CN107066568A - 基于用户意图预测的人机对话方法及装置 - Google Patents

Abstract

本发明属于智能识别技术领域，提供了一种基于用户意图预测的人机对话方法及装置。本发明提供的基于用户意图预测的人机对话方法，包括：根据用户输入的文本内容获取文本意图特征值和对话理解特征值；将所述文本意图特征值和所述对话理解特征值输入意图预测模型，得到意图预测结果；根据所述文本意图特征值和所述对话理解特征值，从语料库中挑选候选回应清单；根据所述意图预测结果，从所述候选回应清单中筛选出合适的语句作为机器人的回答。本发明提供的基于用户意图预测的人机对话方法及装置，能够预测不同情境下用户不同的回答可能产生的意图改变，并给出合适的回答，达到机器人服务效率的提升。

Description

基于用户意图预测的人机对话方法及装置

技术领域

本发明涉及智能识别技术领域，具体涉及一种基于用户意图预测的人机对话方法及装置。

背景技术

在现有的人工智能对话系统中，根据用户的讲话，利用语料库以及模板来寻找合适的回答，在寻找到的回答之中，常会存在多个合适的答案，但这多个答案适用于不同的对话脉络、目的、与意图倾向。因此，现有的人工智能对话系统无法针对不同情境，给出合适的回答。

发明内容

针对现有技术中的缺陷，本发明提供了一种基于用户意图预测的人机对话方法及装置，能够预测不同情境下用户不同的回答可能产生的意图改变，并给出合适的回答，达到机器人服务效率的提升。

第一方面，本发明提供的一种基于用户意图预测的人机对话方法，包括：根据用户输入的文本内容获取文本意图特征值和对话理解特征值；将所述文本意图特征值和所述对话理解特征值输入意图预测模型，得到意图预测结果；根据所述文本意图特征值和所述对话理解特征值，从语料库中挑选候选回应清单；根据所述意图预测结果，从所述候选回应清单中筛选出合适的语句作为机器人的回答。

本发明提供的基于用户意图预测的人机对话方法，利用对话理解识别、意图预测、机器人候选回应清单，预测不同情境下用户不同的回答可能产生的意图改变，结合意图诱导机制，解决了人工智能机器人在不同的情境下，能够针对用户的对话进行意图的转向、诱导，达到机器人服务效率的提升。

优选地，所述根据所述文本意图特征值和所述对话理解特征值，从语料库中挑选候选回应清单，包括：根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果，从语料库中挑选候选回应清单。

优选地，所述根据用户输入的文本内容获取文本意图特征值和对话理解特征值，包括：

将用户输入的文本内容输入情绪识别模型，得到情绪信息；

将用户输入的文本内容输入文本信息提取模型，得到文本信息；

将用户输入的文本内容输入话题识别模型，得到话题信息；

将用户输入的文本内容输入语言行为识别模型，得到语言行为信息；

根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息，得到文本意图特增值和对话理解特征值。

优选地，所述情绪信息包括：用户当时下情绪状态、用户过去主要情绪、用户过去次要情绪。

优选地，所述文本信息包括：语意信息、单词信息、改写语句、文本语句。

优选地，所述话题信息包括：当前主要话题、当前次要话题、同时根据过往的文本内容取得过去主要话题、过去次要话题、常聊话题、喜好话题、时下热门话题等话题信息。

优选地，所述语言行为信息包括：句型、语气、当前主要语言行为、当前次要语言行为。

第二方面，本发明提供的一种基于用户意图预测的人机对话装置，包括：特征值获取模块，用于根据用户输入的文本内容获取文本意图特征值和对话理解特征值；意图预测模块，用于将所述文本意图特征值和所述对话理解特征值输入意图预测模型，得到意图预测结果；候选回应清单生成模块，用于根据所述文本意图特征值和所述对话理解特征值，从语料库中挑选候选回应清单；回答筛选模块，用于根据所述意图预测结果，从所述候选回应清单中筛选出合适的语句作为机器人的回答。

本发明提供的基于用户意图预测的人机对话装置，利用对话理解识别、意图预测、机器人候选回应清单，预测不同情境下用户不同的回答可能产生的意图改变，结合意图诱导机制，解决了人工智能机器人在不同的情境下，能够针对用户的对话进行意图的转向、诱导，达到机器人服务效率的提升。

优选地，所述候选回应清单生成模块具体用于：根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果，从语料库中挑选候选回应清单。

