CN107943998B - 一种基于知识图谱的人机对话控制系统及方法 - Google Patents
一种基于知识图谱的人机对话控制系统及方法 Download PDFInfo
- Publication number
- CN107943998B CN107943998B CN201711266922.7A CN201711266922A CN107943998B CN 107943998 B CN107943998 B CN 107943998B CN 201711266922 A CN201711266922 A CN 201711266922A CN 107943998 B CN107943998 B CN 107943998B
- Authority
- CN
- China
- Prior art keywords
- answer
- user
- current
- module
- conversation
- 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.)
- Active
Links
Images
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于知识图谱的人机对话控制系统及方法。所述系统,包括:对话理解子系统和回答子系统,回答子系统可以结合知识图谱库为用户提供相应的回答语句,由于知识图谱库所含丰富,多层级,多关系的数据,因此,通过结合知识图谱为用户提供回答语句,能够为用户提供更加准确、更加人性化的回答,进而更好地与用户进行互动。
Description
技术领域
本发明涉及智能对话技术领域,具体涉及一种基于知识图谱的人机对话控制系统及方法。
背景技术
现有技术中,人机对话系统中,对于语义理解部分和常识部分还存在极大的局限性,在引导对话过程中的引导句的形式比较单一,对于用户的回复的理解也仅限于预定的内容,在对话中经常会出现跳话题,答非所问及完全由用户来主导对话主题的情况,不能在一个话题或者一个实体的基础上有层次有深度的拓展开,不能保证话题的流畅度,进而不能与用户进行很好地互动交流。
发明内容
针对现有技术中的缺陷,本发明提供一种基于知识图谱的人机对话控制系统及方法,能够为用户提供更加准确、更加人性化的回答,进而更好地与用户进行互动。
第一方面,本发明提供了一种基于知识图谱的人机对话控制系统,包括:对话理解子系统和回答子系统;
所述对话理解子系统与所述回答子系统连接;
所述对话理解子系统用于获取用户当前对话,并识别所述当前对话的特征信息,将所述当前对话和所述特征信息发送给所述回答子系统;
所述回答子系统,包括:触发模块、回答模块和知识图谱控制模块;
所述触发模块与所述回答模块和所述知识图谱控制模块均连接;
所述回答模块和所述知识图谱控制模块连接;
所述触发模块用于根据所述当前对话和所述特征信息,触发所述回答模块和所述知识图谱控制模块;
所述知识图谱控制模块用于从预设的知识图谱库中,查询与所述特征信息和所述当前对话相对应的关联信息,并将所述关联信息发送给所述回答模块;
所述回答模块用于在被触发后,根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户。
可选的,所述对话理解子系统,包括:情绪识别模块、意图识别模块和自然语言处理模块中一种或多种;
所述情绪识别模块用于根据用户的当前对话识别用户当前情绪的特征信息;
所述意图识别模块用于根据用户的当前对话识别用户当前意图的特征信息;
所述自然语言处理模块用于采用自然语言处理技术,识别当前对话命名实体的特征信息。
可选的,所述关联信息,包括:实体的层级分类、属性、层级关系、关联词条和基本常识中的一种或多种。
可选的,所述回答模块,包括:闲聊单元、记忆单元、功能单元、任务引擎单元和聊天策划单元中的一种或多种;
所述闲聊单元用于根据所述关联信息、所述特征信息和所述当前对话,获得语义回答语句,并将所述语义回答语句输出给用户;
所述记忆单元用于根据所述关联信息、所述特征信息和所述当前对话,获得推荐回答语句,并将所述推荐回答语句输出给用户;
所述功能单元用于根据所述关联信息、所述特征信息和所述当前对话,获得功能回答语句,并将所述功能回答语句输出给用户;
所述任务引擎单元用于根据所述关联信息、所述特征信息和所述当前对话,获得任务回答语句,并将所述任务回答语句输出给用户;
所述聊天策划单元用于根据所述关联信息、所述特征信息和所述当前对话,获得扩展回答语句,并将所述扩展回答语句输出给用户。
可选的,所述闲聊单元,具体用于:
获取所述知识图谱控制模块发送的用户当前对话中命名实体在所述知识图谱库中的所述层级关系;
将所述层级关系作为过滤条件,采用文本检索方法,从语料库中搜索与所述当前对话相应的问答对;
基于所述层级关系,运用文本相似度计算方法,对所述当前对话和所述问答对进行文本相似度计算,将信心分最高的问答对中的答句作为语义回答语句,并将所述语义回答语句输出给用户。
可选的,所述记忆单元,具体用于根据用户画像和所述当前对话,采用条件概率计算方法,计算相应的条件概率事件,并将所述条件概率事件发生给所述知识图谱控制模块;
所述知识图谱控制模块还用于根据所述条件概率事件,从所述知识图谱库中查询相应的关联词条,并将所述关联词条发送给所述记忆单元;
