[發明專利]基于圖神經網絡的應答方法、裝置、設備及存儲介質

有效

• 申請號: 202110686886.X
• 申請日: 2021-06-21
• 公開（公告）號: CN113254620B
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 陸林炳;劉志慧;金培根;林加新;李炫
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F16/35;G06F40/194;G06F40/279;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 吳英銘

1.一種基于圖神經網絡的應答方法，其特征在于，包括：

接收用戶的問答請求，獲取所述問答請求中的用戶音頻文件；

對所述用戶音頻文件進行語音識別，得到用戶文本問題；

對所述用戶文本問題進行業務場景特征提取，根據提取的所述業務場景特征識別出業務場景結果；

從基于專家知識領域的召回候選庫中獲取與所述業務場景結果匹配的候選問題，并構建各所述候選問題的圖結構；

所述從基于專家知識領域的召回候選庫中獲取與所述業務場景結果匹配的候選問題，并構建各所述候選問題的圖結構，包括：

獲取所述召回候選庫中與所述候選問題關聯的一階召回相似問題及與其對應的一階實時采集次數，和與各所述一階召回相似問題關聯的二階召回相似問題及與其對應的二階實時采集次數；

創建以所述候選問題為中心的圖結構，根據所有所述一階召回相似問題及與其對應的所述一階實時采集次數，建立與所述候選問題的一階邊連接關系，構建所述圖結構的一階鄰居；

根據所有所述二階召回相似問題及與其對應的所述二階實時采集次數，建立與各所述一階召回相似問題的二階邊連接關系，構建所述圖結構的二階鄰居；

將構建二階鄰居之后的圖結構記錄為該候選問題的圖結構；

通過語義召回模型分別對所述用戶文本問題和各所述候選問題的圖結構進行共享參數的詞向量轉換，并對詞向量轉換后的所述用戶文本問題進行詞袋聚合，得到用戶語義向量，以及通過所述語義召回模型中的圖神經網絡對各詞向量轉換后的所述候選問題進行逐層詞袋聚合，得到與各所述候選問題一一對應的候選語義向量，獲取所述用戶語義向量與各所述候選語義向量的最大語義相似度；

所述通過語義召回模型分別對所述用戶文本問題和各所述候選問題的圖結構進行共享參數的詞向量轉換，并對詞向量轉換后的所述用戶文本問題進行詞袋聚合，得到用戶語義向量，以及通過所述語義召回模型中的圖神經網絡對各詞向量轉換后的所述候選問題進行逐層詞袋聚合，得到與各所述候選問題一一對應的候選語義向量，獲取所述用戶語義向量與各所述候選語義向量的最大語義相似度，包括：

通過所述語義召回模型中的共享參數的轉換模塊分別對所述用戶文本問題和所述候選問題的圖結構進行詞向量轉換，得到向量集合；所述向量集合包括與所述用戶文本問題對應的用戶向量、與所述候選問題對應的候選向量、與各所述一階召回相似問題對應的一階向量組以及與各所述二階召回相似問題對應的二階向量組；

通過所述語義召回模型中的卷積神經網絡對所述用戶向量進行詞袋聚合處理，得到與所述用戶文本問題對應的所述用戶語義向量；

通過所述圖神經網絡對所述候選問題和與所述候選問題的圖結構的所述一階向量組及所述二階向量組進行多層詞袋聚合處理，分別得到與所述候選問題對應的中心語義向量、一階語義向量和二階語義向量；

通過所述圖神經網絡根據與相同的所述一階召回相似問題連接的所述二階召回相似問題對應的所述二階語義向量以及所述二階邊，對該一階召回相似問題對應的所述一階語義向量進行第一逐層聚合處理，得到與該一階召回相似問題對應的一階聚合向量；

通過所述圖神經網絡根據所有與所述候選問題連接的所述一階召回相似問題對應的所述一階聚合向量，對該候選問題進行第二逐層聚合處理，得到與所述候選問題對應的候選語義向量；

運用余弦相似度算法，確定出所述用戶語義向量與各所述候選語義向量的最大語義相似度；

返回與所述最大語義相似度對應的所述候選問題對應的應答文本，以及播報所述應答文本。

2.如權利要求1所述的基于圖神經網絡的應答方法，其特征在于，所述獲取所述召回候選庫中與所述候選問題關聯的一階召回相似問題及與其對應的一階實時采集次數，和與各所述一階召回相似問題關聯的二階召回相似問題及與其對應的二階實時采集次數之前，包括：

對所述候選問題進行分詞處理，劃分出多個單元詞；

通過詞性檢測模型對各所述單元詞進行詞性識別，得到各所述單元詞的詞性結果；

根據所有所述單元詞的詞性結果，通過基于專家知識領域的問句生成模型進行問句生成，生成與所述候選問題對應的多個所述一階召回相似問題。