[發明專利]針對用戶問句進行智能應答的方法和裝置

有效

• 申請號: 202010819216.6
• 申請日: 2020-08-14
• 公開（公告）號: CN111680148B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 張杰;王雅芳
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F16/33;G06F40/279;G06F40/216;G06Q30/00;G06N20/00
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 孫欣欣;周良玉

1.一種針對用戶問句進行智能應答的方法，所述方法包括：

獲取當前多輪對話中的用戶問句；

將所述用戶問句輸入預先訓練的模糊分類模型，通過所述模糊分類模型輸出目標類別；所述目標類別選自第一類別和第二類別，所述第一類別表明所述用戶問句描述清晰，所述第二類別表明所述用戶問句描述模糊；

當所述目標類別為所述第一類別時，識別所述用戶問句對應的第一標準問句，并根據所述第一標準問句確定針對所述用戶問句的第一應答語句；

當所述目標類別為所述第二類別時，識別所述用戶問句包含的第一要素，并根據所述第一要素確定針對所述用戶問句的第二應答語句；

所述根據所述第一要素確定針對所述用戶問句的第二應答語句，包括：

當所述第一要素為訴求要素時，確定所述用戶問句中缺失的業務要素；

對應于缺失的業務要素，確定針對所述用戶問句的第二應答語句，所述第二應答語句用于針對缺失的業務要素進行反問。

2.如權利要求1所述的方法，其中，所述方法還包括：

接收用戶針對所述反問的補充信息；

根據所述補充信息和所述用戶問句，確定所述用戶問句對應的第二標準問句，并根據所述第二標準問句確定針對所述用戶問句的第三應答語句。

3.如權利要求1所述的方法，其中，所述模糊分類模型基于第一類訓練樣本和第二類訓練樣本預先訓練；所述第一類訓練樣本包括第一用戶問句和第一標簽，所述第一標簽對應于所述第一類別；所述第二類訓練樣本包括第二用戶問句和第二標簽，所述第二標簽對應于所述第二類別。

4.如權利要求3所述的方法，其中，所述第一用戶問句包含業務要素和訴求要素；所述第二用戶問句僅包含業務要素或僅包含訴求要素。

5.如權利要求3所述的方法，其中，所述模糊分類模型是bert模型；

所述模糊分類模型的訓練方式如下：

獲取經過預訓練任務預訓練的bert模型；

利用所述第一類訓練樣本和所述第二類訓練樣本對預訓練的bert模型進行微調。

6.如權利要求1所述的方法，其中，所述識別所述用戶問句對應的第一標準問句，包括：

將所述用戶問句輸入預先訓練的問題識別模型，得到所述用戶問句對應的第一標準問句。

7.如權利要求6所述的方法，其中，所述問題識別模型采用如下方式進行訓練：

獲取樣本集合中的各個樣本用戶問句以及各個樣本用戶問句對應的標問分類標簽；

利用已訓練的第一神經網絡模型，預測各個用戶問句在各個標問分類上的第一概率得分，其中所述第一神經網絡模型的層數為N；

利用待訓練的所述問題識別模型，預測各個用戶問句在各個標問分類上的第二概率得分，其中，所述問題識別模型的層數為M，MN；

根據所述第二概率得分和所述第一概率得分，確定第一預測損失；

根據所述第二概率得分和各個用戶問句的標問分類標簽，確定第二預測損失；

將所述第一預測損失與所述第二預測損失進行加權求和，得到第一總損失；

以最小化所述第一總損失為訓練目標，對所述問題識別模型進行訓練。

8.如權利要求1所述的方法，其中，所述識別所述用戶問句包含的第一要素，包括：

將所述用戶問句輸入預先訓練的要素識別模型，得到所述用戶問句包含的第一要素。