所述记忆单元用于根据所述关联词条为用户提供相应的推荐回答语句,并将所述推荐回答语句输出给用户。
可选的,所述功能单元,具体用于:
根据用户的当前意图和关联信息,利用自然语言处理技术,抽取所述当前对话的功能词条;
根据所述功能词条,获得功能回答语句,并将所述功能回答语句输出给用户。
可选的,所述聊天策划单元,具体用于:
结合用户的当前情绪,根据所述关联信息,基于所述当前对话,为用户提供话题扩展的扩展回答语句,并将所述扩展回答语句输出给用户。
可选的,所述回答子系统还用于将所述回答模块输出给用户的所述回答语句存储到上下文对话历史库。
第二方面,本发明提供了一种基于知识图谱的人机对话控制方法,包括:
获取用户当前对话;
识别所述当前对话的特征信息;
根据所述当前对话和所述特征信息,从预设的知识图谱库中,查询与所述特征信息和所述当前对话相对应的关联信息;
根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户。
由以上技术方案可知,本发明提供一种基于知识图谱的人机对话控制系统,包括:对话理解子系统和回答子系统,回答子系统可以结合知识图谱库为用户提供相应的回答语句,由于知识图谱库所含丰富,多层级,多关系的数据,因此,通过结合知识图谱为用户提供回答语句,能够为用户提供更加准确、更加人性化的回答,进而更好地与用户进行互动。
本发明提供的一种基于知识图谱的人机对话控制方法,与上述一种基于知识图谱的人机对话控制系统出于相同的发明构思,具有相同的有益效果。
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。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明第一实施例提供的一种基于知识图谱的人机对话控制系统的示意图;
图2为本发明第一实施例提供的一种词条层级关系的示意图;
图3为本发明第一实施例提供的一种聊天策略引导和扩展的示意图;
图4为本发明第二实施例提供的一种基于知识图谱的人机对话控制方法的示意图。
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。
本发明提供了一种基于知识图谱的人机对话控制系统及方法。下面结合附图对本发明的实施例进行说明。
请参考图1,图1为本发明具体实施例提供的一种基于知识图谱的人机对话控制系统,包括:对话理解子系统和回答子系统;所述对话理解子系统与所述回答子系统连接;所述对话理解子系统用于获取用户当前对话,并识别所述当前对话的特征信息,将所述当前对话和所述特征信息发送给所述回答子系统;所述回答子系统,包括:触发模块、回答模块和知识图谱控制模块;所述触发模块与所述回答模块和所述知识图谱控制模块均连接;所述回答模块和所述知识图谱控制模块连接;所述触发模块用于根据所述当前对话和所述特征信息,触发所述回答模块和所述知识图谱控制模块;所述知识图谱控制模块用于从预设的知识图谱库中,查询与所述特征信息和所述当前对话相对应的关联信息,并将所述关联信息发送给所述回答模块;所述回答模块用于在被触发后,根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户。
其中,知识图谱库中存储有实体层级分类、实体属性与关系、概念图谱和常识库等中的一种或多种。
由于知识图谱库所含丰富,多层级,多关系的数据,因此,通过结合知识图谱为用户提供回答语句,能够为用户提供更加准确、更加人性化的回答,进而更好地与用户进行互动。
在本发明提供的一个具体实施例中,所述对话理解子系统,可以包括:情绪识别模块、意图识别模块和自然语言处理模块中一种或多种;所述情绪识别模块用于根据用户的当前对话识别用户当前情绪的特征信息;所述意图识别模块用于根据用户的当前对话识别用户当前意图的特征信息;所述自然语言处理模块用于采用自然语言处理技术,识别当前对话命名实体的特征信息。
其中,特征信息可以包括:当前情绪、当前意图、命名实体等中的一种或多种。
通过对当前对话的全面理解,能够使回答子系统结合当前对话的特征信息,得到更加合理的、更加人性化的回答语句。
其中,所述关联信息,可以包括:实体的层级分类、属性、层级关系、关联词条、基本常识等中的一种或多种。
其中,所述回答模块,可以包括:闲聊单元、记忆单元、功能单元、任务引擎单元、聊天策划单元等中的一种或多种。
所述闲聊单元用于根据所述关联信息、所述特征信息和所述当前对话,获得语义回答语句,并将所述语义回答语句输出给用户;所述记忆单元用于根据所述关联信息、所述特征信息和所述当前对话,获得推荐回答语句,并将所述推荐回答语句输出给用户;所述功能单元用于根据所述关联信息、所述特征信息和所述当前对话,获得功能回答语句,并将所述功能回答语句输出给用户;所述任务引擎单元用于根据所述关联信息、所述特征信息和所述当前对话,获得任务回答语句,并将所述任务回答语句输出给用户;所述聊天策划单元用于根据所述关联信息、所述特征信息和所述当前对话,获得扩展回答语句,并将所述扩展回答语句输出给用户。
在本发明中,触发模块可以根据当前对话和特征信息,触发回答模块,即触发闲聊单元、记忆单元、功能单元、任务引擎单元和聊天策划单元中的一种或多种。
