CN113297361A - 一种基于可视化流程图的智能问答交互系统及其方法 - Google Patents
一种基于可视化流程图的智能问答交互系统及其方法 Download PDFInfo
- Publication number
- CN113297361A CN113297361A CN202110563995.2A CN202110563995A CN113297361A CN 113297361 A CN113297361 A CN 113297361A CN 202110563995 A CN202110563995 A CN 202110563995A CN 113297361 A CN113297361 A CN 113297361A
- Authority
- CN
- China
- Prior art keywords
- question
- user
- module
- node
- flow chart
- 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
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
- 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
- G06F16/34—Browsing; Visualisation therefor
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于可视化流程图的智能问答交互系统及其方法,系统包括:流程图、语音转文字模块、文字转语音模块、数据库、文档、日志模块和框架,其中框架包括:问句理解模块、信息检索模块和下一节点指向模块,方法包括以下步骤:S1:获取流程图,添加引导语句;S2:用户做出提问;S3:问句理解模块处理提问;S4:信息检索模块找寻对应节点;S5:下一节点指向模块限定节点;S6:回答问题。解决了流程图内容固定,不能随着用户需求更变自动修改流程图内容,以完成对用户需求的准确了解的问题,具有分析科学、节约人力的优点。
Description
技术领域
本发明涉及智能问答技术领域,具体是涉及一种基于可视化流程图的智能问答交互系统及其方法。
背景技术
智能问答系统是将积累的无序语料信息,进行有序和科学的整理,并建立基于知识的分类模型;这些分类模型可以指导新增加的语料咨询和服务信息,节约人力资源,提高信息处理的自动性,降低网站运行成本。基于对网站多年积累的关于政府和企业的基本情况常见问题及其解答,整理为规范的问答库形式,以支撑各种形式问题的智能问答。方便了用户,提高了办事效率,提升了企业形象。
流程图是流经一个系统的信息流、观点流或部件流的图形代表。在企业中,流程图主要用来说明某一过程。这种过程既可以是生产线上的工艺流程,也可以是完成一项任务必需的管理过程。流程图是揭示和掌握封闭系统运动状况的有效方式。作为诊断工具,它能够辅助决策制定,让管理者清楚地知道,问题可能出在什么地方,从而确定出可供选择的行动方案。
传统的搜索方式有三点不足:1、检索需求的表达不够准确。几个关键词的简单组合无法表达用户复杂而特殊的检索需求。2、检索结果不够简洁。传统的搜索引擎只提供和用户查询相关的文档集合,并且有时会带入大量的噪声数据。 3、缺乏语义处理技术支持。
并且,基于可视化流程图的智能问答交互系统内容固定,不能随着用户需求更变自动修改流程图内容,以完成对用户需求的准确了解。
发明内容
本发明解决的技术问题是:现有智能问答系统不能随着用户需求更变自动修改流程图内容,以完成对用户需求的准确了解。
本发明的技术方案如下:
一种基于可视化流程图的智能问答交互系统,包括:
用于对提问内容进行引导的流程图,流程图的开始节点后连接有用于引导用户进行正确提问的提问引导节点和多个应答节点,
用于对用户提问语音内容进行文字转化的语音转文字模块,
用于与用户语音沟通的文字转语音模块,
用于存储提问与应答内容的数据库,
用于存储与流程图相关且流程图中未包含应答内容的文档,
用于定期对节点内容进行调整的节点调整模块,
用于记录用户提问及应答历史记录的日志模块,
