CN111309879A - 基于知识图谱的人机训练场景构建方法和装置 - Google Patents
基于知识图谱的人机训练场景构建方法和装置 Download PDFInfo
- Publication number
- CN111309879A CN111309879A CN202010065474.XA CN202010065474A CN111309879A CN 111309879 A CN111309879 A CN 111309879A CN 202010065474 A CN202010065474 A CN 202010065474A CN 111309879 A CN111309879 A CN 111309879A
- Authority
- CN
- China
- Prior art keywords
- conversational
- inference
- intention
- mode
- question
- 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.)
- Pending
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
- G06F16/33—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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种基于知识图谱的人机训练场景构建方法、装置、计算机设备和存储介质。该方法包括:获取预先建立的意图知识图谱;确定意图知识图谱中意图实体所含话术问题的推理模式;基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径;根据目标路径及目标路径中的各实体所对应的话术问题,得到人机训练场景。该方法结合意图实体所含话术问题的推理模式进行知识推理,判断不同训练场景路径走向,计算出一个或多个路径,根据路径及路径中各实体所对应的话术问题生成训练场景,使得人机训练场景能够灵活创建,避免建立简单或者不符合真实需求的训练场景,极大地提高了创建人机训练场景的方便性。
Description
技术领域
本申请涉及知识图谱技术领域,特别是涉及一种基于知识图谱的人机训练场景构建方法和装置。
背景技术
人机训练是指利用机器模拟客户,对客服人员进行训练,以提高客服人员回答问题的能力。
目前,针对人机训练所设定的训练场景需要人工配置,由人工选择每次人机训练的话术问题构建训练场景。这就使得构建的人机训练场景单一,无法满足用户灵活多变创建训练场景的真实需求。
发明内容
基于此,有必要针对上述技术问题,提供一种能够灵活构建训练场景的基于知识图谱的人机训练场景构建方法、装置、计算机设备和存储介质。
一种基于知识图谱的人机训练场景构建方法,所述方法包括:
获取预先建立的意图知识图谱;
确定所述意图知识图谱中意图实体所含话术问题的推理模式;
基于所述意图知识图谱,根据所述话术问题的预设推理模式进行知识推理,得到所述意图知识图谱中的目标路径;
根据所述目标路径及所述目标路径中的各实体所对应的话术问题,得到人机训练场景。
在其中一个实施例中,所述方法还包括:
接收推理模式配置信息;
根据所述推理模式配置信息为所述意图知识图谱中意图实体所含的每一个话术问题配置对应的推理模式,所述推理模式至少包括以下之一:随机推理模式、自定义算法组合模式、语义理解模式。
在其中一个实施例中,若为所述话术问题配置的推理模式为所述自定义算法组合模式,所述方法还包括:
接收算法组合配置信息;
为所述话术问题配置与所述算法组合配置信息对应的一种自定义推理算法或多种自定义推理算法的组合。
在其中一个实施例中,基于所述意图知识图谱,根据所述话术问题的预设推理模式进行知识推理,得到所述意图知识图谱中的目标路径,包括:
获取在所述意图知识图谱中选定的作为开始节点的意图实体和作为结束节点的意图实体;
从作为开始节点的所述意图实体出发,根据当前所述话术问题的推理模式进行知识推理,确定当前所述话术问题的下一话术问题,并建立当前所述话术问题至下一话术问题的路径分支;
当确定到当前所述话术问题的下一话术问题从属于作为结束节点的意图实体时,确定所述目标路径,其中,所述目标路径由所有已推理话术问题对应的路径分支组成。
在其中一个实施例中,所述根据当前所述话术问题的推理模式进行知识推理,确定当前所述话术问题的下一话术问题,包括:
获取当前所述话术问题的推理模式对应的推理规则;
根据所述推理规则对在所述意图知识图谱中与当前所述话术问题相关联的全部话术问题进行判断;
将符合所述推理规则的一个或多个话术问题确定为当前所述话术问题的下一话术问题。
在其中一个实施例中,若当前所述话术问题具有强关系标识,则将与当前所述话术问题具有强关系的话术问题确定为当前所述话术问题的下一个话术问题。
在其中一个实施例中,所述方法还包括:
若所述意图实体中包含多个相同话术问题,且所述多个相同话术问题配置的推理模式不同时,将所述多个相同话术问题的推理模式配置为相同的推理模式。
在其中一个实施例中,所述将所述多个相同话术问题的推理模式配置为相同的推理模式包括:
确定所述多个相同话术问题中最先配置推理模式的第一话术问题;
获取所述第一话术问题对应的第一推理模式;
所述多个相同话术问题中的每一个对应的推理模式配置为所述第一推理模式。
一种基于知识图谱的人机训练场景构建装置,所述装置包括:
图谱获取模块,用于获取预先建立的意图知识图谱;
推理模式确定模块,用于确定所述意图知识图谱中意图实体所含话术问题的推理模式;