在本发明提供的一个具体实施例中,所述闲聊单元,具体用于:获取所述知识图谱控制模块发送的用户当前对话中命名实体在所述知识图谱库中的所述层级关系;将所述层级关系作为过滤条件,采用文本检索方法,从语料库中搜索与所述当前对话相应的问答对;基于所述层级关系,运用文本相似度计算方法,对所述当前对话和所述问答对进行文本相似度计算,将信心分最高的问答对中的答句作为语义回答语句,并将所述语义回答语句输出给用户。
传统闲聊单元,会拥有一个储存对话问答对(QA对)的语料库,通过文本检索方式,会在语料库里搜索与当前对话最相近的前N条问答对,再运用文本相似度计算等方法计分与排序出一条与用户当前对话最合适的语料Q,聊天机器人会回答这个Q对应的A给用户。这个办法的缺陷是其中的文本检索和文本相似度计算流程,运用的文本特征均为字面意思,只能判断出词与词,句子与句子之间的相似性,而没法判断出尽管某些词是相似的,但是它们属于不同类别,容易造成答非所问。
而本发明在文本检索的过程前,可以获取用户当前对话词条在知识图谱中的层级关系,并附加入文本检索系统中充当过滤条件。在检索后的备选N个问答对(QA对)中,除了传统的对用户当前对话与N个问答对中的问句(Q)做文本相似性计算(基于tf-idf(词频与逆向文件词频)相似性,词向量相似性等),同时附加对N个问答对中问句(Q)和答句(A)中的词条在知识图谱中层级关系,并与文本检索中获取的用户当前对话词条层级关系做对比,层级越接近给的信心分高,最后信心分最高的问答对中的答句(A)作为闲聊模块的最后答案。
通过利用知识图谱库,在问答对搜索过程中加入过滤条件,在文本相似度计算方法中考虑层级关系,能够达到控制的效果,深入语义理解,提升对话质量,提高用户体验。
示例1:用户当前对话为“不喜欢吃香蕉,太甜了”;一对语料用Q和A来标记。一般的语料库:问Q=“巧克力太甜了,不喜欢吃”,答A=“是啊,黑巧克力不甜,推荐哦”,传统的文本检索和文本相似性计算会把用户当前对话匹配到这个Q,于是聊天机器人会回复这个A给用户,由于没有“知识图谱库”支持理解“香蕉”和“巧克力”,虽然都是食物大类,词向量很接近,但是属于不同的细化分类,所以会答非所问,造成对话体验差。
而采用本发明后,可以通过知识图谱控制文本检索和文本相似度匹配,获取词条层级分类知识:“香蕉属于一种水果”,“巧克力属于一种人工零食”,尽管“香蕉”和“巧克力”在文本相似度中的词向量,tf-idf(词频与逆向文件词频)均很相似,但是它们属于不同食物大类别下的子类别,因此需要对检索结果做用户当前对话“话题是水果类”的过滤,并且在检索时加过滤条件“话题是水果类”。加入该过滤条件后,语料库某一对语料:Q=“巧克力太甜了,不喜欢吃”,A=“是啊,黑巧克力不甜,推荐哦”,这条语料会被筛掉,语料库里含有和“水果”相关的语料会被加分。
在本发明提供的一个具体实施例中,所述记忆单元,具体用于根据用户画像和所述当前对话,采用条件概率计算方法,计算相应的条件概率事件,并将所述条件概率事件发生给所述知识图谱控制模块;所述知识图谱控制模块还用于根据所述条件概率事件,从所述知识图谱库中查询相应的关联词条,并将所述关联词条发送给所述记忆单元;所述记忆单元用于根据所述关联词条为用户提供相应的推荐回答语句,并将所述推荐回答语句输出给用户。
现有技术中,智能聊天机器人不能基于已知喜好做关联性推理,不能做发散和扩展,发起主动式推荐,不能做类人聊天。相较于现有技术,本发明能够利用知识图谱控制模块和知识图谱库,为用户提供相应的推荐回答语句,为用户做同类型推荐,提高用户体验。
其中,获得推荐回答语句后,可以存储到用户画像中,能够扩展用户画像的内容。
示例2:用户对话有“我喜欢电影不能说的秘密,穿越型的诶”,“彩虹很好听啊,很抒情”。智能聊天机器人会记录这位用户喜好电影“不能说的秘密”,喜好音乐“彩虹”。但是,不能概率性推理出用户会喜欢“周杰伦”,因为以上的电影和音乐都是他的作品,不能做主动式发问推理出的喜好做类人聊天,不能做发散和扩展,发起主动式推荐。
而采用本发明后,在知识图谱中,如图2所示,存在关系:人物“周杰伦”是电影“不能说的秘密”的导演,是音乐“彩虹”的演唱者。经过知识图谱查询这两者的联系,发现都是人物“周杰伦”的代表作品,结合条件概率模型计算,即计算在喜欢这两者的情况下有多大概率是会喜欢和这两者具有关系的词条,以此推理挖掘和扩充用户画像,并为后续聊天对话服务,例如在后续对话中主动式发问推理结果。
同时,知识图谱控制模块还可以为记忆单元提供词条层级分类,标签云对用户画像已经记录事物,在后续对话中做同类型推荐。例如,已知用户喜欢某些歌曲,这些歌曲在知识图谱中标签为“抒情”,“摇滚”。可以在后续对话中主动式推荐同类型歌曲(比如,“抒情”,“摇滚”)或是推荐同歌手/作词/作曲的歌曲。
因此,不仅扩展了用户画像的内容,还可以在用户和智能聊天机器人后续对话过程中做到:主动式发起对话,比如“你是不是喜欢周杰伦”;在遇到用户矛盾对话时能主动式指出,比如用户说“我不喜欢周杰伦”,智能聊天机器人会主动回答“我记得你喜欢电影不能说的秘密和音乐彩虹,你怎么会不喜欢周杰伦呢,和我说说吧”,并引导对话,使得更像类人对话;发起主动式推荐,比如最近几次用户对话都是使用让智能聊天对话播放音乐,记忆单元在记忆播放次数的情况下可以顺带记录喜好。如果能结合知识图谱的话,可以在后续对话中主动式推荐同类型歌曲(比如,“抒情”,“摇滚”)或是推荐同歌手/作词/作曲的歌曲,使得更智能。