用于根据提问信息对应流程图节点进行处理的框架,框架包括:用于将用户输入的自然语言问句转换为机器可以处理的语义表示的问句理解模块,用于对问句理解模块转化语句与节点内容进行检索匹配的信息检索模块,用于将根据信息检索模块匹配结果进行下一节点限定的下一节点指向模块,其中:
问句理解模块包括:通过卷积神经模型实现的问句分类子模块,用于提取问句中的关键词以作为节点搜索条件的关键词提取子模块,用于增加原有问句所含信息以准确获取用户表达意图的问句重构子模块,
信息检索模块通过布尔模型对流程图内节点对应的知识块和文档进行搜索。
进一步地,应答节点之间通过逻辑程序连接,应答节点对应有知识区块,知识区块内包含有多种数值,多维度的数值能够保证检索的准确度。
进一步地,多种数值包括:应答语句、下一节点衔接语句、关键词、词语属性、语义,多维度的数值能够保证检索的准确度,下一节点衔接语句有助于引导用户根据流程图进行提问以获取资讯。
进一步地,问句分类子模块中卷积神经模型的结构从输入到输出为:输入层、卷积层、池化层、完全连接层,使得问句分类子模块能够将用户输入的自然语言问句转换为机器可以处理的语义表示,使问答系统能够理解用户所要表达的问句意图。
更进一步地,输入层是一个承载提问句子的n×k词向量矩阵,矩阵的每一行分别承载有一个词语的word2vec词向量,这相当于是n-gram模型。
优选地,问句分类子模块的工作流程为:
S41:将用户的语音转化为语句,传入问句分类子模块的输入层;
S42:输入层将语句转化为n×k词向量矩阵后,将矩阵传入卷积层;
S43:具有多个滤波器宽度和特征映射的卷积层对矩阵进行卷积处理,卷积层将处理后的矩阵传入池化层;
S44:池化层获取每个特征映射中最重要的特征,并将特征映射的维度全部下降为1,池化层将处理后的特征传入完全连接层;
S45:全连接将池化层获取的特征整合,输出问句分类的概率。
优选地,问句重构子模块通过add、delete和combined重构策略对用户提问内容进行重构,获得重构问答集Q。
优选地,add重构策略为:依次连接原始问句和一个上下文句子,即delete重构策略为:将原始问句与整个上下文连接,然后每次去除一个上下文句子,即 combined重构策略为:联合上述两种策略,即Qcombined=qAdd∪qDelete,其中,上下文集合C中有N个句子,则c1,...,cN∈C是当前交互之前用户提出的历史问句;表示依次连接句子,并保证问句间的前后顺序,“C\ci”表示从C中去除ci这条问句,q0表示当前用户提出的原始问句,产生的重构问句集合记为Q={qi},qi表示重构问句集合中的每一个重构问句。
一种基于可视化流程图的智能问答交互方法,包括以下步骤:
S1:获取对话流程对应的流程图,并在开始节点后的提问引导节点添加引导语句;
S2:当用户根据引导内容做出提问时,语音转文字模块将用户语音内容转化为自然语句,并将语句输入问句理解模块;
S3:问句理解模块通过问句分类子模块对用户提问进行类别分析,通过关键词提取子模块获取自然语句中的关键字,通过问句重构子模块扩充用户提问以准确获取用户表达意图;
S4:信息检索模块通过问句理解模块提供的关键字、问句类型和重构问句,对流程图内应答节点及其对应知识区块进行检索,获取匹配度最高的节点,如果所有节点匹配度为0时,文字转语音模块再次播放引导节点内容,提示用户做出内容相关的提问;
S5:下一节点指向模块将信息检索模块获取节点作为用户提问的下一节点,进行存储,并将存储节点作为当前节点;
S6:文字转语音模块将当前节点的应答内容转化为语音播放,并在播放完问询用户是否对答案满意;
S7:当用户回答对答案不满意时,信息检索模块通过S3步骤中获取的数据对文档内容进行检索,获取文档内匹配度最高的内容,文字转语音模块将文档内匹配度最高的内容转化为语音播放,并在播放完问询用户是否对答案满意,当用户回答对答案满意时,文字转语音模块将当前节点的下一节点衔接语句,引导用户根据流程进入下一轮问询,并进入S2步骤;
S9:当用户对答案满意并停止提问时,问询结束,以上过程由日志模块记录。
进一步优选地,智能问答交互方法还包括以下步骤:
S10:节点调整模块通过定时任务,每相隔一段时间对日志内容进行分析;
S11:节点调整模块遍历应答节点的内容,并通过日志对节点内容进行检索,如果日志中用户对于某节点应答内容不满意的比例超过50%时,则将最终使用户满意的文档内容更替至该节点。
本发明的有益效果是:
本发明通过流程图的方式完成对话引导,通过语音交互的过程满足用户需求,通过文档存储与流程图相关且流程图内不包含的内容,有助于对用户需求的二次搜索,能够最大程度达到对用户真正检索意图的理解,且随着用户需求的改变,流程图内容可能存在并不符合实际需求的应答节点,本发明通过节点调整模块对日志内容的分析,将文档中的最符合需求的内容与存在问题的节点内容进行更替,自动完成了流程图内容的调整,这种基于数据对节点的调整,降低了人工调整的成本、更加科学。
附图说明
图1是一种基于可视化流程图的智能问答交互系统的框架图;
图2是本发明问句分类子模块的结构图;
图3是本发明句分类子模块的工作流程图;
图4是一种基于可视化流程图的智能问答交互方法的流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种。
实施例1
如图1所示的一种基于可视化流程图的智能问答交互系统,包括:
用于对提问内容进行引导的流程图,流程图的开始节点后连接有用于引导用户进行正确提问的提问引导节点和多个应答节点,应答节点之间通过逻辑程序连接,应答节点对应有知识区块,知识区块内包含有多种数值,多种数值包括:应答语句、下一节点衔接语句、关键词、词语属性、语义,
用于对用户提问语音内容进行文字转化的语音转文字模块,语音转文字模块通过调用讯飞开放平台语音转写(Long Form ASR)模块实现功能,
用于与用户语音沟通的文字转语音模块,文字转语音模块过调用互盾科技的迅捷文字语音转换器实现功能,
用于存储提问与应答内容的数据库,数据库类型为MySql关系型数据库,
用于存储与流程图相关且流程图中未包含应答内容的文档,
用于定期对节点内容进行调整的节点调整模块,
用于记录用户提问及应答历史记录的日志模块,
用于根据提问信息对应流程图节点进行处理的框架,框架包括:用于将用户输入的自然语言问句转换为机器可以处理的语义表示的问句理解模块,用于对问句理解模块转化语句与节点内容进行检索匹配的信息检索模块,用于将根据信息检索模块匹配结果进行下一节点限定的下一节点指向模块,其中:
问句理解模块包括:通过卷积神经模型实现的问句分类子模块,用于提取问句中的关键词以作为节点搜索条件的关键词提取子模块,用于增加原有问句所含信息以准确获取用户表达意图的问句重构子模块,
信息检索模块通过布尔模型对流程图内节点对应的知识块和文档进行搜索。
其中,如图2所示的问句分类子模块中卷积神经模型的结构从输入到输出为:输入层、卷积层、池化层、完全连接层,输入层是一个承载提问句子的 n×k词向量矩阵,矩阵的每一行分别承载有一个词语的word2vec词向量。
如图3所示,问句分类子模块的工作流程为:
S41:将用户的语音转化为语句,传入问句分类子模块的输入层;
S42:输入层将语句转化为n×k词向量矩阵后,将矩阵传入卷积层;
S43:具有多个滤波器宽度和特征映射的卷积层对矩阵进行卷积处理,卷积层将处理后的矩阵传入池化层;
S44:池化层获取每个特征映射中最重要的特征,并将特征映射的维度全部下降为1,池化层将处理后的特征传入完全连接层;
S45:全连接将池化层获取的特征整合,输出问句分类的概率。
问句重构子模块通过add、delete和combined重构策略对用户提问内容进行重构,获得重构问答集Q。
combined重构策略为:联合上两种策略,即Qcombined=qAdd∪qDelete。
其中,上下文集合C中有N个句子,则c1,...,cN∈C是当前交互之前用户提出的历史问句。表示依次连接句子,并保证问句间的前后顺序。“C\ci”表示从C中去除ci这条问句。q0表示当前用户提出的原始问句,产生的重构问句集合记为Q={qi},qi表示重构问句集合中的每一个重构问句。
实施例2
本实施例是基于实施例1的一种基于可视化流程图的智能问答交互方法,包括以下步骤:
S1:获取对话流程对应的流程图,并在开始节点后的提问引导节点添加引导语句;
S2:当用户根据引导内容做出提问时,语音转文字模块将用户语音内容转化为自然语句,并将语句输入问句理解模块;
S3:问句理解模块通过问句分类子模块对用户提问进行类别分析,通过关键词提取子模块获取自然语句中的关键字,通过问句重构子模块扩充用户提问以准确获取用户表达意图;
S4:信息检索模块通过问句理解模块提供的关键字、问句类型和重构问句,对流程图内应答节点及其对应知识区块进行检索,获取匹配度最高的节点,如果所有节点匹配度为0时,文字转语音模块再次播放引导节点内容,提示用户做出内容相关的提问。