知识推理模块,用于基于所述意图知识图谱,根据所述话术问题的预设推理模式进行知识推理,得到所述意图知识图谱中的目标路径;
场景获取模块,用于根据所述目标路径及所述目标路径中的各实体所对应的话术问题,得到人机训练场景。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述基于知识图谱的人机训练场景构建方法、装置、计算机设备和存储介质,结合意图实体所含话术问题的推理模式进行知识推理,判断不同训练场景路径分支走向,计算出一个或多个路径,根据路径及路径中各实体所对应的话术问题生成训练场景,使得人机训练场景能够灵活创建,避免建立简单或者不符合真实需求的训练场景,极大地提高了创建人机训练场景的方便性。
附图说明
图1为一个实施例中基于知识图谱的人机训练场景构建方法的应用环境图;
图2为一个实施例中基于知识图谱的人机训练场景构建方法的流程示意图;
图3为一个实施例中已建立好的意图知识图谱的结构示意图;
图4为另一个实施例中话术问题的推理模式设置界面示意图;
图5为一个实施例中基于知识图谱的人机训练场景构建装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于知识图谱的人机训练场景构建方法,可以应用于如图1所示的应用环境中。其中,包括训练终端102、管理者终端104和服务器106。训练终端和管理者终端104分别通过网络与服务器106通过网络进行通信。人机训练管理者通过管理者终端104进行设置,服务器获取预先建立的意图知识图谱;确定意图知识图谱中意图实体所含话术问题的推理模式;基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径;根据目标路径及目标路径中的各实体所对应的话术问题,得到人机训练场景。管理者通过管理者终端104将人机训练场景发布至训练终端102,参训人员通过训练终端102进行人机训练。其中,训练终端102和管理者终端可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于知识图谱的人机训练场景构建方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤202,获取预先建立的意图知识图谱。
具体地,本申请的基于知识图谱的人机训练场景构建方法,基于已经建立好的意图知识图谱实现。本申请的人机训练方法用于对客服或坐席的话术技巧进行训练,能够生成多条路径自动生成人机训练场景中的其中一个场景进行训练。
其中,意图知识图谱是指根据话术问题的意图动机建立的知识图谱,其涵盖了人机训练场景中所有的意图,并按照业务模式和环节进行归类和关联。具体地,人机训练的管理者,抽象话术问题的意图动机,根据话术的业务模式和环节将意图分类,模拟实际销售推广业务的方法建立意图之间的关联关系,最后形成意图知识图谱。意图动机是指消费者购买并消费商品时最直接的原因和动力,所以,获取话术的意图动机是从销售过程中消费者的问题抽象出来的,再依据销售流程将抽象出的意图有逻辑的关联组合,最终形成的意图知识图谱便会更贴近实际的销售过程。
可以理解的是,不同产品的话术问题不同,所建立的意图知识图谱也不相同。一个实施例中,意图知识图谱中包括的问题可能有:“我想知道来电的目的,身份”,“我想知道产品的价格”,“我想知道产品的服务”,“我想知道如何理赔”等等。一个实施例中已建立好的意图知识图谱如图3所示。
步骤S204,确定意图知识图谱中意图实体所含话术问题的推理模式。
话术问题是产品销售过程中消费者所提出的问题,问题的回复,即是与话术问题对应回复的标准话术。对于客服或坐席而言,通过人机训练话术,提高对话术问题的答复能力,使客户或坐席掌握话术。
对于意图知识图谱的每一个意图实体,还构建了具有跟此意图相关的话术问题对,包括话术问题和针对该话术问题回复的标准话术。通过在意图图谱的每一个实体上建立对应的跟此意图相关联的话术问题以及话术,并将话术问题对进行编码,方便查看问题对归属于哪个意图。
例如,一个意图名称为“我想知道来电的目的、身份”,包括了与该意图相关的多个话术问题有:问题1“喂,哪位”,问题2“请问有什么事?”,问题3“喂,你是?”这些话术问题的意图相同,均是客户想知道来电的目的或身份。针对这些话术问题,拟定了标准话术,即是客服或是坐席所需要掌握的话术技能。
话术问题的推理模式,是指采用何种推理方法对当前话术问题的下一个要出现的问题进行推理。推理模式例如语义理解模式,随机推理模式等等。其中,话术问题的推理模式可以由训练者进行配置。
步骤S206,基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径。具体地,根据意图知识图谱,对于意图知识图谱中意图实体下各话术问题,调用相应的推理方法进行知识推理,自动推理出意图知识图谱中路径的分支,确定下一个意图实体中的问题是哪一个。
S208,根据目标路径及目标路径中的各实体所对应的话术问题,得到人机训练场景。
具体地,人机训练场景为由推理出来的目标路径中的实体对应的话术问题组成的,目标路径决定了话术问题的顺序。在人机训练场景构建好后,根据话术问题的顺序依次向被培训人员提出话术问题,接收用户关于每个话术问题的回答,并判断回答质量,进而达到了通过人机训练系统自动对被培训人员进行话术培训的效果。
上述基于知识图谱的人机训练场景构建方法,结合意图实体所含话术问题的推理模式进行知识推理,判断不同训练场景路径分支走向,计算出一个或多个路径,根据路径及路径中各实体所对应的话术问题生成训练场景,使得人机训练场景能够灵活创建,避免建立简单或者不符合真实需求的训练场景,极大地提高了创建人机训练场景的效率及智能化程度。