在本发明提供的一个具体实施例中,所述功能单元,具体用于:根据用户的当前意图和关联信息,利用自然语言处理技术,抽取所述当前对话的功能词条;根据所述功能词条,获得功能回答语句,并将所述功能回答语句输出给用户。
现有技术中,当需要抽取的信息为较低层级的词条时,经常会抽取不到,例如,查天气等功能,需要对用户当前对话抽取城市信息,比如,能成功抽取用户对话“帮我查下上海市的天气”中的城市是“上海市”。但如果用户说“帮我查下徐汇区的天气”,如果信息抽取只针对城市,就抽取不出。因为缺乏“知识图谱库”支持理解“徐汇区”也是地点,且“徐汇区”位于“上海市”。
而本发明通过结合知识图谱库和知识图谱控制模块,能够提取出较低层级的词条,进而能够完成各种功能性回复,应用范围较广,能够提高用户体验。
示例3,用户提到“帮我查下上海市的天气”,意图识别是“查天气”,进而触发天气类功能单元,天气类的功能需要抽取信息为城市名,这句可以抽取出“上海市”。但如果用户说“帮我查下徐汇区的天气”,本发明的知识图谱控制模块能提供词条类别和层级从属关系的识别,在知识图谱中,“徐汇区”是地点,从属于“上海市”的一个区,由此推理出抽取的城市信息为“上海市”。
在本发明提供的一个具体实施例中,所述任务引擎单元用于根据所述关联信息、所述特征信息和所述当前对话,获得任务回答语句,并将所述任务回答语句输出给用户。
其中,任务引擎单元是指智能聊天机器人在预设的完成某一任务的情况下,和用户进行多轮聊天交互,抽取用户对话中满足完成任务所需全部条件的单元。
其中,任务引擎单元可以采用功能单元的方法,为用户提供任务回答语句。主要是结合自然语言处理,利用知识图谱中的层级关系做推理,使得目标抽取对象可以不再受限于某一类别,可以扩展到其从属子类别,可以适应不同对话,提高用户体验。
示例4,订酒店的多轮对话任务,需要对用户近几轮对话抽取预订酒店的位置信息,比如,用户说“帮我订酒店,5星的”,“要在浦东机场附近的”。现有技术中,如果信息抽取只针对城市,就抽取不出。因为缺乏“知识”支持理解“浦东机场”也是地点,且“浦东机场”位于“浦东区”,“浦东区”位于“上海市”,是一个层级关系。而本发明的知识图谱控制模块能提供词条类别和层级从属关系的识别。在知识图谱中,“浦东机场”是地点,位于“浦东新区”,位于“上海市”,这样就通过层级从属关系抽取到了目标信息“上海市”。
在本发明提供的一个具体实施例中,所述聊天策划单元,具体用于:结合用户的当前情绪,根据所述关联信息,基于所述当前对话,为用户提供话题扩展的扩展回答语句,并将所述扩展回答语句输出给用户。
现有技术中,大多为“一问一答”模式,无法为用户在广度和深度上提供全方位的内容。例如,用户问“你知道胡歌最近什么新闻吗”,智能聊天机器人只能回复胡歌最近的新闻,并没有后续跟进聊天。并且,无法适时的切换话题,例如,当情绪识别用户当前是消极类情绪时,由于没有“知识图谱库”,不确定当前聊的是什么话题,与之相关的还有哪些话题,没法通过切换话题对用户的情绪进行安抚使得聊天更类人。
而本发明能够结合自然语言处理,识别用户对话,和所回复信息中的经过命名实体识别技术获得的命名实体,经过知识图谱查询它们相关联系和属性信息,智能聊天机器人通过在聊天过程追加引导句或主动式发问的方式,对聊天过程做相关性的扩展,达到类人的聊天策略。
同时结合情绪识别模块,能够对话题扩展和切换做策略上的分配。例如,当情绪识别是消极类情绪时,通过用户画像中的喜好事物,并与知识图谱结合扩展同类型事物,给出用户感兴趣的事物和话题,起到切换话题重新唤起用户兴趣和安抚用户的作用,使得聊天更类人。
示例5,用户问“你知道胡歌最近什么新闻吗”,智能聊天机器人在回复新闻(假如包含“琅琊榜”)的同时,对用户提到的命名实体(例如“胡歌”),和回复中的命名实体(例如“琅琊榜”),在知识图谱中查询它们之间的关系,如图3所示,(例如存在“刘涛”也是“琅琊榜”的主演),进而在后续聊天过程中,选择在广度(问相关性的“刘涛”)或深度(持续聊“胡歌,琅琊榜”)方面做扩展。如果检测到用户下一轮对话情绪是负面的,例如用户说“没意思”,此时不再提当前命名实体在知识图谱中相关的词条和话题,而是在后续基于用户画像喜好(例如“美食”)做话题转移。
在本发明提供的一个具体实施例中,所述回答子系统还用于将所述回答模块输出给用户的所述回答语句存储到上下文对话历史库。
通过存储回答语句,能够记录用户的对话,为后续的对话分析提供依据。
本发明基于知识图谱库,结合自然语言处理技术,通过词条分类、层级关系、关系推理等技术,能够对闲聊单元提供深入的语义理解,优化文本检索和文本相似性计算;对记忆单元和用户画像提供概率关系推理服务,同类型推荐;对功能单元和任务引擎单元,提供扩展层级关系,扩大信息抽取理解范围和提高准确性,强化信息抽取的效果;对聊天策划单元提供话题扩展,话题切换。能够使得闲聊单元减少答非所问的几率,用户画像部分能推理和推荐,功能和任务引擎单元的信息抽取范围和准确率的提升,丰富和灵活化聊天策略的话题扩展和切换。
上述5个闲聊单元、记忆单元、功能单元、任务引擎单元和聊天策划单元,可以在整体智能聊天对话系统中运用并行技术同时运行,也可以单独运行,这都在本发明的保护范围内。
以上,为本发明提供的一种基于知识图谱的人机对话控制系统。
