[發明專利]一種基于知識庫的領域性單獨對話的方法

在審

• 申請號: 201910719092.1
• 申請日: 2019-08-06
• 公開（公告）號: CN110413761A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 李百成;馬馳
• 申請（專利權）人: 浩鯨云計算科技股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F17/27;G06K9/62
• 代理公司: 江蘇致邦律師事務所 32230
• 代理人: 郭雪麗

1.一種基于知識庫的領域性單獨對話的方法,其特征在于，包括以下步驟：

s1：知識庫構建；

s2：接收用戶發送的語句；

s3：根據算法流程將用戶語句與知識庫相關知識匹配；

s4：返回相似度最高的知識答案；

其中，s1中所述的知識庫在項目前期構建，知識庫包含五大元素：核心詞、核心詞同義詞、標準問句、相似問句、答案,s3中所述的算法流程包括核心詞檢索、粗檢索、精檢索三大步驟，各個步驟可單獨運作。

2.根據權利要求1所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的核心詞為一個知識標題中，最具有代表性的詞組，且一個知識標題有且只有一個核心詞，所述的核心詞同義詞為核心詞的同義詞，同義詞可以有多個，同義詞不能是已存在的核心詞，所述的標準問句又稱為知識標題，是一條知識的標準問法，所述的答案對應知識，每條知識只有一條答案。

3.根據權利要求1所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的核心詞檢索步驟包括以下子步驟：

S11：用戶輸入一句問句；

S12：系統需檢測問句中是否包含核心詞或者是某個核心詞對應的同義詞，如果存在，系統將從整個知識庫中篩選核心詞為該核心詞的知識到備選區。

4.根據權利要求1所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的粗檢索步驟包括以下子步驟：

S21：通過分詞算法對用戶問句以及備選區的知識進行分詞；

S22：結合word2vec模型得出各個詞組的詞向量；

S23：采用詞向量平均法得出句子的向量；

S24：句子相似度的度量采用余弦相似度，返回高于某閾值的知識進入到下一階段。

5.根據權利要求1所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的精檢索步驟包括以下子步驟：

s31：采用深度學習模型，對粗檢索返回的結果進行精排序；

s32:分值高于設置的直出閾值的知識數量大于等于一時，則直接返回分數最高的知識答案；

s33：分值高于設置的最低閾值且低于直出閾值的知識數量大于等于一，則返回分數最高的前三條知識作為推薦知識供用戶點選。

6.根據權利要求5所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的深度學習模型主模型任務的形式為給定一個前提文本，根據這個前提去推斷假說文本與前提的關系。

7.根據權利要求6所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的主模型分為計算注意力、比較和組合三個階段。

8.根據權利要求7所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的組合階段融入句子向量相似度計算，結合原模型的計算結果，結合方式如下：

其中，為最終得分為原DA模型的得分為句子相似度得分；為變量。

9.根據權利要求8所述的一種基于知識庫的領域性單獨對話的方法,其特征在于，所述的句子向量相似度計算采用word2vec詞向量，并添加領域性的無監督數據進行微調。