在另一个实施例中,话术问题的推理模式是预先配置的。对于意图实体的每个话术问题,在进行人机训练时,人机训练管理者可根据实际训练情况,如参训人员的话术技能程度,此次训练目的设置各意图实体中各话术的推理模式。推理模式是指采用何种计算方法触发该话术问题出现在相应的训练场景中。推理模式不同,调用的计算方法不同,话术问题的分支走向不相同,得到的人机训练场景也不相同。
具体地,基于知识图谱的人机训练场景构建方法,还包括:接收推理模式配置信息;根据推理模式配置信息为意图知识图谱中意图实体所含的每一个话术问题配置对应的推理模式,推理模式至少包括以下之一:随机推理模式、自定义算法组合模式、语义理解模式。
具体地,服务器响应设置操作,获取对话术问题的推理模式设置指令,推理模式设置指令包括设置的话术问题,该话术问题所属的意图实体以及所选择的推理模式;根据推理模式设置指令,建立意图实体、话术问题和推理模式的对应关系。
具体地,一个实施例中话术问题的推理模式设置界面示意图如图4所示,管理者通过管理者终端打开意图实体的管理界面,对于该意图实体所含的问题点击推理模式设置开关,在该界面显示可供选择的推理模式包括推理模式至少包括以下之一:随机推理模式、自定义算法组合模式、语义理解模式。在管理者终端提交所选择的推理模式后,服务器响应设置操作,获取对话术问题的推理模式设置指令,推理模式设置指令包括设置的话术问题,该话术问题所属的意图实体以及所选择的推理模式。服务器建立意图实体、话术问题和推理模式的对应关系。根据这种对应关系,在进行问题路径分支计算时,能够查找到意图实体下该话术问题对应的推理模式。
其中,随机推理模式是指话术问题是根据随机概率出现在不同的训练场景中。具体地,随机概率算法,是计算问题的随机概率,以随机的方式出现问题,体现场景训练的多样性,使训练更加真实。
语义理解模式是指依据坐席或客服叙述的话术内容是否符合标准话术要求的方式出现在训练场景中。语义理解算法,具体算法内容分为两步,第一步是基于BERT(Bidirectional Encoder Representations from Transformers)模型进行关键词槽值自动分类,第二步是基于命名实体识别进行关键词抽取,可以自动抽取坐席或客服话术中的关键词,并根据上下文语境判断关键词出现位置是否符合标准话术,克服了关键词机械匹配没有考虑上下文语境的痛点问题,使一些作弊行为即使匹配到关键词,也因为语境不合适而无法得到高分。
自定义算法组合模式是指话术问题依据已有的模型或自定义模型的任意组合判断的方式出现在训练场景中。
通过为话术问题设置多种可选的推理模式,使得用户可以根据自己的需求设定特定的生成人机训练场景的推理方式,进而用户能够得到更为丰富的适用于不同培训目的的人机训练场景,同时由于每个话术问题的推理模式都是可以进行设置的,也让人机训练的训练效果更为可控。
在配置过程中,若意图实体中包含多个相同话术问题,且多个相同话术问题配置的推理模式不同时,将多个相同话术问题的推理模式配置为相同的推理模式。
即,在一个意图实体对应的多个话术问题中,可能有某几个话术问题是相同的或基本相同的,而当用户分别对该相同的话术问题配置推理模式时,可能配置成不同的推理模式,这就会导致在同一个话术问题对下一个话术问题的推理模式不同。用户在基于特定的培训效果进行话术问题的推理模式的配置时,这将导致培训效果的不确定。因此建立话术问题推理模式的监控机制,可以保证相同话术问题对应的推理模式的统一。
一个实施例中,还可输出预设设置提示。其中,预设设置提示可以为文字提示,提醒用户仅能选择一个推理模式。通过对话术问题的推理模式设置进行监控,能够及时提醒用户仅能选择一个推理模式,避免管理者选择多个推理模式的情况。
在另一个实施例中,将多个相同话术问题的推理模式配置为相同的推理模式包括:确定多个相同话术问题中最先配置推理模式的第一话术问题;获取第一话术问题对应的第一推理模式;多个相同话术问题中的每一个对应的推理模式配置为第一推理模式。
即,当一个意图实体对应多个相同的话术问题时,可将最先配置推理模式的话术问题对应的推理模式确定为目标推理模式,推理模式监控机制将监控其他话术问题配置的推理模式是否与目标推理模式相同,若不同,则会提示用户进行更正。
进一步地,当一个意图实体对应多个相同的话术问题时,可将最先配置推理模式的话术问题对应的推理模式确定为目标推理模式,系统自动将其他话术问题的推理模式配置为该目标推理模式。实现了高效保证一个意图实体中的多个相同话术问题的推理模式的统一。
一个实施例中,对于配置多种推理模式的场景,还可将默认的优先级最高推理模式参与路径分支计算。
具体地,一个实施例中话术问题的推理模式设置界面示意图如图4所示,通过管理者终端可以对话术问题的推理模式进行设置。对于设置了多个推理模式的话术问题,在进行知识推理时,获取该话术问题所选择的推理模式的优先级,其中,各推理模式的优先级是由管理人员设置的,例如,随机概率模式的优先级高于模型组合模式的优先级,模型组合模式的优先级高于语义理解的优先级。同时,将优先级最高的推理模式作为参与该问题分支计算的推理模式。例如,当管理者对该问题设置了三个模式时,将优先级最高的随机概率模式作为参与该问题路径分支计算的推理模式。
通过对意图实体中话术问题设置触发机制的优先级设置,能够在将优级最高的推理模式参与路径分支计算,减少系统计算量,提高效率。
在一个实施例中,若为话术问题配置的推理模式为自定义算法组合模式,基于知识图谱的人机训练场景构建方法还包括:接收算法组合配置信息;为话术问题配置与算法组合配置信息对应的一种自定义推理算法或多种自定义推理算法的组合。