在上述的第一实施例中,提供了一种基于知识图谱的人机对话控制系统,与之相对应的,本申请还提供一种基于知识图谱的人机对话控制方法。请参考图4,其为本发明第二实施例提供的一种基于知识图谱的人机对话控制方法的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本发明第二实施例提供的一种基于知识图谱的人机对话控制方法,包括:
步骤S101:获取用户当前对话。
步骤S102:识别所述当前对话的特征信息。
步骤S103:根据所述当前对话和所述特征信息,从预设的知识图谱库中,查询与所述特征信息和所述当前对话相对应的关联信息。
步骤S104:根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户。
在本发明提供的一个具体实施例中,所述特征信息,包括:当前情绪、当前意图和命名实体中的一种或多种。
其中,在识别当前对话的命名实体时,可以采用自然语言处理技术识别当前对话。
在本发明提供的一个具体实施例中,所述关联信息,包括:实体的层级分类、属性、层级关系、关联词条和基本常识中的一种或多种。
在本发明提供的一个具体实施例中,所述回答语句,包括:语义回答语句、推荐回答语句、功能回答语句、任务回答语句和扩展回答语句中的一种或多种。
在本发明提供的一个具体实施例中,所述回答语句,包括:语义回答语句;
所述根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户,包括:
获取用户当前对话中命名实体在所述知识图谱库中的所述层级关系;
将所述层级关系作为过滤条件,采用文本检索方法,从语料库中搜索与所述当前对话相应的问答对;
基于所述层级关系,运用文本相似度计算方法,对所述当前对话和所述问答对进行文本相似度计算,将信心分最高的问答对中的答句作为语义回答语句,并将所述语义回答语句输出给用户。
在本发明提供的一个具体实施例中,所述回答语句,包括:推荐回答语句;
所述根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户,包括:
根据用户画像和所述当前对话,采用条件概率计算方法,计算相应的条件概率事件,并将所述条件概率事件发生给所述知识图谱控制模块;
根据所述条件概率事件,从所述知识图谱库中查询相应的关联词条,并将所述关联词条发送给所述记忆单元;
根据所述关联词条为用户提供相应的推荐回答语句,并将所述推荐回答语句输出给用户。
在本发明提供的一个具体实施例中,所述回答语句,包括:功能回答语句;
所述根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户,包括:
根据用户的当前意图和关联信息,利用自然语言处理技术,抽取所述当前对话的功能词条;
根据所述功能词条,获得功能回答语句,并将所述功能回答语句输出给用户。
在本发明提供的一个具体实施例中,所述回答语句,包括:扩展回答语句;
所述根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户,包括:
结合用户的当前情绪,根据所述关联信息,基于所述当前对话,为用户提供话题扩展的扩展回答语句,并将所述扩展回答语句输出给用户。
在本发明提供的一个具体实施例中,所述方法,还包括:将输出给用户的所述回答语句存储到上下文对话历史库。
以上,为本发明第二实施例提供的一种基于知识图谱的人机对话控制方法的实施例说明。
本发明提供的一种基于知识图谱的人机对话控制方法与上述一种基于知识图谱的人机对话控制系统出于相同的发明构思,具有相同的有益效果,此处不再赘述。
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 (8)
1.一种基于知识图谱的人机对话控制系统,其特征在于,包括:对话理解子系统和回答子系统;
所述对话理解子系统与所述回答子系统连接;
所述对话理解子系统用于获取用户当前对话,并识别所述当前对话的特征信息,将所述当前对话和所述特征信息发送给所述回答子系统;
所述回答子系统,包括:触发模块、回答模块和知识图谱控制模块;
所述触发模块与所述回答模块和所述知识图谱控制模块均连接;
所述回答模块和所述知识图谱控制模块连接;
所述触发模块用于根据所述当前对话和所述特征信息,触发所述回答模块和所述知识图谱控制模块;
所述知识图谱控制模块用于从预设的知识图谱库中,查询与所述特征信息和所述当前对话相对应的关联信息,并将所述关联信息发送给所述回答模块;
所述回答模块用于在被触发后,根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户;
所述回答模块,包括:闲聊单元、记忆单元、功能单元、任务引擎单元和聊天策划单元中的一种或多种;
所述闲聊单元,具体用于:
获取所述知识图谱控制模块发送的用户当前对话中命名实体在所述知识图谱库中的层级关系;
将所述层级关系作为过滤条件,采用文本检索方法,从语料库中搜索与所述当前对话相应的问答对;
基于所述层级关系,运用文本相似度计算方法,对所述当前对话和所述问答对进行文本相似度计算,将信心分最高的问答对中的答句作为语义回答语句,并将所述语义回答语句输出给用户。
2.根据权利要求1所述的系统,其特征在于,所述对话理解子系统,包括:情绪识别模块、意图识别模块和自然语言处理模块中一种或多种;
