[發明專利]一種基于決策樹的任務導向型自動對話方法

有效

• 申請號: 201910795839.1
• 申請日: 2019-08-27
• 公開（公告）號: CN110532363B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 王成;胡艷霞
• 申請（專利權）人: 華僑大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/216;G06F40/289;G06K9/62
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;李艾華

本發明公開了一種基于決策樹的任務導向型自動對話方法，包括：將法律咨詢的結論離散化為分類類別，把與結論相關的當事人的信息離散化為基本屬性；接收當事人咨詢的問題，通過分類算法抽取基本屬性對應的屬性值，結論對應的類別值；將收集的實際案例作為訓練樣本，建立基于決策樹的法律咨詢分類預測模型；接收新的當事人的咨詢，根據所建立的決策樹實現咨詢對話的過程，并返回當事人咨詢的結論。本發明本方法接受用戶在線法律咨詢，實現與用戶的多輪對話，能夠返回精準的法律咨詢結論，互動效果好、實時性高，極大的縮減了人工工作量。

技術領域

本發明涉及自然語言處理、數據挖掘、大數據分析與對話系統等技術領域，具體涉及一種基于決策樹的任務導向型自動對話方法。

背景技術

面向任務的對話系統的研究目標是希望利用自然語言來訪問結構化數據庫并從中查詢數據，可以視為繼圖形用戶界面之后新的人機交互接口。面向任務的對話系統不同于以閑聊和情感陪伴為目的的聊天機器人，是智能客服技術工具化應用的主要發展方向，也是智能問答系統最熱門和最有應用價值的子領域之一。

任務驅動式對話系統始自人工智能諸多專家系統的研究，學者們最早通過人工提取特征，設計本體，組織規則，研制了眾多數據庫自然語言接口(Natural LanguageInterface of Database，NLIDB)，使人們可以通過限定性的自然語言來查詢數據，但其只支持上下文無關的單輪對話查詢，通用性和可擴展性都很差。后來隨著ELIZA系統的成功，多輪對話系統也開始出現。一些系統開始了在某些狹窄領域的商業應用，如機票訂購，餐廳預訂，導航助理。此類系統稱為基于規則或基于模板(Symbolic Rule/Templated Based)的對話系統，是第一代技術。優點是系統內部的規則易懂透明，很容易修補漏洞和進行系統更新。但跨領域的通用性和可擴展性都很差，依賴領域專家的開發和維護，數據被用來設計規則，而不是學習。

隨著大數據技術的發展，統計機器翻譯(簡稱SMT)在自動翻譯上取得了巨大成功，熱潮蔓延到對話系統領域，出現了統計對話系統(Statistical Dialog System)，為第二代技術。此類系統將許多淺層模型(如CRF、HMM)用于對話系統的語言理解和生成，增強學習的方法也開始使用，代表是劍橋大學Steve Young教授團隊研發的基于POMDP的對話系統。優點是擺脫了對領域專家的依賴，增強了問答的魯棒性，但模型卻變得難以解釋，從而很難維護系統，模型的表征能力也不夠強，不足以做到完全端到端學習，系統依然難以跨領域擴展。

2014年，深度學習在計算機視覺和語音識別上的突破性進展，以及深度增強學習在Atari游戲上的成功，使學者們開始將諸多神經網絡模型用于對話系統，稱為神經對話系統(Neural Dialog System)，為第三代技術。在此基礎上，模型的表征能力更強，完全端到端變得可行，微軟鄧力團隊于2016年即開發了一個完全端到端的機器人KB-InfoBot，采用基于概率的軟查詢來訪問結構化數據庫，讓人們看到了神經網絡模型在面向任務的對話系統上的更多可能。但此類對話系統依然有很多局限，包括依靠大規模標注數據的訓練，模型仍然很難解釋，在神經網絡學習和符號自然語言之間缺乏交互。

發明內容

本發明的目的在于克服現有技術的不足，提出一種基于決策樹的任務導向型自動對話方法，接受用戶在線法律咨詢，實現與用戶的多輪對話，能夠返回精準的法律咨詢結論，互動效果好、實時性高，極大的縮減了人工工作量。

本發明采用如下技術方案：

一種基于決策樹的任務導向型自動對話方法，包括：

1.1)將法律咨詢的結論離散化為分類類別，把與結論相關的當事人的信息離散化為基本屬性；

1.2)接收當事人咨詢的問題，通過分類算法抽取基本屬性對應的屬性值，結論對應的類別值；

1.3)將收集的實際案例作為訓練樣本，建立基于決策樹的法律咨詢分類預測模型；