdong Hai street, Nanshan District, Shenzhen, Guangdong Applicant before: Shenzhen city artificial intelligence technology Co., secluded orchid in a deserted Valley |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |