[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

本發明涉及人工智能技術，揭露了一種智能對話方法，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。本發明還揭露一種智能對話裝置、電子設備以及存儲介質。本發明還涉及區塊鏈技術，所述回復文本可以存儲于區塊鏈節點中。本發明可解決缺少對待回復文本的處理優化，造成回復文本可閱讀性差的問題。

技術領域

本發明涉及人工智能領域，尤其涉及一種智能對話方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著深度學習的迅速發展，基于深度學習網絡的智能對話方法如雨后春筍般涌現，目前常用的智能對話方法包括LSTM合成法、BERT合成法等，雖然都可實現智能對話，但該類方法一般直接將待回復文本輸入至模型中預測出回復文本，缺乏對待回復文本的處理優化，若待回復文本的文本數據過長時，不容易提取出文本特征，進而導致生成的回復文本可閱讀性較差的問題。

發明內容

本發明提供一種智能對話方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于解決缺少對待回復文本的處理優化，造成回復文本可閱讀性差的問題。

為實現上述目的，本發明提供的一種智能對話方法，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。

可選地，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。

可選地，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。

可選地，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。

可選地，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。

可選地，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；