[發明專利]潛在事件預測方法、裝置、設備及存儲介質

在審

• 申請號: 202011539228.X
• 申請日: 2020-12-23
• 公開（公告）號: CN112667791A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 朱昱錦;徐國強
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/211;G06F40/30;G06K9/62;G06Q10/04;G06Q30/02
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

本發明涉及人工智能領域，公開了一種潛在事件預測方法、裝置、設備及存儲介質。該方法包括：通過多個領域的第一數據集，并采用預置逐片段學習范式，訓練潛在事件預測的預訓練模型以供備用；再以目標領域的第二數據集，分別轉化為兩種格式的訓練樣本，在兩個預訓練模型中訓練，得到第二、第三潛在事件預測模型，以用于預測第二事件句對應的第二、第三潛在事件和對應的第二、第三發生概率；對比第二、第三發生概率，并基于對比的結果，從第二、第三潛在事件中篩選出多個潛在事件進行推送。本發明還涉及區塊鏈技術，所述各數據集存儲于區塊鏈中。本發明實現了在開放式場景下根據事件句預測潛在事件的發生。

技術領域

本發明涉及人工智能領域，尤其涉及一種潛在事件預測方法、裝置、設備及存儲介質。

背景技術

隨著目前線上服務的普及率升高、用戶增多、企業對智能機器擬人要求提升，如何處理開放式場景的應答成為重要訴求。這類新場景要求機器通過當前用戶的回答，“主動”推測一些可能推進話題的方向，生成相應回復。這類應用場景需要模型滿足兩點：1)記憶一定的經驗與常識；2)能根據記憶的信息，結合新傳入的樣本，生成預測結果。讓模型的參數在大規模無標注數據訓練中獲得最佳權重，而且并非進行分類，而是直接生成答案。即模型可提供開放式場景下的事件應答預測。

然而，現有基于多輪對話的諸多應用場景(例如智能營銷、智能咨詢、智能催債、投訴響應)往往是封閉式的，即場景領域特定、對話目標明確，往往通過簡單的意圖識別模型結合規則模板就能處理大部分對話。也即現有方法目前還不能預測發生某事后接下來可能出現的其他事情，因而不具有對風險的前瞻能力。

發明內容

本發明的主要目的在于解決模型可提供開放式場景下的事件應答預測的技術問題。

本發明第一方面提供了一種潛在事件預測方法，包括：

獲取多個領域中潛在事件預測的第一數據集，并采用預置逐片段學習范式，通過預置初始模型對所述第一數據集進行訓練，預測與所述第一數據集中各第一事件句相關聯的第一潛在事件和所述第一潛在事件的第一發生概率，直到所述初始模型收斂時停止，得到預訓練模型；

獲取目標領域中潛在事件預測的第二數據集，將所述第二數據集轉化為不同模型輸入格式的第一訓練樣本和第二訓練樣本；

采用所述第一訓練樣本對所述預訓練模型進行微調，得到第一潛在事件預測模型，以及采用所述第二訓練樣本對所述預訓練模型進行微調，得到第二潛在事件預測模型；

獲取待預測的第二事件句，并將所述第二事件句輸入所述第一潛在事件預測模型進行預測，得到第二潛在事件和所述第二潛在事件的第二發生概率，以及將所述第二事件句輸入所述第二潛在事件預測模型進行預測，得到第三潛在事件和所述第三潛在事件的第三發生概率；

對比所述第二發生概率和所述第三發生概率，并根據對比結果進行潛在事件推送。

可選的，在本發明第一方面的第一種實現方式中，所述獲取多個領域中潛在事件預測的第一數據集包括：

獲取多個領域中潛在事件預測的原始數據集，并對所述原始數據集進行抽象化定義；

對抽象化定義后的原始數據集進行輸入格式的規范化處理，得到多個領域中潛在事件預測的第一數據集。

可選的，在本發明第一方面的第二種實現方式中，所述采用預置逐片段學習范式，通過預置初始模型對所述第一數據集進行訓練，預測與所述第一數據集中各第一事件句相關聯的第一潛在事件和所述第一潛在事件的第一發生概率，直到所述初始模型收斂時停止，得到預訓練模型包括：

通過所述預置初始模型，將所述第一數據集分割為多個片段，并依次對與所述各片段中各第一事件句相關聯的第一潛在事件和所述第一潛在事件的第一發生概率進行預測，得到預測結果；