CN112182171A - 一种基于人机对话调控机器人构建运行助手的方法及装置 - Google Patents

Abstract

本发明公开了一种基于人机对话调控机器人构建运行助手的方法及装置，明确电网业务中需要通过人机对话调控机器人和用户的对话来完成的业务，分析对话逻辑，提取电网业务中数据；定义对话的功能场景，功能场景包括对话的功能、使用数据、回复效果，利用对话的测试脚本通过自主学习来训练人机对话调控机器人；人机对话调控机器人通过一次多轮次问答操作，实现自然语言处理的电网业务对话。本发明可支撑在不同运行业务场景下的数据高速、便捷查询，实现数据增值和数据价值创造，提升数据的智能化水平，减轻调度运行工作负担，提升电网运行安全管理水平，也为后续调控运行查询应用以及调控智能化建设提供技术指导。

Description

一种基于人机对话调控机器人构建运行助手的方法及装置

技术领域

本发明涉及一种基于人机对话调控机器人构建运行助手的方法及装置，属于电网调控智能化应用技术领域。

背景技术

近年来，随着能源转型改革不断深化，电力系统高复杂性交直流混联电网特征愈加凸显，电网运行面临保障安全稳定等重大挑战，需不断促进现代信息技术与先进电力技术融合发展，支撑电网安全高效运行。按照国家电网提出的“建设具有中国特色国际领先能源互联网企业的战略目标”，借助“互联网”的方法和手段，采用先进、适用的人工智能技术，全面提升调度自动化系统的智能化应用水平，以电网业务需求为目标，进一步提升电网运行安全管控水平。

如何通过研究人工智能领域的自然语言处理及多轮次交互技术，构建电网调度运行助手，建设面向调控运行查询场景的人机对话机器人应用，是本领域技术人员急需要解决的技术问题。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于人机对话调控机器人构建运行助手的方法及装置，可支撑在不同运行业务场景下的数据高速、便捷查询，实现数据增值和数据价值创造，提升数据的智能化水平，减轻调度运行工作负担，提升电网运行安全管理水平，也为后续调控运行查询应用以及调控智能化建设提供技术指导。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种基于人机对话调控机器人构建运行助手的方法，包括如下步骤：