通过该步骤为自定义算法组合模式配置一种自定义推理算法或多种自定义推理算法的组合。例如,一个实施例中,有5种自定义推理算法可任意组合或独立使用,包括:①命中规则的个数,根据各个分支的规则数情况,设定跳转执行命中规则数多的分支;②命中规则的得分多少根据各个分支的命中规则的得分情况,设定跳转执行命中规则得分多或者少的分支;③整体训练数据正误率,通过大数据分析所有座席或客服训练此场景中的此分支的训练情况,包括分支的错误率和正确率,可以设定跳转执行错误率高的分支;④个人训练数据正误率,通过大数据分析坐席或客服自己训练此场景中的此分支的训练情况,包括分支的错误率和正确率,可以设定跳转执行错误率高的分支;⑤话术关键问题循环,根据关键问题回答情况,设定是否循环重复此问题的次数(参数设定最多三次循环),如回答错误可循环重复此问题,直至回答正确。如三次回答还是错误则继续流程中以下问题。
在另一个实施例中,基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径,包括:获取在意图知识图谱中选定的作为开始节点的意图实体和作为结束节点的意图实体;从作为开始节点的意图实体出发,根据当前话术问题的推理模式进行知识推理,确定当前话术问题的下一话术问题,并建立当前话术问题至下一话术问题的路径分支;当确定到当前话术问题的下一话术问题从属于作为结束节点的意图实体时,确定目标路径,其中,目标路径由所有已推理话术问题对应的路径分支组成。
管理者可以根据训练目的,在意图知识图谱中选择作为开始节点的意图实体和作为结束节点的意图识体。开始节点是意图知识图谱中本次训练的起始点,即训练作为起始点的意图。例如,本次训练以打招呼作为开始节点。结束节点是意图知识图谱中本次训练的结束点,即训练作为结束点的意图。例如,本次训练以拒绝销售、销售成功或有意向再次预约作为结束点。
具体地,从意图知识图谱的作为开始节点的意图实体出发,根据当前话术问题的推理模式,调用相应的计算方法进行知识推理,自动推理出意图知识图谱中路径的分支走向,确定下一个意图实体中的问题是哪一个,并建立该话术问题至下一问题的路径分支,直至当确定到话术问题的下一话术问题属于作为结束节点的意图实体时,结束知识推理,确定目标路径。目标路径由所有已推理话术问题对应的路径分支组成。
根据当前话术问题的推理模式进行知识推理,确定当前话术问题的下一话术问题,包括:获取当前话术问题的推理模式对应的推理规则;根据推理规则对在意图知识图谱中与当前话术问题相关联的全部话术问题进行判断;将符合推理规则的一个或多个话术问题确定为当前话术问题的下一话术问题。
本实施例中,对于意图知识图谱中的每个节点,根据话术问题的推理模式的推理规则,即所调用的算法,在意图知识图谱中与当前话术问题相关联的全部话术问题进行判断,得到推理出的当前话术问题所指向的下一话术问题。
若当前话术问题具有强关系标识,则将与当前话术问题具有强关系的话术问题确定为当前话术问题的下一个话术问题。
具体地,在对话术问题进行知识推理的过程中,若话术问题具有强关系标识,则直接将具有强关系的话术问题确定为当前话术问题的下一话术问题。
强关系指的是某一个问题指向下一个问题的路径是确定的,由箭头关系代表的强逻辑推理的下一个节点。当意图实体的话术问题具有强关系标记时获取与该话术问题具有强关系的下一话术问题,并建立该话术问题至下一问题的路径分支。
具体地,由于某些话术问题之间有着固定的先后关系,或者用户希望在某个话术问题之后,出现固定的另一个话术问题,因此话术问题的强弱关系可预先对话术问题进行配置,建立具有强关系的两个话术问题的对应关系以及强关系标记。其中,对应关系包括了话术问题以及强关系指向,即是某个话术问题的下一个问题走向是确定的。若话术问题之间是弱关系,则无需进行配置,即某个话术问题的下一个问题是通过所设置的推理模式来确定。具体地,在进行知识推理时,从意图知识图谱的开始节点出发,对于各意图实体所含的话术问题,若话术问题具有强关系标记,则在进行知识推理时,根据强关系标记,获取与该话术问题具有强关系的下一问题,并建立该话术问题至下一问题的路径分支。即,强关系的话术问题的路径分支是确定的且唯一的。对于各意图实体所含的话术问题,若话术问题具有弱关系标记,则根据话术问题的推理模式调用相应的计算方法计算下一分支。
该方法通过对话术问题的强弱关系进行标记,从而在进行话术推理时,具有强关系的话术问题的路径分支明确,使得管理者能够根据人机训练需求灵活设置,提高了人机训练的灵活性。
在另一个实施例中,基于知识图谱的人机训练场景构建方法还包括:根据发布指令,将人机训练场景发布至训练终端。
具体地,管理者终端进行发布操作,服务器接收发布指令,将人机训练场景发布至训练终端,参训人员在训练终端进行人机训练,提高话术。
本申请的基于知识图谱的人机训练场景构建方法,在已建立好的意图知识图谱的基础上,对话术问题设置推理模式,从而调用不同的模式进行知识推理,确定话术问题路径分支,从而能够得到多个话术问题的训练场景。与现在技术相比,应用本发明提供的方法构建的训练场景能够实现自动创建多条路径的训练场景,实现人机训练场景自动创建的智能化与灵活性。同时,基于知识图谱自动构建的训练场景,比人工手动创建的场景准确性更高,特别是复杂关系场景。而基于知识图谱的训练场景包含逻辑关联关系,问题与意图逻辑清晰,层次分明,更贴近真实业务场景。
在一个实施例中,如图5所示,提供了一种基于知识图谱的人机训练场景构建装置,包括:
图谱获取模块502,用于获取预先建立的意图知识图谱。
推理模式确定模块504,用于确定意图知识图谱中意图实体所含话术问题的推理模式。
知识推理模块506,用于基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径。
