[發明專利]人機書面對話方法及系統、服務器、介質

有效

• 申請號: 201810531344.3
• 申請日: 2018-05-29
• 公開（公告）號: CN108804603B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 許可;蘇軒
• 申請（專利權）人: 北京靈智優諾科技有限公司
• 主分類號: G06F16/9032
• 分類號: G06F16/9032
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 于鵬

本發明所公開了一種人機書面對話方法及系統、服務器、介質。所述人機書面對話方法，應用于服務器，包括：接收數據；抽取所述數據的細粒度信息；根據當前數據的細粒度信息和在先數據的細粒度信息選取與所述當前數據對應的數據場景，并確定與所述數據場景對應的引導數據集合；按照預設規則對所述引導數據集合內的引導數據進行排序，選取排序最高的引導數據作為當前數據的引導數據。本發明實施例所公開的技術方案運行簡單，計算機的回復準確，而且不限定具體的對話內容和對話順序，能夠實現自由對話。

技術領域

本發明涉及計算機技術領域，尤其涉及一種人機書面對話方法及系統、服務器、介質。

背景技術

人機對話是計算機的一種工作方式，即計算機操作員或用戶與計算機之間，通過控制臺或終端顯示屏幕，以對話方式進行工作。操作員可用命令或命令過程告訴計算機執行某一任務。人機對話分為語音對話和書面對話兩種。

目前，人機書面對話主要采用的方案為：基于固定路徑的對話系統、基于檢索的對話系統和基于神經網絡的對話系統。其中，基于固定路徑的對話系統中，用戶沒有自主性，只能按照程序設定好的方式進行點選和輸入，沒有辦法自由對話。基于檢索的對話系統只是通過字面上的相似性來實現數據的檢索，容易發生字面相似，但是語義相差大的問題。基于神經網絡的對話系統訓練依賴于大量的訓練語料，因此在語料準備上十分困難，同時，由于神經網絡生成模型的特性，容易生成大量無效回復。

可見，提出一種簡單、準確、自由的人機書面對話技術，已成為本領域技術人員亟待解決的技術問題。

發明內容

本發明目的是提供一種人機書面對話方法及系統、服務器、介質，以解決上述問題。

本發明解決技術問題采用如下技術方案：

一種人機書面對話方法，應用于服務器，所述方法包括：

接收數據；

抽取所述數據的細粒度信息；

根據當前數據的細粒度信息和在先數據的細粒度信息選取與所述當前數據對應的數據場景，并確定與所述數據場景對應的引導數據集合；

按照預設規則對所述引導數據集合內的引導數據進行排序，選取排序最高的引導數據作為當前數據的引導數據。

可選的，在接收數據之前，還包括：

創建多個數據場景和與所述數據場景相對應的引導數據集合。

可選的，在接收數據之后，抽取所述數據的細粒度信息之前，還包括：

對所述數據進行預處理。

可選的，所述根據所述當前數據的細粒度信息和在先數據的細粒度信息選取與所述當前數據對應的數據場景的方法，包括：

將所述當前數據的細粒度信息和在先數據的細粒度信息進行合并語句處理，得到全集數據；

根據所述全集數據對所述多個數據場景進行第一條件判定，將不符合第一條件判定的數據場景刪除，得到預留數據場景集合；

根據所述當前數據的細粒度信息，對所述預留數據場景集合內的數據場景進行第二條件排序，將排序最高的數據場景作為與所述當前數據對應的數據場景。

可選的，所述按照預設規則對所述引導數據集合內的引導數據進行排序的方法，包括：

按照與所述當前人機書面對話度從高到低的順序對所述引導數據進行排序；

按照數據質量從高到低的順序對所述引導數據進行排序。

本發明哈公開了一種人機書面對話系統，包括：

數據接收模塊，所述數據接收模塊用于接收數據；