所述情绪识别模块用于根据用户的当前对话识别用户当前情绪的特征信息;
所述意图识别模块用于根据用户的当前对话识别用户当前意图的特征信息;
所述自然语言处理模块用于采用自然语言处理技术,识别当前对话命名实体的特征信息。
3.根据权利要求2所述的系统,其特征在于,所述关联信息,包括:实体的层级分类、属性、层级关系、关联词条和基本常识中的一种或多种。
4.根据权利要求1所述的系统,其特征在于,所述记忆单元,具体用于根据用户画像和所述当前对话,采用条件概率计算方法,计算相应的条件概率事件,并将所述条件概率事件发生给所述知识图谱控制模块;
所述知识图谱控制模块还用于根据所述条件概率事件,从所述知识图谱库中查询相应的关联词条,并将所述关联词条发送给所述记忆单元;
所述记忆单元用于根据所述关联词条为用户提供相应的推荐回答语句,并将所述推荐回答语句输出给用户。
5.根据权利要求1所述的系统,其特征在于,所述功能单元,具体用于:
根据用户的当前意图和关联信息,利用自然语言处理技术,抽取所述当前对话的功能词条;
根据所述功能词条,获得功能回答语句,并将所述功能回答语句输出给用户。
6.根据权利要求1所述的系统,其特征在于,所述聊天策划单元,具体用于:
结合用户的当前情绪,根据所述关联信息,基于所述当前对话,为用户提供话题扩展的扩展回答语句,并将所述扩展回答语句输出给用户。
7.根据权利要求1所述的系统,其特征在于,所述回答子系统还用于将所述回答模块输出给用户的所述回答语句存储到上下文对话历史库。
8.一种基于知识图谱的人机对话控制方法,其特征在于,包括:
获取用户当前对话;
识别所述当前对话的特征信息;
根据所述当前对话和所述特征信息,从预设的知识图谱库中,查询与所述特征信息和所述当前对话相对应的关联信息;
根据所述关联信息、所述特征信息和所述当前对话,获得回答语句,并将所述回答语句输出给用户,具体包括:获取用户当前对话中命名实体在所述知识图谱库中的层级关系;将所述层级关系作为过滤条件,采用文本检索方法,从语料库中搜索与所述当前对话相应的问答对;基于所述层级关系,运用文本相似度计算方法,对所述当前对话和所述问答对进行文本相似度计算,将信心分最高的问答对中的答句作为语义回答语句,并将所述语义回答语句输出给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711266922.7A CN107943998B (zh) | 2017-12-05 | 2017-12-05 | 一种基于知识图谱的人机对话控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711266922.7A CN107943998B (zh) | 2017-12-05 | 2017-12-05 | 一种基于知识图谱的人机对话控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107943998A CN107943998A (zh) | 2018-04-20 |
CN107943998B true CN107943998B (zh) | 2021-05-11 |
Family
ID=61945752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711266922.7A Active CN107943998B (zh) | 2017-12-05 | 2017-12-05 | 一种基于知识图谱的人机对话控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107943998B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846074A (zh) * | 2018-06-06 | 2018-11-20 | 广东您好科技有限公司 | 基于语义理解、知识图谱的智能路牌导向系统 |
CN108874957B (zh) * | 2018-06-06 | 2022-02-01 | 华东师范大学 | 基于Meta-graph知识图谱表示的对话式音乐推荐方法 |
CN109213847A (zh) * | 2018-09-14 | 2019-01-15 | 广州神马移动信息科技有限公司 | 答案的分层方法及其装置、电子设备、计算机可读介质 |
CN109344229A (zh) * | 2018-09-18 | 2019-02-15 | 深圳壹账通智能科技有限公司 | 对话分析评价的方法、装置、计算机设备和存储介质 |
CN109243582A (zh) * | 2018-09-19 | 2019-01-18 | 江苏金惠甫山软件科技有限公司 | 基于知识图谱技术的人机交互情绪管理方法和系统 |
CN111104490B (zh) * | 2018-10-25 | 2023-06-06 | 阿里巴巴集团控股有限公司 | 参数的删除方法及装置 |
CN109616108B (zh) * | 2018-11-29 | 2022-05-31 | 出门问问创新科技有限公司 | 多轮对话交互处理方法、装置、电子设备及存储介质 |