场景获取模块508,用于根据目标路径及目标路径中的各实体所对应的话术问题,得到人机训练场景。
上述基于知识图谱的人机训练场景构建装置,结合意图实体所含话术问题的推理模式进行知识推理,判断不同训练场景路径走向,计算出一个或多个路径,根据路径及路径中各实体所对应的话术问题生成训练场景,使得人机训练场景能够灵活创建,避免建立简单或者不符合真实需求的训练场景,极大地提高了创建人机训练场景的方便性。
在另一个实施例中,基于知识图谱的人机训练场景构建装置还包括:
模式配置信息获取模块,用于接收推理模式配置信息。
配置模块,用于根据推理模式配置信息为意图知识图谱中意图实体所含的每一个话术问题配置对应的推理模式,推理模式至少包括以下之一:随机推理模式、自定义算法组合模式、语义理解模式。
在另一个实施例中,配置模块还用于接收算法组合配置信息;为话术问题配置与算法组合配置信息对应的一种自定义推理算法或多种自定义推理算法的组合。
在另一个实施例中,知识推理模块,包括:
起始点获取模块,用于获取在意图知识图谱中选定的作为开始节点的意图实体和作为结束节点的意图实体。
推理模块,用于从作为开始节点的意图实体出发,根据当前话术问题的推理模式进行知识推理,确定当前话术问题的下一话术问题,并建立当前话术问题至下一话术问题的路径分支。
路径确定模块,用于当确定到当前话术问题的下一话术问题从属于作为结束节点的意图实体时,确定目标路径,其中,目标路径由所有已推理话术问题对应的路径分支组成。
在另一个实施例中,推理模块,还用于获取当前话术问题的推理模式对应的推理规则;根据推理规则对在意图知识图谱中与当前话术问题相关联的全部话术问题进行判断;将符合推理规则的一个或多个话术问题确定为当前话术问题的下一话术问题。
在另一个实施例中,推理模块,还用于若当前话术问题具有强关系标识,则将与当前话术问题具有强关系的话术问题确定为当前话术问题的下一个话术问题。
在另一个实施例中,配置模块,还用于若意图实体中包含多个相同话术问题,且多个相同话术问题配置的推理模式不同时,将多个相同话术问题的推理模式配置为相同的推理模式。
在另一个实施例中,配置模块,还用于确定多个相同话术问题中最先配置推理模式的第一话术问题;获取第一话术问题对应的第一推理模式;多个相同话术问题中的每一个对应的推理模式配置为第一推理模式。
关于基于知识图谱的人机训练场景构建装置的具体限定可以参见上文中对于基于知识图谱的人机训练场景构建方法的限定,在此不再赘述。上述基于知识图谱的人机训练场景构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于知识图谱的人机训练场景构建方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取预先建立的意图知识图谱;
确定意图知识图谱中意图实体所含话术问题的推理模式;
基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径;
根据目标路径及目标路径中的各实体所对应的话术问题,得到人机训练场景。
在另一个实施例中,该处理器执行计算机程序时实现以下步骤:
接收推理模式配置信息;
根据推理模式配置信息为意图知识图谱中意图实体所含的每一个话术问题配置对应的推理模式,推理模式至少包括以下之一:随机推理模式、自定义算法组合模式、语义理解模式。
在另一个实施例中,若为话术问题配置的推理模式为自定义算法组合模式,该处理器执行计算机程序时实现以下步骤:接收算法组合配置信息;
为话术问题配置与算法组合配置信息对应的一种自定义推理算法或多种自定义推理算法的组合。
在另一个实施例中,基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径,包括:
获取在意图知识图谱中选定的作为开始节点的意图实体和作为结束节点的意图实体;
从作为开始节点的意图实体出发,根据当前话术问题的推理模式进行知识推理,确定当前话术问题的下一话术问题,并建立当前话术问题至下一话术问题的路径分支;
当确定到当前话术问题的下一话术问题从属于作为结束节点的意图实体时,确定目标路径,其中,目标路径由所有已推理话术问题对应的路径分支组成。
在另一个实施例中,根据当前话术问题的推理模式进行知识推理,确定当前话术问题的下一话术问题,包括:
获取当前话术问题的推理模式对应的推理规则;
根据推理规则对在意图知识图谱中与当前话术问题相关联的全部话术问题进行判断;
将符合推理规则的一个或多个话术问题确定为当前话术问题的下一话术问题。
在另一个实施例中,若当前话术问题具有强关系标识,则将与当前话术问题具有强关系的话术问题确定为当前话术问题的下一个话术问题。
在另一个实施例中,该处理器执行计算机程序时实现以下步骤:
若意图实体中包含多个相同话术问题,且多个相同话术问题配置的推理模式不同时,将多个相同话术问题的推理模式配置为相同的推理模式。
在另一个实施例中,将多个相同话术问题的推理模式配置为相同的推理模式包括:
确定多个相同话术问题中最先配置推理模式的第一话术问题;
获取第一话术问题对应的第一推理模式;
多个相同话术问题中的每一个对应的推理模式配置为第一推理模式。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取预先建立的意图知识图谱;
确定意图知识图谱中意图实体所含话术问题的推理模式;
基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径;
根据目标路径及目标路径中的各实体所对应的话术问题,得到人机训练场景。
在另一个实施例中,该处理器执行计算机程序时实现以下步骤:
接收推理模式配置信息;