实施例3
本实施例是基于实施例1的一种基于可视化流程图的智能问答交互方法,如图4所示,包括以下步骤:
S1:获取对话流程对应的流程图,并在开始节点后的提问引导节点添加引导语句;
S2:当用户根据引导内容做出提问时,语音转文字模块将用户语音内容转化为自然语句,并将语句输入问句理解模块;
S3:问句理解模块通过问句分类子模块对用户提问进行类别分析,通过关键词提取子模块获取自然语句中的关键字,通过问句重构子模块扩充用户提问以准确获取用户表达意图;
S4:信息检索模块通过问句理解模块提供的关键字、问句类型和重构问句,对流程图内应答节点及其对应知识区块进行检索,获取匹配度最高的节点;
S5:下一节点指向模块将信息检索模块获取节点作为用户提问的下一节点,进行存储,并将存储节点作为当前节点;
S6:文字转语音模块将当前节点的应答内容转化为语音播放,并在播放完问询用户是否对答案满意;
S7:当用户回答对答案不满意时,信息检索模块通过S3步骤中获取的数据对文档内容进行检索,获取文档内匹配度最高的内容,文字转语音模块将文档内匹配度最高的内容转化为语音播放,并在播放完问询用户是否对答案满意;
S9:当用户对答案满意并停止提问时,问询结束,以上过程由日志模块记录。
实施例4
本实施例是基于实施例1的一种应用场景,包括以下步骤:
S1:获取对话流程对应的流程图,并在开始节点后的提问引导节点添加引导语句;
S2:当用户根据引导内容做出提问时,语音转文字模块将用户语音内容转化为自然语句,并将语句输入问句理解模块;
S3:问句理解模块通过问句分类子模块对用户提问进行类别分析,通过关键词提取子模块获取自然语句中的关键字,通过问句重构子模块扩充用户提问以准确获取用户表达意图;
S4:信息检索模块通过问句理解模块提供的关键字、问句类型和重构问句,对流程图内应答节点及其对应知识区块进行检索,获取匹配度最高的节点;
S5:下一节点指向模块将信息检索模块获取节点作为用户提问的下一节点,进行存储,并将存储节点作为当前节点;
S6:文字转语音模块将当前节点的应答内容转化为语音播放,并在播放完问询用户是否对答案满意;
S7:当用户回答对答案满意时,文字转语音模块将当前节点的下一节点衔接语句,引导用户根据流程进入下一轮问询,并进入S2步骤;
S9:当用户对答案满意并停止提问时,问询结束,以上过程由日志模块记录。
实施例5
本实施例是基于实施例1的一种基于可视化流程图的智能问答交互方法,包括以下步骤:
S1:获取对话流程对应的流程图,并在开始节点后的提问引导节点添加引导语句;
S2:当用户根据引导内容做出提问时,语音转文字模块将用户语音内容转化为自然语句,并将语句输入问句理解模块;
S3:问句理解模块通过问句分类子模块对用户提问进行类别分析,通过关键词提取子模块获取自然语句中的关键字,通过问句重构子模块扩充用户提问以准确获取用户表达意图;
S4:信息检索模块通过问句理解模块提供的关键字、问句类型和重构问句,对流程图内应答节点及其对应知识区块进行检索,获取匹配度最高的节点;
S5:下一节点指向模块将信息检索模块获取节点作为用户提问的下一节点,进行存储,并将存储节点作为当前节点;
S6:文字转语音模块将当前节点的应答内容转化为语音播放,并在播放完问询用户是否对答案满意;
S7:当用户回答对答案满意时,文字转语音模块将当前节点的下一节点衔接语句,引导用户根据流程进入下一轮问询,并进入S2步骤;
S9:当用户对答案满意并停止提问时,问询结束,以上过程由日志模块记录;
S10:节点调整模块通过定时任务,每相隔半个月对日志内容进行分析;
S11:节点调整模块遍历应答节点的内容,并通过日志对节点内容进行检索,如果日志中用户对于某节点应答内容不满意的比例超过50%时,则将最终使用户满意的文档内容更替至该节点。
实施例6
本实施例是基于实施例1的一种应用场景,包括以下步骤:
S1:获取商场美食推荐对话流程对应的流程图,并在开始节点后的提问引导节点添加引导语句(您好,这里是XX商场内的美食推荐导航,请问有什么可以帮您的吗);
S2:当用户根据引导内容做出提问(本商城美食位于哪一层呢)时,语音转文字模块将用户语音内容转化为自然语句,并将语句输入问句理解模块;