明确电网业务中需要通过人机对话调控机器人和用户的对话来完成的业务，分析对话逻辑，提取电网业务中数据。

定义对话的功能场景，功能场景包括对话的功能、使用数据、回复效果，利用对话的测试脚本通过自主学习来训练人机对话调控机器人。

人机对话调控机器人通过一次多轮次问答操作，实现自然语言处理的电网业务对话。

一种基于人机对话调控机器人构建运行助手的装置，包括如下模块：

第一模块，用于明确电网业务中需要通过人机对话调控机器人和用户的对话来完成的业务，分析对话逻辑，提取电网业务中数据。

第二模块，用于定义对话的功能场景，功能场景包括对话的功能、使用数据、回复效果，利用对话的测试脚本通过自主学习来训练人机对话调控机器人。

第三模块，用于人机对话调控机器人通过一次多轮次问答操作，实现自然语言处理的电网业务对话。

作为优选方案，人机对话调控机器人采用语音识别和语音合成技术，具体包括如下模块：

NLU模块：用于将用户输入的自然语言语句映射为机器可读的结构化语义表述。

DST模块：用于追踪用户需求并判断当前的对话状态。

DPL模块: 用于根据当前的对话状态，对话策略决定下一步执行的系统动作。

NLG模块：用于根据DPL模块输出的系统动作，输出是系统对用户输入的回复。

作为优选方案，人机对话调控机器人根据自然语言处理实现分词及标签识别，具体包括如下模块：

词典库，用于存储分词术语及进行词槽归类。

词槽管理，用于归类词槽的中英文名称、澄清话术、词槽类型、关联标签以及回复词槽的配置功能。

意图管理，用于进行意图的中英文名称定义、功能描述、答复方式、答复内容、关联词槽、关联服务功能。

训练数据，用于进行样本的训练、意图识别后词槽缺失补全的判断以及意图的继承功能。

作为优选方案，所述结构化语义表述包括意图和槽值。

作为优选方案，所述系统行动包括意图和槽位。

作为优选方案，所述电网业务至少包括负荷、频率、出力、受电、环境对话意图中一种。

有益效果：本发明提供的一种基于人机对话调控机器人构建运行助手的方法及装置，基于自然语言处理和多轮次问答技术，结合电网调控的应用，将电网运行数据按照不同场景的方式统一集中，敏捷构建了电网调控运行的微场景，通过人机对话调控机器人进行具体场景的多轮次问答，实现对电网调控运行业务的智能推理及问答，最终演变成多场景问答的人机对话调控机器人，提升了电网调控运行管理人员对电网管控的效率及安全。

附图说明

图1为人机对话调控机器人的运行助手应用整体流程图。

图2为人机对话调控机器人采用技术的模块示意图。

图3为意图和槽位填充电网业务示意图。

图4为基于运行场景的人家交互定制应用示意图。

图5为电量查询场景运行助手应用界面示意图。

图6为有序用电场景运行助手应用界面示意图。

具体实施方式

下面结合具体实施例对本发明作更进一步的说明。

如图1所示，一种基于人机对话调控机器人构建运行助手的方法及装置，通过研究人机对话技术，包括交互的需求分析以及创建技能等方面的研究，并结合电网运行数据查询场景，构建了面向调控运行查询场景人机对话调控机器人的运行助手应用，实现了多种运行场景的对话式查询，凸显出多类运行数据汇集、运行场景定制，数据快速获取，重点指标精确提取，关联数据推荐等方面的好处，也是近年电网人工智能发展的必备技术之一。

1）、关键创新技术如下：

1、人机对话调控机器人的运行助手应用，总共分为3个阶段。

1）需求分析。先分析业务，明确业务中哪里需要通过和用户的对话来完成；再确认相关对话逻辑。最后基于之前的分析，从历史沉淀数据中提取有价值信息，用于后续技能实现与提高。如果是新业务，就需要先完成需求分析和相关对话逻辑，但综合来看，业务中的真实数据才是提高对话技能最理想的基础。

2）创建技能。首先是定义功能场景，包含大体功能、使用数据的范围、回复效果等。基本定义灌输完成后，就需大量了测试脚本，通过自主学习来提高功能准确性和友好性。最后，经过测试调优，来检测技能的能力。

3）持续优化。由于业务程度复杂、用户画像变化等因素，技能所展现的能力可能不足以应对用户目前的需求，这时我们需要通过更多的“训练语料”与“现场测试”来帮助提高技能的能力。

2、人机对话调控机器人采用的实现技术：

如图2所示，使用端对端的人机对话技术框架，考虑采用由输入直接到输出的端对端对话系统，忽略中间过程，采用数据驱动的模型实现。该模式主要为模块化的实现方式，具体模块如下：

NLU模块：是将用户输入的自然语言语句映射为机器可读的结构化语义表述，这种结构化一般由两部分构成，分别是意图和槽值。

DST模块：是追踪用户需求并判断当前的对话状态。该模块以多轮对话历史、当前的用户动作作为输入，通过总结和理解在上下文的环境下用户当前输入自然语言的具体含义。

DPL模块: DPL也被称为对话策略优化，根据当前的对话状态，对话策略决定下一步执行什么系统动作。系统行动与用户意图类似，也有意图和槽位构成。

NLG模块：NLG模块的输入是DPL模块输出的系统动作，输出是系统对用户输入的回复。

采用语音识别（SR）和语音合成（TTS）技术。

2）、运行助手应用实现如下：

如图3-4所示，搭建一套基于具体应用场景下的运行助手应用，通过梳理用户明确目的的量测运行应用场景，可以定制负荷、频率、出力、受电、环境等对话意图，比如可实现“某地区最大负荷”的运行场景人机交互定制应用，用户输入搜索词，根据自然语言处理实现分词及标签识别，利用对话系统技术实现词槽和意图场景的定位，最后通过整合输出结果，完成一次多轮次问答操作。

