[發(fā)明專利]語句選取方法、語句顯示方法、相關(guān)裝置及計算設(shè)備

有效

• 申請?zhí)枺?/td>: 201811525230.4
• 申請日: 2018-12-13
• 公開（公告）號: CN111324723B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計）人: 宛言
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F40/289
• 代理公司: 北京成創(chuàng)同維知識產(chǎn)權(quán)代理有限公司 11449
• 代理人: 劉靜

本發(fā)明公開了一種語句選取方法、語句顯示方法、相關(guān)裝置、計算設(shè)備及介質(zhì)，語句選取方法包括：基于語句集合中的各語句，以及語句包括的一個或多個詞，構(gòu)建語句集合對應(yīng)的流向圖模型，流向圖模型包括多個與語句一一對應(yīng)的語句節(jié)點，以及多個與詞一一對應(yīng)的詞節(jié)點；根據(jù)預(yù)設(shè)的容量條件，求解流向圖模型的最大流，以獲取流向圖模型中流入各語句節(jié)點的歸一化流量；選取歸一化流量大于預(yù)設(shè)流量閾值的語句節(jié)點對應(yīng)的語句，作為語句集合的代表語句。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理領(lǐng)域，特別涉及一種語句選取方法、語句顯示方法、相關(guān)裝置、計算設(shè)備及介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，越來越多的事情可以通過網(wǎng)絡(luò)來線上完成，比如購物、辦理銀行業(yè)務(wù)、預(yù)約掛號等，給人們的生活帶來了極大便利。通常，當(dāng)我們在網(wǎng)上使用一項線上服務(wù)時，會與提供該線上服務(wù)的客服人員進(jìn)行信息溝通，特別是對服務(wù)內(nèi)容并不熟悉時。

在用戶與客服人員進(jìn)行溝通的場景下，很大概率會出現(xiàn)如下兩種情況：第一種是當(dāng)前客服人員雖是人工客服，但并非所咨詢問題對應(yīng)的專業(yè)客服，此時需要進(jìn)行轉(zhuǎn)接處理，將該用戶轉(zhuǎn)移給合適的人工客服，第二種則是當(dāng)前客服人員是機(jī)器人客服，而用戶咨詢的問題并非機(jī)器人客服所能解答的問題，需要為用戶提供轉(zhuǎn)接人工客服的處理。

在上述兩種情況下，用戶在與當(dāng)前客服人員已經(jīng)進(jìn)行了一定程度上的溝通，將用戶轉(zhuǎn)移時，應(yīng)將之前的溝通內(nèi)容一并轉(zhuǎn)移給新的客服人員。然而，溝通內(nèi)容可能文字?jǐn)?shù)量繁多，且存在多處重復(fù)部分，其一般包括多個語句，若直接交付給新的客服人員，客服人員重新理解溝通內(nèi)容以確定用戶需求會造成時間上的浪費，導(dǎo)致用戶等待時間過長，體驗較差。

為解決上述問題，避免重復(fù)內(nèi)容對溝通效率帶來的不良影響，目前多采用傳統(tǒng)的Word2vec相似度計算方法，對溝通內(nèi)容中的多個語句，利用詞向量生成稠密向量代表詞的維度，加和平均計算出語句的向量，再利用余弦距離計算出語句之間的相似度，以達(dá)到去重的效果。但是，這一方法中加和平均的向量并不能很好地表示語句的意思，且只能計算出語句之間的相似度，卻不能從溝通內(nèi)容中選出具有代表性的語句，來言簡意賅地表述清楚用戶的真實想法。而且，即使采用如上去重方式來對代表性的語句進(jìn)行選取，并向新的客服人員轉(zhuǎn)發(fā)溝通內(nèi)容，但在顯示溝通內(nèi)容時，并未對已選出的代表性語句進(jìn)行強(qiáng)調(diào)顯示等相應(yīng)處理，以便該客服人員快速知曉溝通內(nèi)容的重點。因此，需要提供一種新的語句選取和顯示方案，以優(yōu)化以上處理過程。

發(fā)明內(nèi)容

為此，本發(fā)明提供一種語句選取及顯示方案，以力圖解決或者至少緩解上面存在的問題。

根據(jù)本發(fā)明的一個方面，提供一種語句選取方法，該方法包括如下步驟：首先，基于語句集合中的各語句，以及語句包括的一個或多個詞，構(gòu)建語句集合對應(yīng)的流向圖模型，流向圖模型包括多個與語句一一對應(yīng)的語句節(jié)點，以及多個與詞一一對應(yīng)的詞節(jié)點；根據(jù)預(yù)設(shè)的容量條件，求解流向圖模型的最大流，以獲取流向圖模型中流入各語句節(jié)點的歸一化流量；選取歸一化流量大于預(yù)設(shè)流量閾值的語句節(jié)點對應(yīng)的語句，作為語句集合的代表語句。

可選地，在根據(jù)本發(fā)明的語句選取方法中，基于語句集合中的各語句，以及語句包括的一個或多個詞，構(gòu)建語句集合對應(yīng)的流向圖模型包括：根據(jù)各語句與各詞之間的對應(yīng)關(guān)系，建立從各語句對應(yīng)的語句節(jié)點到各詞對應(yīng)的詞節(jié)點的映射；添加源節(jié)點和匯節(jié)點，并以源節(jié)點為起始點，以匯節(jié)點為終點，建立源節(jié)點至各語句節(jié)點的映射，以及各詞節(jié)點至匯節(jié)點的映射。

可選地，在根據(jù)本發(fā)明的語句選取方法中，預(yù)設(shè)的容量條件包括：流入任一語句節(jié)點的流量，不超過語句節(jié)點對應(yīng)的語句所包括詞的數(shù)量；流入和流出任一詞節(jié)點的流量，均不超過1。

可選地，在根據(jù)本發(fā)明的語句選取方法中，求解流向圖模型的最大流包括：通過Ford-Fulkerson算法，求解流向圖模型的最大流。