根据推理模式配置信息为意图知识图谱中意图实体所含的每一个话术问题配置对应的推理模式,推理模式至少包括以下之一:随机推理模式、自定义算法组合模式、语义理解模式。
在另一个实施例中,若为话术问题配置的推理模式为自定义算法组合模式,该处理器执行计算机程序时实现以下步骤:接收算法组合配置信息;
为话术问题配置与算法组合配置信息对应的一种自定义推理算法或多种自定义推理算法的组合。
在另一个实施例中,基于意图知识图谱,根据话术问题的预设推理模式进行知识推理,得到意图知识图谱中的目标路径,包括:
获取在意图知识图谱中选定的作为开始节点的意图实体和作为结束节点的意图实体;
从作为开始节点的意图实体出发,根据当前话术问题的推理模式进行知识推理,确定当前话术问题的下一话术问题,并建立当前话术问题至下一话术问题的路径分支;
当确定到当前话术问题的下一话术问题从属于作为结束节点的意图实体时,确定目标路径,其中,目标路径由所有已推理话术问题对应的路径分支组成。
在另一个实施例中,根据当前话术问题的推理模式进行知识推理,确定当前话术问题的下一话术问题,包括:
获取当前话术问题的推理模式对应的推理规则;
根据推理规则对在意图知识图谱中与当前话术问题相关联的全部话术问题进行判断;
将符合推理规则的一个或多个话术问题确定为当前话术问题的下一话术问题。
在另一个实施例中,若当前话术问题具有强关系标识,则将与当前话术问题具有强关系的话术问题确定为当前话术问题的下一个话术问题。
在另一个实施例中,该处理器执行计算机程序时实现以下步骤:
若意图实体中包含多个相同话术问题,且多个相同话术问题配置的推理模式不同时,将多个相同话术问题的推理模式配置为相同的推理模式。
在另一个实施例中,将多个相同话术问题的推理模式配置为相同的推理模式包括:
确定多个相同话术问题中最先配置推理模式的第一话术问题;
获取第一话术问题对应的第一推理模式;
多个相同话术问题中的每一个对应的推理模式配置为第一推理模式。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种基于知识图谱的人机训练场景构建方法,所述方法包括:
获取预先建立的意图知识图谱;
确定所述意图知识图谱中意图实体所含话术问题的推理模式;
基于所述意图知识图谱,根据所述话术问题的预设推理模式进行知识推理,得到所述意图知识图谱中的目标路径;
根据所述目标路径及所述目标路径中的各实体所对应的话术问题,得到人机训练场景。
2.根据权利要求1所述方法,其特征在于,所述方法还包括:
接收推理模式配置信息;
根据所述推理模式配置信息为所述意图知识图谱中意图实体所含的每一个话术问题配置对应的推理模式,所述推理模式至少包括以下之一:随机推理模式、自定义算法组合模式、语义理解模式。
3.根据权利要求2所述的方法,其特征在于,若为所述话术问题配置的推理模式为所述自定义算法组合模式,所述方法还包括:
接收算法组合配置信息;
为所述话术问题配置与所述算法组合配置信息对应的一种自定义推理算法或多种自定义推理算法的组合。
4.根据权利要求1所述的方法,其特征在于,基于所述意图知识图谱,根据所述话术问题的预设推理模式进行知识推理,得到所述意图知识图谱中的目标路径,包括:
获取在所述意图知识图谱中选定的作为开始节点的意图实体和作为结束节点的意图实体;
从作为开始节点的所述意图实体出发,根据当前所述话术问题的推理模式进行知识推理,确定当前所述话术问题的下一话术问题,并建立当前所述话术问题至下一话术问题的路径分支;
当确定到当前所述话术问题的下一话术问题从属于作为结束节点的意图实体时,确定所述目标路径,其中,所述目标路径由所有已推理话术问题对应的路径分支组成。
5.根据权利要求4所述的方法,其特征在于,所述根据当前所述话术问题的推理模式进行知识推理,确定当前所述话术问题的下一话术问题,包括:
获取当前所述话术问题的推理模式对应的推理规则;
根据所述推理规则对在所述意图知识图谱中与当前所述话术问题相关联的全部话术问题进行判断;
将符合所述推理规则的一个或多个话术问题确定为当前所述话术问题的下一话术问题。
6.根据权利要求4所述的方法,其特征在于,若当前所述话术问题具有强关系标识,则将与当前所述话术问题具有强关系的话术问题确定为当前所述话术问题的下一个话术问题。
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述意图实体中包含多个相同话术问题,且所述多个相同话术问题配置的推理模式不同时,将所述多个相同话术问题的推理模式配置为相同的推理模式。
8.根据权利要求7所述的方法,其特征在于,所述将所述多个相同话术问题的推理模式配置为相同的推理模式包括:
确定所述多个相同话术问题中最先配置推理模式的第一话术问题;
获取所述第一话术问题对应的第一推理模式;
所述多个相同话术问题中的每一个对应的推理模式配置为所述第一推理模式。
9.一种基于知识图谱的人机训练场景构建装置,其特征在于,所述装置包括:
图谱获取模块,用于获取预先建立的意图知识图谱;
推理模式确定模块,用于确定所述意图知识图谱中意图实体所含话术问题的推理模式;
知识推理模块,用于基于所述意图知识图谱,根据所述话术问题的预设推理模式进行知识推理,得到所述意图知识图谱中的目标路径;
场景获取模块,用于根据所述目标路径及所述目标路径中的各实体所对应的话术问题,得到人机训练场景。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065474.XA CN111309879A (zh) | 2020-01-20 | 2020-01-20 | 基于知识图谱的人机训练场景构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065474.XA CN111309879A (zh) | 2020-01-20 | 2020-01-20 | 基于知识图谱的人机训练场景构建方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111309879A true CN111309879A (zh) | 2020-06-19 |