S3:问句理解模块通过问句分类子模块对用户提问进行类别分析(楼层问题),通过关键词提取子模块获取自然语句中的关键字(美食、层),通过问句重构子模块扩充用户提问以准确获取用户表达意图(请问XX商场饭店所在楼层);
S4:信息检索模块通过问句理解模块提供的关键字、问句类型和重构问句,对流程图内应答节点及其对应知识区块进行检索,获取匹配度最高的节点;
S5:下一节点指向模块将信息检索模块获取节点作为用户提问的下一节点 (本商场饭店楼层为7层),进行存储,并将存储节点作为当前节点;
S6:文字转语音模块将当前节点的应答内容转化为语音播放,并在播放完问询用户是否对答案满意(本商场饭店楼层为7层,请问以上回答是否解决您的问题);
S7:当用户回答对答案满意(解决了,是的)时,文字转语音模块将当前节点的下一节点衔接语句(请问您还有什么需要了解的吗?最近本商场的XX 川菜馆好评不断呢,需要为您导航吗),引导用户根据流程进入下一轮问询,并进入S2步骤;
S9:当用户对拒绝继续提问(不需要)时,问询结束,以上过程由日志模块记录。
由以上实施例可得,本发明通过流程图的方式完成对话引导,通过语音交互的过程满足用户需求,通过文档存储与流程图相关且流程图内不包含的内容,有助于对用户需求的二次搜索,能够最大程度达到对用户真正检索意图的理解,且随着用户需求的改变,流程图内容可能存在并不符合实际需求的应答节点,本发明通过节点调整模块对日志内容的分析,将文档中的最符合需求的内容与存在问题的节点内容进行更替,自动完成了流程图内容的调整,这种基于数据对节点的调整,是一种更加科学自动化的系统及方法。
Claims (10)
1.一种基于可视化流程图的智能问答交互系统,其特征在于,包括:
用于对提问内容进行引导的流程图,所述流程图的开始节点后连接有用于引导用户进行正确提问的提问引导节点和多个应答节点,
用于对用户提问语音内容进行文字转化的语音转文字模块,
用于与用户语音沟通的文字转语音模块,
用于存储提问与应答内容的数据库,
用于存储与流程图相关且流程图中未包含应答内容的文档,
用于定期对节点内容进行调整的节点调整模块,
用于记录用户提问及应答历史记录的日志模块,
用于根据提问信息对应流程图节点进行处理的框架,所述框架包括:用于将用户输入的自然语言问句转换为机器可以处理的语义表示的问句理解模块,用于对所述问句理解模块转化语句与节点内容进行检索匹配的信息检索模块,用于将根据所述信息检索模块匹配结果进行下一节点限定的下一节点指向模块,其中:
所述问句理解模块包括:通过卷积神经模型实现的问句分类子模块,用于提取问句中的关键词以作为节点搜索条件的关键词提取子模块,用于增加原有问句所含信息以准确获取用户表达意图的问句重构子模块,
所述信息检索模块通过布尔模型对流程图内节点对应的知识块和文档进行搜索。
2.如权利要求1所述的一种基于可视化流程图的智能问答交互系统,其特征在于,所述应答节点之间通过逻辑程序连接,应答节点对应有知识区块,所述知识区块内包含有多种数值。
3.如权利要求2所述的一种基于可视化流程图的智能问答交互系统,其特征在于,所述多种数值包括:应答语句、下一节点衔接语句、关键词、词语属性、语义。
4.如权利要求1所述的一种基于可视化流程图的智能问答交互系统,其特征在于,所述问句分类子模块中卷积神经模型的结构从输入到输出为:输入层、卷积层、池化层、完全连接层。
5.如权利要求3所述的一种基于可视化流程图的智能问答交互系统,其特征在于,所述输入层是一个承载提问句子的n×k词向量矩阵,所述矩阵的每一行分别承载有一个词语的word2vec词向量。
6.如权利要求3所述的一种基于可视化流程图的智能问答交互系统,其特征在于,所述问句分类子模块的工作流程为:
S41:将用户的语音转化为语句,传入问句分类子模块的输入层;
S42:输入层将语句转化为n×k词向量矩阵后,将矩阵传入卷积层;
S43:具有多个滤波器宽度和特征映射的卷积层对矩阵进行卷积处理,卷积层将处理后的矩阵传入池化层;
S44:池化层获取每个特征映射中最重要的特征,并将特征映射的维度全部下降为1,池化层将处理后的特征传入完全连接层;
S45:全连接将池化层获取的特征整合,输出问句分类的概率。
7.如权利要求1所述的一种基于可视化流程图的智能问答交互系统,其特征在于,所述问句重构子模块通过add、delete和combined重构策略对用户提问内容进行重构,获得重构问答集Q。
