[發明專利]智能對話方法、裝置、終端及存儲介質

在審

• 申請號: 202110603528.8
• 申請日: 2021-05-31
• 公開（公告）號: CN113190669A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 梁方殷;梁麗娜;梁子敬;賀春艷
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/289;G06F40/35
• 代理公司: 深圳國新南方知識產權代理有限公司 44374
• 代理人: 周雷

本發明公開了一種智能對話方法、裝置、終端及存儲介質，其中方法包括：獲取用戶在當輪對話過程中的輸入文本；利用預先訓練好的多任務聯合模型對輸入文本進行意圖識別，得到意圖信息和槽位信息，多任務聯合模型包括意圖識別層和槽填充層，意圖識別層和槽填充層通過門控循環單元構建；根據意圖信息和槽位信息從資源庫查詢得到至少一個標準文本；計算每個標準文本與輸入文本的相似度，并將相似度最高的標準文本作為最終文本輸出。通過上述方式，本發明通過獲取用戶的意圖信息和槽位信息來定位可行的標準文本，再利用相似度來確認最合適的輸出文本，實現了與用戶之間的精準問答，且采用精簡的多任務聯合模型的框架，適用于低成本環境，維護成本低。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種智能對話方法、裝置、終端及存儲介質。

背景技術

智能對話系統是當前主流的人機對話系統，問答系統又分為應用于垂直領域和閑聊。垂直領域的問答系統能替代人工客服完成大部分繁雜工作，可解決用戶需人工各種查詢或者檢索才能得到答案的困境，根據垂直領域的定義以及訓練語料的范圍可將問答系統應用于不同領域，例如稅務、工作流程、醫療領域、金融領域等。目前中智能對話系統框架大多為基于流水線方法，在對語言理解方面包含了自然語言理解及自然語言生成模塊并將兩者進行拆分處理，其中自然語言理解的核心意圖識別模型通常使用的是谷歌bert模型，通過bert模型下游任務微調而完成識別，但bert及其系列模型框架較大，涉及迭代語料訓練時需要在GPU環境下進行，訓練時間較長且非常消耗資源，無法適用于低成本環境，不利于快速開發迭代。

發明內容

本申請提供一種智能對話方法、裝置、終端及存儲介質，以解決現有的問答系統采用的模型框架較大，運行成本高，不利于維護的問題。

為解決上述技術問題，本申請采用的一個技術方案是：提供一種智能對話方法，包括：獲取用戶在當輪對話過程中的輸入文本；利用預先訓練好的多任務聯合模型對輸入文本進行意圖識別，得到意圖信息和槽位信息，多任務聯合模型包括意圖識別層和槽填充層，意圖識別層和槽填充層通過門控循環單元構建，意圖信息預先設置有至少一個槽位，槽位信息即對應的槽位的屬性信息；根據意圖信息和槽位信息從資源庫查詢得到至少一個標準文本；計算每個標準文本與輸入文本的相似度，并將相似度最高的標準文本作為最終文本輸出。

作為本申請的進一步改進，利用預先訓練好的多任務聯合模型對輸入文本進行意圖識別，得到意圖信息和槽位信息之后，還包括：根據意圖信息對應的至少一個槽位判斷槽位信息是否完整；若否，則根據缺失了槽位信息的槽位生成新一輪對話文本；接收用戶針對新一輪對話文本輸入的新的輸入文本，并提取出缺失的槽位信息。

作為本申請的進一步改進，利用預先訓練好的多任務聯合模型對輸入文本進行意圖識別，得到意圖信息和槽位信息，包括：預處理輸入文本，并將預處理后的輸入文本轉換為向量表示；將向量表示轉換為數字序列，并將數字序列輸入至多任務聯合模型，得到意圖和槽位序列；對意圖和槽位序列進行逆映射，得到意圖信息和槽位信息。

作為本申請的進一步改進，預處理輸入文本，并將預處理后的輸入文本轉換為向量表示，包括：預處理輸入文本；判斷輸入文本是中文還是英文；若輸入文本是中文，則將輸入文本逐字轉換為字向量。

作為本申請的進一步改進，還包括預先訓練多任務聯合模型，其包括：獲取訓練樣本，并將訓練樣本預處理后轉換為樣本向量；對樣本向量中的槽位進行標注，并獲取預先構建的意圖表；將樣本向量轉換為樣本數字序列后，輸入至待訓練的意圖識別層和槽填充層，得到樣本意圖和槽位序列，意圖識別層和槽填充層采用門控循環單元構建；對樣本意圖和槽位序列進行逆映射，得到樣本意圖信息和樣本槽位信息；根據樣本意圖信息和樣本槽位信息查詢意圖表，生成預測結果；比對預測結果和訓練樣本對應的真實結果，并利用比對結果反向傳播更新意圖識別層和槽填充層。