优选地，所述特征值获取模块具体用于：将用户输入的文本内容输入情绪识别模型，得到情绪信息；将用户输入的文本内容输入文本信息提取模型，得到文本信息；将用户输入的文本内容输入话题识别模型，得到话题信息；将用户输入的文本内容输入语言行为识别模型，得到语言行为信息；根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息，得到文本意图特增值和对话理解特征值。

附图说明

图1示出了本发明实施例所提供的基于用户意图预测的人机对话方法的流程图；

图2示出了本发明实施例所提供的基于用户意图预测的人机对话装置的结构框图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

如图1所示，本实施例提供的一种基于用户意图预测的人机对话方法，包括：

步骤S1，根据用户输入的文本内容获取文本意图特征值和对话理解特征值。

步骤S2，将文本意图特征值和对话理解特征值输入意图预测模型，得到意图预测结果。

步骤S3，根据文本意图特征值和对话理解特征值，从语料库中挑选候选回应清单。

步骤S4，根据意图预测结果，从候选回应清单中筛选出合适的语句作为机器人的回答。

下面举例说明步骤S1～S4的方法，例如：

用户回应：“我喜欢粉红色的衣服”。

商场对话机器人会根据文本内容“我喜欢粉红色的衣服。”得到文本意图特征值为“衣服”“粉色”，对话理解特征值为“喜欢粉色”。

商场对话机器人根据文本意图特征值“衣服”“粉色”，先确认库存，如果有粉红色衣服，就把将粉色衣服的信息提供给消费者；如果没有粉红色衣服，就会采用意图诱导的回应策略进行回答：“其实，你穿蓝色的也很好看，要试试吗？”

在商场对话机器人中，意图预测模型可以包括规则或机器学习等模型中的一种或多种，以上述例子为例，通过意图预测模型可以推断用户“想要购买衣服”的意图可能性大过表达“今天要穿什么颜色”的意图。

结合上述例子，说明步骤S3的处理方法。根据文本意图特征值“衣服”“粉色”和对话理解特征值“喜欢粉色”，机器人可选取一系列的回应清单，切中使用者表达的主题衣服，也能表达偏好等语料。例如，回应清单为：

候选一：“我也喜欢粉色，也喜欢粉色的裤子”；

候选二：“今天就穿这件粉色出门吧”。

本发明实施例提供的基于用户意图预测的人机对话方法，利用对话理解识别、意图预测、机器人候选回应清单，预测不同情境下用户不同的回答可能产生的意图改变，结合意图诱导机制，解决了人工智能机器人在不同的情境下，能够针对用户的对话进行意图的转向、诱导，达到机器人服务效率的提升。

为了提高挑选候选回应清单的准确度，步骤S3具体包括：根据文本意图特征值、对话理解特征值和意图预测结果，从语料库中挑选候选回应清单。根据步骤S2，商场对话机器人对用户进行了意图预测，知道用户“想要购买衣服”，进而可以积极地根据主题“买衣服”找到更好的语料，而非给出关于颜色的回答。例如，回应清单中的候选语料可以是：“帮你看了几件粉色衣服，你要看看吗？”、“其实，你穿蓝色的也很好看，要试试吗？”。因此，加入了意图预测结果后，商场机器人的回答让用户觉得机器人更贴心。

其中，步骤S1具体包括：

步骤S11，将用户输入的文本内容输入情绪识别模型，得到情绪特信息。

步骤S12，将用户输入的文本内容输入文本信息提取模型，得到文本信息。

步骤S13，将用户输入的文本内容输入话题识别模型，得到话题信息。

步骤S14，将用户输入的文本内容输入语言行为识别模型，得到语言行为信息。

步骤S15，根据情绪信息、文本信息、话题信息和语言行为信息，得到文本意图特增值和对话理解特征值。

其中，步骤S11～步骤S14是同时进行的。

其中，情绪识别模型、文本信息提取模型、话题识别模型、语言行为识别模型可以是规则或机器学习模型。

其中，情绪信息包括：用户当时下情绪状态、用户过去主要情绪、用户过去次要情绪。

其中，文本信息包括：语意信息、单词信息、改写语句、文本语句。单词信息包括关键名词、专有名词、地名、人名等信息。句型信息包括：肯定句、否定句、疑问句等。改写语句为根据前文文意改写用户输入的文本内容得到的语句。文本语句为用户输入的文本内容。