CN111309990B (zh) * | 2018-12-12 | 2024-01-23 | 北京嘀嘀无限科技发展有限公司 | 一种语句应答方法及装置 |
CN109840268A (zh) * | 2018-12-23 | 2019-06-04 | 国网浙江省电力有限公司 | 一种基于企业信息模型的全域数据图谱构建方法 |
CN109815319A (zh) * | 2018-12-24 | 2019-05-28 | 联想(北京)有限公司 | 信息处理方法及信息处理装置 |
CN109767818A (zh) * | 2018-12-27 | 2019-05-17 | 厦门快商通信息技术有限公司 | 一种定制医疗答疑问诊引导系统 |
CN109885692B (zh) * | 2019-01-11 | 2023-06-16 | 平安科技(深圳)有限公司 | 知识数据存储方法、装置、计算机设备和存储介质 |
CN109947949A (zh) * | 2019-03-12 | 2019-06-28 | 国家电网有限公司 | 知识信息智能管理方法、装置及服务器 |
CN109977215B (zh) * | 2019-03-29 | 2021-06-18 | 百度在线网络技术(北京)有限公司 | 基于关联兴趣点的语句推荐方法和装置 |
CN110096581B (zh) * | 2019-04-28 | 2021-04-20 | 宁波深擎信息科技有限公司 | 一种基于用户行为构建问答体系推荐问的系统及方法 |
CN110120001B (zh) * | 2019-05-08 | 2021-07-20 | 成都佳发安泰教育科技股份有限公司 | 一种基于知识图谱库与记忆曲线结合提分的方法及系统 |
CN110175226B (zh) * | 2019-05-09 | 2021-06-08 | 厦门邑通软件科技有限公司 | 一种基于多维度场景分析的对话决策方法 |
CN110222162A (zh) * | 2019-05-10 | 2019-09-10 | 天津中科智能识别产业技术研究院有限公司 | 一种基于自然语言处理和知识图谱的智能问答方法 |
CN110196978A (zh) * | 2019-06-04 | 2019-09-03 | 重庆大学 | 一种关注关联词的实体关系抽取方法 |
CN110210840A (zh) * | 2019-06-14 | 2019-09-06 | 言图科技有限公司 | 一种基于即时聊天实现企业管理的方法和系统 |
CN110489513A (zh) * | 2019-06-24 | 2019-11-22 | 覃立万 | 一种智能机器人社交信息处理方法及与人的社交系统 |
CN110688467A (zh) * | 2019-08-23 | 2020-01-14 | 北京百度网讯科技有限公司 | 命名实体识别方法、装置、计算机设备及存储介质 |
CN110543556A (zh) * | 2019-09-05 | 2019-12-06 | 出门问问信息科技有限公司 | 对话配置方法及存储介质和电子设备 |
CN110909159B (zh) * | 2019-09-29 | 2022-09-16 | 珠海格力电器股份有限公司 | 一种用户意图识别方法、装置、终端及存储介质 |
CN111177410B (zh) * | 2019-12-27 | 2021-01-12 | 浙江理工大学 | 基于进化R-tree的知识图谱存储和相似性检索方法 |
CN111460124B (zh) * | 2020-04-21 | 2023-08-25 | 文思海辉智科科技有限公司 | 智能交互方法、装置及机器人 |
CN113806468B (zh) * | 2020-06-11 | 2024-01-09 | 中移(苏州)软件技术有限公司 | 一种文本对话引导方法及装置、设备、存储介质 |
WO2022012234A1 (zh) * | 2020-07-17 | 2022-01-20 | 海信视像科技股份有限公司 | 一种关联推荐方法、智能设备及服务设备 |
CN114238589B (zh) * | 2020-09-09 | 2023-11-21 | 中移智行网络科技有限公司 | 人机对话控制方法及装置、终端 |
CN113392261B (zh) * | 2021-05-13 | 2022-07-01 | 宁波大学 | 基于影视主题的对话式音乐推荐方法 |
CN113239688B (zh) * | 2021-05-24 | 2022-04-08 | 北京中科汇联科技股份有限公司 | 一种条件实体提取方法 |
CN113407678B (zh) * | 2021-06-30 | 2023-08-01 | 竹间智能科技(上海)有限公司 | 知识图谱构建方法、装置和设备 |
CN115497482B (zh) * | 2022-06-27 | 2024-05-03 | 湖北大学 | 一种语音对话方法及相关装置 |
CN115292513A (zh) * | 2022-07-22 | 2022-11-04 | 山东浪潮科学研究院有限公司 | 基于多视图学习的教学知识图谱构建及检索方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593054B (zh) * | 2013-11-25 | 2018-04-20 | 北京光年无限科技有限公司 | 一种结合情绪识别及输出的问答系统 |