9.一种基于可视化流程图的智能问答交互方法,其特征在于,包括以下步骤:
S1:获取对话流程对应的流程图,并在开始节点后的提问引导节点添加引导语句;
S2:当用户根据引导内容做出提问时,语音转文字模块将用户语音内容转化为自然语句,并将语句输入问句理解模块;
S3:问句理解模块通过问句分类子模块对用户提问进行类别分析,通过关键词提取子模块获取自然语句中的关键字,通过问句重构子模块扩充用户提问以准确获取用户表达意图;
S4:信息检索模块通过问句理解模块提供的关键字、问句类型和重构问句,对流程图内应答节点及其对应知识区块进行检索,获取匹配度最高的节点,如果所有节点匹配度为0时,文字转语音模块再次播放引导节点内容,提示用户做出内容相关的提问;
S5:下一节点指向模块将信息检索模块获取节点作为用户提问的下一节点,进行存储,并将存储节点作为当前节点;
S6:文字转语音模块将当前节点的应答内容转化为语音播放,并在播放完问询用户是否对答案满意;
S7:当用户回答对答案不满意时,信息检索模块通过S3步骤中获取的数据对文档内容进行检索,获取文档内匹配度最高的内容,文字转语音模块将文档内匹配度最高的内容转化为语音播放,并在播放完问询用户是否对答案满意,当用户回答对答案满意时,文字转语音模块将当前节点的下一节点衔接语句,引导用户根据流程进入下一轮问询,并进入S2步骤;
S9:当用户对答案满意并停止提问时,问询结束,以上过程由日志模块记录。
10.如权利要求9所述的一种基于可视化流程图的智能问答交互方法,其特征在于,所述智能问答交互方法还包括以下步骤:
S10:节点调整模块通过定时任务,每相隔一段时间对日志内容进行分析;
S11:节点调整模块遍历应答节点的内容,并通过日志对节点内容进行检索,如果日志中用户对于某节点应答内容不满意的比例超过50%时,则将最终使用户满意的文档内容更替至该节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563995.2A CN113297361B (zh) | 2021-05-24 | 2021-05-24 | 一种基于可视化流程图的智能问答交互系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563995.2A CN113297361B (zh) | 2021-05-24 | 2021-05-24 | 一种基于可视化流程图的智能问答交互系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113297361A true CN113297361A (zh) | 2021-08-24 |
CN113297361B CN113297361B (zh) | 2022-11-18 |
Family
ID=77324183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110563995.2A Active CN113297361B (zh) | 2021-05-24 | 2021-05-24 | 一种基于可视化流程图的智能问答交互系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297361B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930452A (zh) * | 2016-04-21 | 2016-09-07 | 北京紫平方信息技术股份有限公司 | 一种识别自然语言的智能应答方法 |
US20160328648A1 (en) * | 2015-05-08 | 2016-11-10 | International Business Machines Corporation | Visual summary of answers from natural language question answering systems |
CN106776649A (zh) * | 2015-11-24 | 2017-05-31 | 镇江诺尼基智能技术有限公司 | 一种基于可视化流程图的智能问答多轮交互方法和系统 |