Family
ID=71161495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010065474.XA Pending CN111309879A (zh) | 2020-01-20 | 2020-01-20 | 基于知识图谱的人机训练场景构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111309879A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111883111A (zh) * | 2020-07-30 | 2020-11-03 | 平安国际智慧城市科技股份有限公司 | 话术训练处理方法、装置、计算机设备和可读存储介质 |
CN111930905A (zh) * | 2020-07-13 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
CN112115276A (zh) * | 2020-09-18 | 2020-12-22 | 平安科技(深圳)有限公司 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
CN112328802A (zh) * | 2020-09-30 | 2021-02-05 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置和服务器 |
CN111883111B (zh) * | 2020-07-30 | 2024-05-31 | 平安国际智慧城市科技股份有限公司 | 话术训练处理方法、装置、计算机设备和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180210913A1 (en) * | 2017-01-23 | 2018-07-26 | International Business Machines Corporation | Crowdsourced discovery of paths in a knowledge graph |
CN109062939A (zh) * | 2018-06-20 | 2018-12-21 | 广东外语外贸大学 | 一种面向汉语国际教育的智能导学方法 |
CN109635117A (zh) * | 2018-12-26 | 2019-04-16 | 零犀(北京)科技有限公司 | 一种基于知识图谱识别用户意图方法及装置 |
CN109684354A (zh) * | 2017-10-18 | 2019-04-26 | 北京国双科技有限公司 | 数据查询方法和装置 |
CN110516050A (zh) * | 2019-07-15 | 2019-11-29 | 上海文思海辉金信软件有限公司 | 一种基于知识图谱的多路径训练场景的构建方法 |
CN110597992A (zh) * | 2019-09-10 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 基于知识图谱的语义推理方法及装置、电子设备 |
-
2020
- 2020-01-20 CN CN202010065474.XA patent/CN111309879A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180210913A1 (en) * | 2017-01-23 | 2018-07-26 | International Business Machines Corporation | Crowdsourced discovery of paths in a knowledge graph |
CN109684354A (zh) * | 2017-10-18 | 2019-04-26 | 北京国双科技有限公司 | 数据查询方法和装置 |
CN109062939A (zh) * | 2018-06-20 | 2018-12-21 | 广东外语外贸大学 | 一种面向汉语国际教育的智能导学方法 |
CN109635117A (zh) * | 2018-12-26 | 2019-04-16 | 零犀(北京)科技有限公司 | 一种基于知识图谱识别用户意图方法及装置 |
CN110516050A (zh) * | 2019-07-15 | 2019-11-29 | 上海文思海辉金信软件有限公司 | 一种基于知识图谱的多路径训练场景的构建方法 |
CN110597992A (zh) * | 2019-09-10 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 基于知识图谱的语义推理方法及装置、电子设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930905A (zh) * | 2020-07-13 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
CN111930905B (zh) * | 2020-07-13 | 2024-06-07 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
CN111883111A (zh) * | 2020-07-30 | 2020-11-03 | 平安国际智慧城市科技股份有限公司 | 话术训练处理方法、装置、计算机设备和可读存储介质 |
CN111883111B (zh) * | 2020-07-30 | 2024-05-31 | 平安国际智慧城市科技股份有限公司 | 话术训练处理方法、装置、计算机设备和可读存储介质 |
CN112115276A (zh) * | 2020-09-18 | 2020-12-22 | 平安科技(深圳)有限公司 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
CN112115276B (zh) * | 2020-09-18 | 2024-05-24 | 平安科技(深圳)有限公司 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
CN112328802A (zh) * | 2020-09-30 | 2021-02-05 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置和服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951468B (zh) | 对话生成方法及装置 | |
TW201933267A (zh) | 機器人客服轉人工客服的方法和裝置 | |
US11928611B2 (en) | Conversational interchange optimization | |
CN111859960A (zh) | 基于知识蒸馏的语义匹配方法、装置、计算机设备和介质 | |
US11625425B2 (en) | Dialogue management system with hierarchical classification and progression | |
CN109961780A (zh) | 一种人机交互方法、装置、服务器和存储介质 | |
CN111259132A (zh) | 话术推荐方法、装置、计算机设备和存储介质 | |
CN109065139A (zh) | 医疗随访方法、装置、计算机设备和存储介质 | |
CN116521893A (zh) | 智能对话系统的控制方法、控制装置和电子设备 | |
CN112183098B (zh) | 会话的处理方法和装置、存储介质、电子装置 | |
US11995523B2 (en) | Systems and methods for determining training parameters for dialog generation | |
CN111309879A (zh) | 基于知识图谱的人机训练场景构建方法和装置 | |
KR20190117840A (ko) | 대화 이해 ai 시스템에 의한 고객 상담의 제공 중에 사람 상담 직원으로 하여금 해당 고객을 위한 이후 상담을 진행하도록 전환하는 방법 및 컴퓨터 판독가능 기록 매체 | |
CN111400466A (zh) | 一种基于强化学习的智能对话方法及装置 | |
CN111897935A (zh) | 基于知识图谱的话术路径选择方法、装置和计算机设备 | |
CN111666393A (zh) | 智能问答系统的验证方法、装置、计算机设备及存储介质 | |
CN110955765A (zh) | 智能助理的语料构建方法、装置、计算机设备和存储介质 | |
CN112809694B (zh) | 机器人控制方法、装置、存储介质和计算机设备 | |
CN115658875B (zh) | 基于聊天服务的数据处理方法及相关产品 | |
CN112925723B (zh) | 测试服务推荐方法、装置、计算机设备及存储介质 | |
CN113434651A (zh) | 话术推荐方法、装置及相关设备 | |
CN113590786A (zh) | 一种数据预测方法、装置、设备及存储介质 | |
CN113065363A (zh) | 一种对话信息的处理方法及装置 | |
CN113641919B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111883111B (zh) | 话术训练处理方法、装置、计算机设备和可读存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100089 Room 401, building 4, area C, Dongsheng Science Park, 66 xixiaokou Road, Haidian District, Beijing Applicant after: Zhongdian Jinxin Software Co.,Ltd. Address before: 100089 Room 401, building 4, area C, Dongsheng Science Park, 66 xixiaokou Road, Haidian District, Beijing Applicant before: Beijing Wensi Haihui Jinxin Software Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |