[發明專利]一種人機對話的拒絕識別方法、裝置、設備、介質

有效

• 申請號: 202010469831.9
• 申請日: 2020-05-28
• 公開（公告）號: CN111625636B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 劉玉;李松如;文博;劉云峰
• 申請（專利權）人: 深圳追一科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/216;G06F40/279;G06F18/22;G06F18/241;G06N20/00;G10L15/22
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉曉菲

1.一種人機對話的拒絕識別方法，其特征在于，包括：

獲取待識別的目標信息；

利用多種相似度算法分別確定所述目標信息與預設FAQ知識庫的多個不同維度的相似度；

將所述目標信息輸入到預先訓練得到的FAQ分類模型，得到所述目標信息對應的最大類別概率；

將所述多個不同維度的相似度和所述最大類別概率輸入到預先訓練得到的拒識分類模型，得到所述目標信息對應的拒識類概率；

根據所述拒識類概率確定是否拒絕識別所述目標信息。

2.根據權利要求1所述的人機對話的拒絕識別方法，其特征在于，所述獲取待識別的目標信息，包括：

獲取待識別的語音信息；

和/或，獲取待識別的文本信息。

3.根據權利要求1所述的人機對話的拒絕識別方法，其特征在于，所述根據所述拒識類概率確定是否拒絕識別所述目標信息，包括：

判斷所述拒識類概率是否小于預設拒識閾值；

如果所述拒識類概率大于或等于預設拒識閾值，則拒絕識別所述目標信息；

如果所述拒識類概率小于預設拒識閾值，則將輸出所述最大類別概率對應的目標知識點，其中，所述目標知識點為最大類別概率在所述預設FAQ知識庫中對應的知識點。

4.根據權利要求1所述的人機對話的拒絕識別方法，其特征在于，所述獲取待識別的目標信息之前，還包括：

利用預先獲取到的樣本訓練所述FAQ分類模型和所述拒識分類模型。

5.根據權利要求4所述的人機對話的拒絕識別方法，其特征在于，所述利用預先獲取到的樣本訓練所述拒識分類模型，包括：

利用機器學習方法以及預先獲取到的樣本訓練所述拒識分類模型；

或，利用深度學習方法以及預先獲取到的樣本訓練所述拒識分類模型。

6.根據權利要求4所述的人機對話的拒絕識別方法，其特征在于，所述利用預先獲取到的樣本訓練所述拒識分類模型，包括：

利用決策樹方法以及預先獲取到的樣本訓練所述拒識分類模型；

或，利用支持向量機方法以及預先獲取到的樣本訓練所述拒識分類模型；

或，利用預先獲取到的樣本訓練對卷積神經網絡分類器進行訓練，得到所述拒識分類模型；

或，利用預先獲取到的樣本訓練對循環神經網絡分類器進行訓練，得到所述拒識分類模型。

7.根據權利要求1至6任一項所述的人機對話的拒絕識別方法，其特征在于，所述利用多種相似度算法分別確定所述目標信息與預設FAQ知識庫的多個不同維度的相似度，包括：

利用最長公共子序列算法確定所述目標信息與預設FAQ知識庫的最長公共子序列相似度；

和/或，利用Jaccard相似度算法確定所述目標信息與預設FAQ知識庫的Jaccard相似度；

和/或，利用編輯距離相似度算法確定所述目標信息與預設FAQ知識庫的編輯距離相似度；

和/或，利用n_gram算法確定所述目標信息與預設FAQ知識庫的n_gram相似度；

和/或，利用主題相似度算法確定所述目標信息與預設FAQ知識庫的主題相似度；

和/或，利用BM25算法確定所述目標信息與預設FAQ知識庫的BM25相似度；

和/或，利用基于預訓練語言模型的詞向量相似度算法確定所述目標信息與預設FAQ知識庫的基于預訓練語言模型的詞向量相似度。

8.一種人機對話的拒絕識別裝置，其特征在于，包括：

信息獲取模塊，用于獲取待識別的目標信息；

相似度確定模塊，用于利用多種相似度算法分別確定所述目標信息與預設FAQ知識庫的多個不同維度的相似度；

第一概率確定模塊，用于將所述目標信息輸入到預先訓練得到的FAQ分類模型，得到所述目標信息對應的最大類別概率；

第二概率確定模塊，用于將所述多個不同維度的相似度和所述最大類別概率輸入到預先訓練得到的拒識分類模型，得到所述目標信息對應的拒識類概率；

拒識判斷模塊，用于根據所述拒識類概率確定是否拒絕識別所述目標信息。