其中，话题信息包括：当前主要话题、当前次要话题、同时根据过往的文本内容取得过去主要话题、过去次要话题、常聊话题、喜好话题、时下热门话题等话题信息。

其中，语言行为信息包括：句型、语气、当前主要语言行为、当前次要语言行为。

其中，步骤S15为整合步骤S11-S14中得到的信息得到文本意图特增值、对话理解特征值。具体的整合算法可以是规则或机器学习。例如，用户说“我喜欢粉红色的衣服”，从中可以抽出“喜欢”是动词，“粉红色”是一个词，所以就可以整合得到文本意图特征值为“衣服”“粉色”，对话理解特征值为“喜欢粉色”。

基于与上述基于用户意图预测的人机对话方法相同的发明构思，本发明实施例提供了一种基于用户意图预测的人机对话装置，如图2所示，包括：特征值获取模块101，用于根据用户输入的文本内容获取文本意图特征值和对话理解特征值；意图预测模块102，用于将文本意图特征值和对话理解特征值输入意图预测模型，得到意图预测结果；候选回应清单生成模块103，用于根据文本意图特征值和对话理解特征值，从语料库中挑选候选回应清单；回答筛选模块104，用于根据意图预测结果，从候选回应清单中筛选出合适的语句作为机器人的回答。

其中，候选回应清单生成模块103具体用于：根据文本意图特征值、对话理解特征值和意图预测结果，从语料库中挑选候选回应清单。

其中，特征值获取模块101具体用于：将用户输入的文本内容输入情绪识别模型，得到情绪信息；将用户输入的文本内容输入文本信息提取模型，得到文本信息；将用户输入的文本内容输入话题识别模型，得到话题信息；将用户输入的文本内容输入语言行为识别模型，得到语言行为信息；根据情绪信息、文本信息、话题信息和语言行为信息，得到文本意图特增值和对话理解特征值。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基于用户意图预测的人机对话方法，其特征在于，包括：

根据用户输入的文本内容获取文本意图特征值和对话理解特征值；

将所述文本意图特征值和所述对话理解特征值输入意图预测模型，得到意图预测结果；

根据所述文本意图特征值和所述对话理解特征值，从语料库中挑选候选回应清单；

根据所述意图预测结果，从所述候选回应清单中筛选出合适的语句作为机器人的回答。

2.根据权利要求1所述的方法，其特征在于，所述根据所述文本意图特征值和所述对话理解特征值，从语料库中挑选候选回应清单，包括：

根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果，从语料库中挑选候选回应清单。

3.根据权利要求1所述的方法，其特征在于，所述根据用户输入的文本内容获取文本意图特征值和对话理解特征值，包括：

将用户输入的文本内容输入情绪识别模型，得到情绪信息；

将用户输入的文本内容输入文本信息提取模型，得到文本信息；

将用户输入的文本内容输入话题识别模型，得到话题信息；

将用户输入的文本内容输入语言行为识别模型，得到语言行为信息；

根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息，得到文本意图特增值和对话理解特征值。

4.根据权利要求3所述的方法，其特征在于，所述情绪信息包括：用户当时下情绪状态、用户过去主要情绪、用户过去次要情绪。

5.根据权利要求3所述的方法，其特征在于，所述文本信息包括：语意信息、单词信息、改写语句、文本语句。

6.根据权利要求3所述的方法，其特征在于，所述话题信息包括：当前主要话题、当前次要话题、同时根据过往的文本内容取得过去主要话题、过去次要话题、常聊话题、喜好话题、时下热门话题等话题信息。

7.根据权利要求3所述的方法，其特征在于，所述语言行为信息包括：句型、语气、当前主要语言行为、当前次要语言行为。

8.一种基于用户意图预测的人机对话装置，其特征在于，包括：

特征值获取模块，用于根据用户输入的文本内容获取文本意图特征值和对话理解特征值；

意图预测模块，用于将所述文本意图特征值和所述对话理解特征值输入意图预测模型，得到意图预测结果；

候选回应清单生成模块，用于根据所述文本意图特征值和所述对话理解特征值，从语料库中挑选候选回应清单；

回答筛选模块，用于根据所述意图预测结果，从所述候选回应清单中筛选出合适的语句作为机器人的回答。

9.根据权利要求8所述的装置，其特征在于，所述候选回应清单生成模块具体用于：

根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果，从语料库中挑选候选回应清单。

10.根据权利要求8所述的装置，其特征在于，所述特征值获取模块具体用于：

将用户输入的文本内容输入情绪识别模型，得到情绪信息；

将用户输入的文本内容输入文本信息提取模型，得到文本信息；

将用户输入的文本内容输入话题识别模型，得到话题信息；

将用户输入的文本内容输入语言行为识别模型，得到语言行为信息；

根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息，得到文本意图特增值和对话理解特征值。