CN107958059A (zh) * | 2017-12-01 | 2018-04-24 | 北京百度网讯科技有限公司 | 智能问答方法、装置、终端和计算机可读存储介质 |
CN108399230A (zh) * | 2018-02-13 | 2018-08-14 | 上海大学 | 一种基于卷积神经网络的中文财经新闻文本分类方法 |
CN108763568A (zh) * | 2018-06-05 | 2018-11-06 | 北京玄科技有限公司 | 智能机器人交互流程的管理方法、多轮对话方法及装置 |
CN110704594A (zh) * | 2019-09-27 | 2020-01-17 | 北京百度网讯科技有限公司 | 基于人工智能的任务型对话交互处理方法、装置 |
CN111400469A (zh) * | 2020-03-12 | 2020-07-10 | 法雨科技(北京)有限责任公司 | 针对语音问答的智能生成系统及其方法 |
CN111597312A (zh) * | 2020-04-07 | 2020-08-28 | 北京捷通华声科技股份有限公司 | 一种多轮对话脚本的生成方法和装置 |
WO2020178626A1 (en) * | 2019-03-01 | 2020-09-10 | Cuddle Artificial Intelligence Private Limited | Systems and methods for adaptive question answering |
CN112256854A (zh) * | 2020-11-05 | 2021-01-22 | 云南电网有限责任公司 | 一种基于ai自然语言理解的智能ai会话方法及装置 |
-
2021
- 2021-05-24 CN CN202110563995.2A patent/CN113297361B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160328648A1 (en) * | 2015-05-08 | 2016-11-10 | International Business Machines Corporation | Visual summary of answers from natural language question answering systems |
CN106776649A (zh) * | 2015-11-24 | 2017-05-31 | 镇江诺尼基智能技术有限公司 | 一种基于可视化流程图的智能问答多轮交互方法和系统 |
CN105930452A (zh) * | 2016-04-21 | 2016-09-07 | 北京紫平方信息技术股份有限公司 | 一种识别自然语言的智能应答方法 |
CN107958059A (zh) * | 2017-12-01 | 2018-04-24 | 北京百度网讯科技有限公司 | 智能问答方法、装置、终端和计算机可读存储介质 |
CN108399230A (zh) * | 2018-02-13 | 2018-08-14 | 上海大学 | 一种基于卷积神经网络的中文财经新闻文本分类方法 |
CN108763568A (zh) * | 2018-06-05 | 2018-11-06 | 北京玄科技有限公司 | 智能机器人交互流程的管理方法、多轮对话方法及装置 |
CN109635085A (zh) * | 2018-06-05 | 2019-04-16 | 安徽省泰岳祥升软件有限公司 | 智能交互流程的管理方法、多轮对话方法及装置 |
WO2020178626A1 (en) * | 2019-03-01 | 2020-09-10 | Cuddle Artificial Intelligence Private Limited | Systems and methods for adaptive question answering |
CN110704594A (zh) * | 2019-09-27 | 2020-01-17 | 北京百度网讯科技有限公司 | 基于人工智能的任务型对话交互处理方法、装置 |
CN111400469A (zh) * | 2020-03-12 | 2020-07-10 | 法雨科技(北京)有限责任公司 | 针对语音问答的智能生成系统及其方法 |