US10586156B2 (en) * | 2015-06-25 | 2020-03-10 | International Business Machines Corporation | Knowledge canvassing using a knowledge graph and a question and answer system |
CN105095195B (zh) * | 2015-07-03 | 2018-09-18 | 北京京东尚科信息技术有限公司 | 基于知识图谱的人机问答方法和系统 |
CN106202476B (zh) * | 2016-07-14 | 2017-06-06 | 广州安望信息科技有限公司 | 一种基于知识图谱的人机对话的方法及装置 |
CN106448670B (zh) * | 2016-10-21 | 2019-11-19 | 竹间智能科技(上海)有限公司 | 基于深度学习和强化学习的自动回复对话系统 |
CN106844506A (zh) * | 2016-12-27 | 2017-06-13 | 竹间智能科技(上海)有限公司 | 一种人工智能对话的知识检索方法及知识库自动完善方法 |
-
2017
- 2017-12-05 CN CN201711266922.7A patent/CN107943998B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107943998A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107943998B (zh) | 一种基于知识图谱的人机对话控制系统及方法 | |
US11966986B2 (en) | Multimodal entity and coreference resolution for assistant systems | |
CN109616108B (zh) | 多轮对话交互处理方法、装置、电子设备及存储介质 | |
JP6813615B2 (ja) | 会話型相互作用システムの検索入力におけるユーザ意図を推定する方法およびそのためのシステム | |
CN110121706B (zh) | 提供会话中的响应 | |
CN107146610B (zh) | 一种用户意图的确定方法及装置 | |
CN108446286B (zh) | 一种自然语言问句答案的生成方法、装置及服务器 | |
US20210142794A1 (en) | Speech processing dialog management | |
CN110288985B (zh) | 语音数据处理方法、装置、电子设备及存储介质 | |
CN109918650B (zh) | 自动生成采访稿的采访智能机器人装置及智能采访方法 | |
CN114930363A (zh) | 为助理系统生成主动内容 | |
US20160379106A1 (en) | Human-computer intelligence chatting method and device based on artificial intelligence | |
CN111081220B (zh) | 车载语音交互方法、全双工对话系统、服务器和存储介质 | |
JP7204801B2 (ja) | ニューラルネットワークに基づくマンマシンインタラクション方法、装置、及び媒体 | |
JP7171911B2 (ja) | ビジュアルコンテンツからのインタラクティブなオーディオトラックの生成 | |
CN116881428B (zh) | 一种语言模型训练方法及装置 | |
US11200885B1 (en) | Goal-oriented dialog system | |
CN116018791A (zh) | 在助手系统中使用单个请求进行多人呼叫 | |
CN116541504B (zh) | 对话生成方法、装置、介质及计算设备 | |
US20230350929A1 (en) | Method and system for generating intent responses through virtual agents | |
US20240062164A1 (en) | Data ingestion and understanding for natural language processing systems | |
CN111427444B (zh) | 一种智能设备的控制方法和设备 | |
CN117093785B (zh) | 基于社交引导用户的方法、系统、设备及存储介质 | |
Tan et al. | A Real-World Human-Machine Interaction Platform in Insurance Industry | |
CN116075885A (zh) | 用于第三方数字助理动作的基于位向量的内容匹配 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |