[發明專利]智能交互方法、裝置、設備及存儲介質

在審

• 申請號: 202010386988.5
• 申請日: 2020-05-09
• 公開（公告）號: CN111858875A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 熊超
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/284;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 王征;劉芳

1.一種智能交互方法，其特征在于，包括：

采集用戶指令，根據所述用戶指令獲取用戶問題信息；

根據預先訓練的問題分類模型中對所述用戶問題信息進行問題類別分類，得到分類結果，并判斷所述分類結果是否滿足預定條件；

若確定所述分類結果滿足所述預定條件，根據所述分類結果從預設問答庫中獲取對應的答案信息，其中所述預設問答庫包括不同的問題類別以及各問題類別對應的答案信息；

若確定所述分類結果不滿足所述預定條件，將所述用戶問題信息輸入到預先訓練的答案生成模型中獲取對應的答案信息；

輸出獲取到的答案信息，以響應所述用戶指令。

2.根據權利要求1所述的方法，其特征在于，所述根據預先訓練的問題分類模型中對所述用戶問題信息進行問題類別分類，得到分類結果，并判斷所述分類結果是否滿足預定條件，包括：

將所述用戶問題信息輸入所述問題分類模型中，通過所述問題分類模型獲取所述用戶問題信息的問題類別以及對應的置信度；

判斷所述置信度是否滿足預定的置信度閾值。

3.根據權利要求2所述的方法，其特征在于，所述問題分類模型包括詞向量獲取子模型和詞向量分類子模型；

所述通過所述問題分類模型獲取所述用戶問題信息的問題類別以及對應的置信度，包括：

通過所述詞向量獲取子模型，對所述用戶問題信息進行分詞，并根據分詞結果獲取所述用戶問題信息的詞向量；

通過所述詞向量分類子模型，對所述用戶問題信息的詞向量進行分類，獲取所述用戶問題信息的問題類別以及對應的置信度。

4.根據權利要求3所述的方法，其特征在于，所述通過所述詞向量分類子模型，對所述用戶問題信息的詞向量進行分類，獲取所述用戶問題信息的問題類別以及對應的置信度，包括：

通過所述詞向量分類子模型，將所述用戶問題信息的詞向量與預設問題類別對應的預設詞向量進行相似度匹配，獲取其中相似度最高的預設問題類別作為所述用戶問題信息的問題類別，將其相似度作為所述置信度。

5.根據權利要求3或4所述的方法，其特征在于，所述詞向量分類子模型為深度學習模型。

6.根據權利要求1-4任一項所述的方法，其特征在于，所述答案生成模型為Seq2Seq模型；

所述將所述用戶問題信息輸入到預先訓練的答案生成模型中獲取對應的答案信息，包括：

通過所述Seq2Seq模型的編碼器對所述用戶問題信息進行編碼，再通過所述Seq2Seq模型的解碼器進行解碼，獲取所述用戶問題信息對應的答案信息。

7.根據權利要求6所述的方法，其特征在于，

所述Seq2Seq模型的編碼器采用LSTM模型、GRU模型或Transformer模型；

所述Seq2Seq模型的解碼器采用LSTM模型、GRU模型或Transformer模型。

8.根據權利要求3或4所述的方法，其特征在于，還包括：

將所述預設問答庫中每一問題類別所包括的問題樣本作為第一訓練數據，對所述詞向量獲取子模型進行訓練；

根據訓練后的詞向量獲取子模型獲取各所述第一訓練數據的詞向量，作為第二訓練數據，對所述詞向量分類子模型進行訓練，直至所述詞向量分類子模型收斂。

9.根據權利要求6所述的方法，其特征在于，還包括：

將所述預設問答庫中每一問題類別所包括的問題樣本以及對應的答案信息作為第三訓練數據，對所述Seq2Seq模型進行訓練。

10.根據權利要求1所述的方法，其特征在于，還包括：

獲取歷史問題，對所述歷史問題進行分類，并獲取各問題類別的相關近似問題補充到對應的問題類別中；

對于每一問題類別獲取對應的答案信息；

根據每一問題類別所包括的問題以及對應的答案信息，構建所述預設問答庫。