CN111597312A (zh) * | 2020-04-07 | 2020-08-28 | 北京捷通华声科技股份有限公司 | 一种多轮对话脚本的生成方法和装置 |
CN112256854A (zh) * | 2020-11-05 | 2021-01-22 | 云南电网有限责任公司 | 一种基于ai自然语言理解的智能ai会话方法及装置 |
Non-Patent Citations (2)
Title |
---|
段建勇: "限定领域的自动问答系统研究", 《北方工业大学学报》 * |
阳国华: "基于文本分类的智能垃圾回收机设计", 《创新应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113297361B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380327B2 (en) | Speech communication system and method with human-machine coordination | |
CN108959627B (zh) | 基于智能机器人的问答交互方法及系统 | |
US11645547B2 (en) | Human-machine interactive method and device based on artificial intelligence | |
WO2020258654A1 (zh) | 一种答案获取方法及装置 | |
CN112492111B (zh) | 一种智能语音外呼方法、装置、计算机设备和存储介质 | |
CN110321564B (zh) | 一种多轮对话意图识别方法 | |
WO2022252636A1 (zh) | 基于人工智能的回答生成方法、装置、设备及存储介质 | |
CN109190652A (zh) | 坐席分类管理方法、装置、计算机设备和存储介质 | |
CN111182162A (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
CN111858854A (zh) | 一种基于历史对话信息的问答匹配方法及相关装置 | |
Aattouri et al. | Modeling of an artificial intelligence based enterprise callbot with natural language processing and machine learning algorithms | |
CN117271558A (zh) | 语言查询模型构建方法、查询语言获取方法及相关装置 | |
CN113297361B (zh) | 一种基于可视化流程图的智能问答交互系统及其方法 | |
CN111460114A (zh) | 检索方法、装置、设备及计算机可读存储介质 | |
CN108959327B (zh) | 一种业务处理方法、装置及计算机可读存储介质 | |
IT201900000526A1 (it) | Sistema di intelligenza artificiale per processi aziendali | |
CN111581338B (zh) | 一种农业技术服务机器人人机融合咨询问答方法及系统 | |
CN115098655A (zh) | 一种常见问题解答方法、系统、设备和介质 | |
CN115408500A (zh) | 问答一致性的评估方法、装置、电子设备及介质 | |
CN117453895B (zh) | 一种智能客服应答方法、装置、设备及可读存储介质 | |
CN114818740B (zh) | 一种基于领域知识图谱的人机协同方法及系统 | |
CN113569022B (zh) | 一种基于级联式搜索的对话机器人应答引擎实现方法 | |
CN116775848B (zh) | 生成对话信息的控制方法、装置、计算设备及存储介质 | |
KR102653266B1 (ko) | 인공지능 기반의 챗봇 대화 상담 시스템 및 그 방법 | |
CN117195915B (zh) | 会话内容的信息提取方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |