[發明專利]智能對話方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011442523.3
• 申請日: 2020-12-11
• 公開（公告）號: CN112507728A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 倪子凡;王健宗;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/35
• 分類號: G06F40/35;G06F40/284
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種智能對話方法，其特征在于，所述方法包括：

接收待回復文本，對所述待回復文本執行詞性識別，得到信息待抽取文本集；

從所述信息待抽取文本集中抽取得到待優化文本實體集；

優化所述待優化文本實體集，得到文本實體集，利用所述文本實體集生成實體關系；

將所述文本實體集及所述實體關系執行信息融合，得到三元組信息；

利用所述三元組信息生成所述待回復文本的回復文本。

2.如權利要求1所述的智能對話方法，其特征在于，所述從所述信息待抽取文本集中抽取得到待優化文本實體集，包括：

構建所述信息待抽取文本集內每組詞語的實體概率函數；

求解所述實體概率函數得到實體概率集，利用所述實體概率集，從所述信息待抽取文本集中抽取得到所述待優化文本實體集。

3.如權利要求1所述的智能對話方法，其特征在于，所述優化所述待優化文本實體集，得到文本實體集，包括：

計算所述待優化文本實體集的實體排名值；

利用所述實體排名值，清洗所述待優化文本實體集，得到所述文本實體集。

4.如權利要求1所述的智能對話方法，其特征在于，所述利用所述文本實體集生成實體關系，包括：

將所述文本實體集及所述待回復文本輸入至訓練完成的BERT模型中；

利用所述BERT模型從所述待回復文本中抽取待校對文本實體；

將所述待校對文本實體與所述文本實體集執行校對，得到校對實體集；

利用所述BERT模型及校對實體集，抽取得到所述實體關系。

5.如權利要求1所述的智能對話方法，其特征在于，所述對所述待回復文本執行詞性識別，得到信息待抽取文本集，包括：

將所述待回復文本執行去噪、去停用詞及分詞處理，得到詞性待識別文本；

利用預訓練完成的詞性識別模型，對所述詞性待識別文本執行詞性識別，得到所述信息待抽取文本集。

6.如權利要求5所述的智能對話方法，其特征在于，所述利用預訓練完成的詞性識別模型，對所述詞性待識別文本執行詞性識別，得到所述信息待抽取文本集，包括：

構建及訓練詞性識別模型，其中所述詞性識別模型包括特征轉化層及詞性識別層；

利用所述特征轉化層將所述詞性待識別文本轉變為文本特征集，利用所述詞性識別層對所述文本特征集執行詞性識別，得到所述信息待抽取文本集。

7.如權利要求1至6中任意一項所述的智能對話方法，其特征在于，所述構建及訓練詞性識別模型，包括：

接收訓練文本集與所述訓練文本集對應的詞性標簽集；

將所述訓練文本集執行替換及遮蔽操作，得到半遮蔽文本集；

構建詞性識別模型，利用所述詞性識別模型計算所述半遮蔽文本集的詞性預測集；

計算所述詞性預測集與所述詞性標簽集的差異值，當所述差異值大于或等于預設閾值時，調整所述詞性識別模型的內部參數，直至所述差異值小于所述預設閾值，得到訓練完成的詞性識別模型。

8.一種智能對話裝置，其特征在于，所述裝置包括：

詞性識別模塊，用于接收待回復文本，對所述待回復文本執行詞性識別，得到信息待抽取文本集；

實體抽取模塊，用于從所述信息待抽取文本集中抽取得到待優化文本實體集，優化所述待優化文本實體集，得到文本實體集，利用所述文本實體集生成實體關系；

三元組信息構建模塊，用于將所述文本實體集及所述實體關系執行信息融合，得到三元組信息；

文本回復模塊，用于利用所述三元組信息生成所述待回復文本的回復文本。

9.一種電子設備，其特征在于，所述電子設備包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至7中任一項所述的智能對話方法。

10.一種計算機可讀存儲介質，包括存儲數據區和存儲程序區，其特征在于，所述存儲數據區存儲創建的數據，所述存儲程序區存儲有計算機程序；其中，所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述的智能對話方法。