[發(fā)明專利]邏輯節(jié)點的自動化測試方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010216976.8
• 申請日: 2020-03-25
• 公開（公告）號: CN111522943A
• 公開（公告）日: 2020-08-11
• 發(fā)明（設(shè)計）人: 宮雪
• 申請（專利權(quán)）人: 平安普惠企業(yè)管理有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F16/332;G06F40/284;G10L15/01;G10L15/22;G10L15/26;G10L15/16;G10L15/06;H04M3/527
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及一種人工智能技術(shù)，揭露了一種邏輯節(jié)點的自動化測試方法，包括：接收原始語音對話集，對所述原始語音對話集按照應(yīng)用場景進(jìn)行邏輯分類，得場景語音對話集；根據(jù)所述場景語音對話集中應(yīng)用場景的不同，將所述場景語音對話集中的各場景語音對話歸類存儲到預(yù)設(shè)文檔；獲取邏輯節(jié)點的應(yīng)用場景測試的標(biāo)準(zhǔn)測試文本；利用預(yù)設(shè)的調(diào)用方法調(diào)用所述預(yù)設(shè)文檔中的場景語音對話集，并將所述標(biāo)準(zhǔn)測試文本輸入到所述場景語音對話集，對所述場景語音對話集進(jìn)行邏輯節(jié)點的應(yīng)用場景測試，得到測試結(jié)果。本發(fā)明還提出一種邏輯節(jié)點的自動化測試裝置、電子設(shè)備以及一種計算機可讀存儲介質(zhì)。本發(fā)明可以解決邏輯節(jié)點測試慢，消耗大量人力資本的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種邏輯節(jié)點的自動化測試方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

隨著大數(shù)據(jù)及人工智能的興起，利用AI機器人進(jìn)行電話銷售已經(jīng)越來越普及，AI機器人對于語義分析，邏輯處理的要求越來越高，隨著支持的場景越來越復(fù)雜，人工對語音對話中的邏輯進(jìn)行測試也越來越難。

目前邏輯節(jié)點的測試方法是人工打電話聽錄音，用戶實際進(jìn)行回答，反復(fù)對各種對話的應(yīng)用場景中的邏輯用不同語句進(jìn)行測試，來檢測機器人響應(yīng)是否正確，此方法耗時長且占用大量人力資源，且在測試過程中，缺少對測試結(jié)果和真實結(jié)果的對比判斷，進(jìn)而導(dǎo)致很大可能影響到對后續(xù)測試結(jié)果的利用。

發(fā)明內(nèi)容

本發(fā)明提供一種邏輯節(jié)點的自動化測試方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)，其主要目的在于解決邏輯節(jié)點測試方法復(fù)雜并占用大量人力資源的問題。

接收原始語音對話集，對所述原始語音對話集內(nèi)的原始語音對話按照應(yīng)用場景進(jìn)行邏輯分類，得到一組或多組場景語音對話集；

根據(jù)所述場景語音對話集中應(yīng)用場景的不同，將所述場景語音對話集中的各場景語音對話歸類存儲到預(yù)設(shè)文檔；

獲取邏輯節(jié)點的應(yīng)用場景測試的標(biāo)準(zhǔn)測試文本；

調(diào)用所述預(yù)設(shè)文檔中的場景語音對話集，并將所述標(biāo)準(zhǔn)測試文本輸入到所述場景語音對話集，對所述場景語音對話集進(jìn)行邏輯節(jié)點的應(yīng)用場景測試，得到測試結(jié)果。

可選地，所述獲取邏輯節(jié)點的應(yīng)用場景測試的標(biāo)準(zhǔn)測試文本，包括：

構(gòu)建一個詞向量轉(zhuǎn)化模型，并對所述詞向量轉(zhuǎn)化模型進(jìn)行訓(xùn)練；

利用訓(xùn)練后的詞向量轉(zhuǎn)化模型將標(biāo)準(zhǔn)測試語音對話集轉(zhuǎn)化為詞向量集；

輸出所述詞向量集，得到所述標(biāo)準(zhǔn)測試文本。

可選地，所述對預(yù)設(shè)的詞向量轉(zhuǎn)化模型進(jìn)行訓(xùn)練，包括：

步驟A：隨機生成訓(xùn)練語音對話集，以及所述訓(xùn)練語音對話集對應(yīng)的標(biāo)準(zhǔn)詞向量集；

步驟B：利用所述詞向量轉(zhuǎn)化模型對所述訓(xùn)練語音對話集進(jìn)行轉(zhuǎn)化，得到轉(zhuǎn)化詞向量集；

步驟C：將所述轉(zhuǎn)化詞向量集和所述標(biāo)準(zhǔn)詞向量集進(jìn)行對比判斷，若所述轉(zhuǎn)化詞向量集和所述標(biāo)準(zhǔn)詞向量集存在差異，則調(diào)整所述詞向量轉(zhuǎn)化模型的參數(shù)后返回步驟B繼續(xù)執(zhí)行詞向量集的轉(zhuǎn)化。

步驟D：若所述轉(zhuǎn)化詞向量集和所述標(biāo)準(zhǔn)詞向量集不存在差異，則完成所述訓(xùn)練，生成訓(xùn)練后的詞向量轉(zhuǎn)化模型。

可選地，所述將所述轉(zhuǎn)化詞向量集和所述標(biāo)準(zhǔn)詞向量集進(jìn)行對比判斷，包括：

用下述公式進(jìn)行所述轉(zhuǎn)化詞向量集和所述標(biāo)準(zhǔn)詞向量集的相似度的相似度計算：

Sim_topic＝Pearson(TP_S,TP_T)