[發(fā)明專利]語句的調(diào)整方法及裝置

有效

• 申請?zhí)枺?/td>: 201811515760.0
• 申請日: 2018-12-12
• 公開（公告）號: CN111310460B
• 公開（公告）日: 2022-03-01
• 發(fā)明（設計）人: 包樹南;王鵬
• 申請（專利權）人: TCL科技集團股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F16/35
• 代理公司: 深圳中一聯(lián)合知識產(chǎn)權代理有限公司 44414
• 代理人: 李艷麗

1.一種語句的調(diào)整方法，其特征在于，包括：

獲取用戶與目標聯(lián)系人在第一時間段內(nèi)的聊天記錄，并將所述聊天記錄中的語句轉(zhuǎn)換為第一矩陣，通過第一子神經(jīng)網(wǎng)絡的卷積層對所述第一矩陣進行卷積運算，生成第一特征矩陣，并通過所述第一子神經(jīng)網(wǎng)絡的池化層對所述第一特征矩陣進行池化操作，生成第二特征矩陣；通過所述第一子神經(jīng)網(wǎng)絡的注意力層基于預設的注意力機制將所述第二特征矩陣轉(zhuǎn)換為第三特征矩陣；

通過所述第一子神經(jīng)網(wǎng)絡中的連接層對所述第三特征矩陣進行計算，生成所述聊天記錄中的各個語句的概率值；

將所述聊天記錄中概率值最高的語句轉(zhuǎn)換為代表矩陣，并通過第二子神經(jīng)網(wǎng)絡中的卷積層、池化層對所述代表矩陣進行計算，生成第四特征矩陣；

根據(jù)所述第二子神經(jīng)網(wǎng)絡中預設的分類器確定所述第四特征矩陣的類別，作為所述聊天記錄對應的情感類別；其中，第一神經(jīng)網(wǎng)絡包括第一子神經(jīng)網(wǎng)絡以及第二子神經(jīng)網(wǎng)絡；

若所述聊天記錄對應的情感類別屬于預設的情感類別集合，則接收所述用戶輸入的語句，并解析所述用戶輸入的語句對應的情感類別；

若所述用戶輸入的語句對應的情感類別屬于預設的情感類別集合，則將所述用戶輸入的語句轉(zhuǎn)換為調(diào)整語句。

2.如權利要求1所述的語句的調(diào)整方法，其特征在于，還包括：

若所述聊天記錄對應的情感類別不屬于所述預設的情感類別集合，則根據(jù)第二時間段內(nèi)目標聯(lián)系人輸入的語句，生成答復策略，并顯示所述答復策略。

3.如權利要求1所述的語句的調(diào)整方法，其特征在于，所述解析所述用戶輸入的語句對應的情感類別，包括：將所述用戶輸入的語句轉(zhuǎn)換為第二矩陣，將所述第二矩陣輸入所述第一神經(jīng)網(wǎng)絡，得到所述用戶輸入的語句對應的情感類別；

所述將所述用戶輸入的語句轉(zhuǎn)換為調(diào)整語句，包括：將所述第二矩陣輸入預設的第二神經(jīng)網(wǎng)絡，得到所述用戶輸入的語句對應的調(diào)整語句。

4.如權利要求2所述的語句的調(diào)整方法，其特征在于，所述根據(jù)第二時間段內(nèi)目標聯(lián)系人輸入的語句，生成答復策略，包括：

將所述第二時間段內(nèi)目標聯(lián)系人輸入的多個語句分別轉(zhuǎn)換為矩陣，生成矩陣集合；

將所述矩陣集合中的矩陣輸入預設的第三神經(jīng)網(wǎng)絡，得到第二預設時間段內(nèi)目標聯(lián)系人輸入的語句對應的答復策略。

5.如權利要求3所述的語句的調(diào)整方法，其特征在于，所述將所述第二矩陣輸入預設的第二神經(jīng)網(wǎng)絡，得到所述用戶輸入的語句對應的調(diào)整語句，包括：

通過所述第二神經(jīng)網(wǎng)絡的編碼器層對所述第二矩陣進行編碼，生成編碼矩陣；

通過所述第二神經(jīng)網(wǎng)絡的注意力層的局部注意力機制，將所述編碼矩陣轉(zhuǎn)換為第一注意力矩陣；

將所述第一注意力矩陣以及所述編碼矩陣輸入所述第二神經(jīng)網(wǎng)絡的解碼器層，輸出所述用戶輸入的語句對應的調(diào)整語句。

6.如權利要求4所述的語句的調(diào)整方法，其特征在于，所述將所述矩陣集合中的矩陣輸入預設的第三神經(jīng)網(wǎng)絡，得到第二預設時間段內(nèi)目標聯(lián)系人輸入的語句對應的答復策略，包括：

通過所述第三神經(jīng)網(wǎng)絡的編碼器層將所述矩陣集合中的各個矩陣轉(zhuǎn)換為特征向量；

通過所述第三神經(jīng)網(wǎng)絡的注意力層計算各個所述特征向量的得分，并基于各個特征向量的得分以及所述第三神經(jīng)網(wǎng)絡的各個隱藏層的狀態(tài)，生成第二注意力矩陣；

所述第三神經(jīng)網(wǎng)絡的連接層基于所述第二注意力矩陣將所述特征向量轉(zhuǎn)化為全連接矩陣；

將所述全連接矩陣輸入所述第三神經(jīng)網(wǎng)絡的解碼器層，得到所述目標聯(lián)系人輸入的語句的語義概率，并基于預設的語義與答復策略的對應關系，輸出所述語義概率最高的語義對應的答復策略。