具体的功能配置分为4部分。

词典库，主要是存储分词术语及进行词槽归类，具有词语、标签及同义词功能；

词槽管理，主要是归类词槽的中英文名称、澄清话术、词槽类型、关联标签以及回复词槽的配置功能。澄清话术，是指当对应意图的某个词槽缺失，可以找到该词槽的澄清话术作为一次结果输出，补全本次问答的词槽。关联标签对应上面的词典库标签；

意图管理，主要是进行意图的中英文名称定义、功能描述、答复方式、答复内容、关联词槽、关联服务等功能。答复方式包含服务、文本等选择；

训练数据，本次对话系统的核心部分，主要是进行样本的训练、意图识别后词槽缺失补全的判断以及意图的继承等功能。

通过运行助手应用的搭建，实现电网常用业务的多轮交互问答场景，业务可扩充运行、事件、操作等内容。

如图5所示，该示例中，询问“全网日电量是多少”，对应的意图为“各区域电网运行”通过自然语言处理分析，分析全网为区域词槽，日电量为量测口径词槽，而缺少日期词槽，根据词槽对应的澄清话术，补全该词槽，可以点击推荐的日期，也可以进行选择输入，最后如上效果。

如图6所示，该示例中，询问“电网调度有序用电”，对应的意图为“多轮交互分类-调度有序用电”，该场景只有意图，没有对应的词槽，系统识别为该意图时，会自动输出如上结果，该结果为事先准备好的文本，文本中的每个问题又对应不同的意图，说明多数人机对话场景中，包含意图嵌入意图的情况，以此来提升系统本身的智能性。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

Claims (7)

1.一种基于人机对话调控机器人构建运行助手的方法，其特征在于：包括如下步骤：

明确电网业务中需要通过人机对话调控机器人和用户的对话来完成的业务，分析对话逻辑，提取电网业务中数据；

定义对话的功能场景，功能场景包括对话的功能、使用数据、回复效果，利用对话的测试脚本通过自主学习来训练人机对话调控机器人；

人机对话调控机器人通过一次多轮次问答操作，实现自然语言处理的电网业务对话。

2.根据权利要求1所述的一种基于人机对话调控机器人构建运行助手的方法，其特征在于：所述人机对话调控机器人采用语音识别和语音合成技术，具体包括如下模块：

NLU模块：用于将用户输入的自然语言语句映射为机器可读的结构化语义表述；

DST模块：用于追踪用户需求并判断当前的对话状态；

DPL模块: 用于根据当前的对话状态，对话策略决定下一步执行的系统动作；

NLG模块：用于根据DPL模块输出的系统动作，输出是系统对用户输入的回复。

3.根据权利要求1所述的一种基于人机对话调控机器人构建运行助手的方法，其特征在于：所述人机对话调控机器人根据自然语言处理实现分词及标签识别，具体包括如下模块：

词典库，用于存储分词术语及进行词槽归类；

词槽管理，用于归类词槽的中英文名称、澄清话术、词槽类型、关联标签以及回复词槽的配置功能；

意图管理，用于进行意图的中英文名称定义、功能描述、答复方式、答复内容、关联词槽、关联服务功能；

训练数据，用于进行样本的训练、意图识别后词槽缺失补全的判断以及意图的继承功能。

4.根据权利要求2所述的一种基于人机对话调控机器人构建运行助手的方法，其特征在于：所述结构化语义表述包括意图和槽值。

5.根据权利要求2所述的一种基于人机对话调控机器人构建运行助手的方法，其特征在于：所述系统行动包括意图和槽位。

6.根据权利要求1所述的一种基于人机对话调控机器人构建运行助手的方法，其特征在于：所述电网业务至少包括负荷、频率、出力、受电、环境对话意图中一种。

7.一种基于人机对话调控机器人构建运行助手的装置，其特征在于：包括如下模块：

第一模块，用于明确电网业务中需要通过人机对话调控机器人和用户的对话来完成的业务，分析对话逻辑，提取电网业务中数据；

第二模块，用于定义对话的功能场景，功能场景包括对话的功能、使用数据、回复效果，利用对话的测试脚本通过自主学习来训练人机对话调控机器人；

第三模块，用于人机对话调控机器人通过一次多轮次问答操作，实现自然语言处理的电网业务对话。

Images