[發明專利]數據改寫方法、裝置、存儲介質及計算機設備

在審

• 申請號: 202111665477.8
• 申請日: 2021-12-31
• 公開（公告）號: CN114357950A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 王濤;劉權;陳志剛
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F40/166
• 分類號: G06F40/166;G06F40/30;G06F16/2458;G06F16/23;G06K9/62
• 代理公司: 北京勵誠知識產權代理有限公司 11647
• 代理人: 周慧云

1.一種數據改寫方法，其特征在于，所述方法包括：

基于歷史時間段內的用戶交互行為數據，挖掘改寫數據，以根據所述改寫數據構建改寫數據庫，所述改寫數據包括所述歷史時間段內的所有的改寫組合對，每一所述改寫組合對包括一個錯誤話語和一個正確話語；

基于所述歷史時間段內每天產生的日志數據，增量更新所述改寫數據庫，以糾正所述改寫數據庫中交互失敗的數據；

基于所述改寫數據庫構建改寫引擎，所述改寫引擎用于將待測文本中的錯誤話語進行改寫。

2.如權利要求1所述的數據改寫方法，其特征在于，所述基于歷史時間段內的用戶交互行為數據，挖掘改寫數據，以根據所述改寫數據構建改寫數據庫，包括：

獲取歷史時間段內的用戶交互行為數據，通過解析所述用戶交互行為數據構建訓練數據；

利用所述訓練數據和吸收馬爾可夫模型對用戶交互行為進行建模，以挖掘交互失敗的錯誤話語對應的正確話語，得到所述改寫數據，以根據所述改寫數據構建改寫數據庫。

3.如權利要求2所述的數據改寫方法，其特征在于，所述獲取歷史時間段內的用戶交互行為數據，通過解析所述用戶交互行為數據構建訓練數據，包括：

獲取所述歷史時間段內的用戶交互行為數據；

獲取所述歷史時間段內的日志數據，并根據所述日志數據解析每一條所述用戶交互行為數據的時間戳、當前系統的語義理解結果以及用戶的行為反饋；

根據預設時間間隔，將所述用戶交互行為數據中的每個用戶的所有交互行為切分成多輪會話，其中每一輪所述會話包含一條或多條話語；

根據信源搜索結果或者所述用戶的行為反饋，對每一輪所述會話添加吸收狀態，所述吸收狀態包括交互成功或者交互失敗的狀態，將具有所述吸收狀態的每一輪所述會話確定為一條訓練數據。

4.如權利要求1-3任一項所述的數據改寫方法，其特征在于，所述利用所述訓練數據和吸收馬爾可夫模型對用戶交互行為進行建模，以挖掘交互失敗的錯誤話語對應的正確話語，得到所述改寫數據，包括：

利用所述訓練數據訓練所述吸收馬爾可夫模型的參數，以得到話語空間到語義空間的轉移概率矩陣、語義空間之間的轉移矩陣、以及語義空間到話語空間的轉移矩陣；

對于所述吸收狀態為交互失敗的訓練數據中的錯誤話語，計算所述錯誤話語對應的語義空間之間的轉移矩陣；

根據所述錯誤話語對應的語義空間之間的轉移矩陣，確定所述改寫數據。

5.如權利要求4所述的數據改寫方法，其特征在于，所述對于所述吸收狀態為交互失敗的訓練數據中的錯誤話語，計算所述錯誤話語對應的語義空間之間的轉移矩陣，包括：

根據所述訓練數據的實際語義信息，確定所有訓練數據的每一輪會話對應的語義空間中由任一語義空間元素轉移到第i個語義空間元素的共現次數；

根據所述共現次數，計算第i個語義空間元素與所有語義空間之間的共現總次數；

根據所述共現總次數，確定第i個語義空間元素轉移到第j個語義空間元素的概率，以及第i個語義空間元素轉移到目標語義空間元素的概率，以得到所述錯誤話語對應的語義空間之間的轉移矩陣，所述目標語義空間元素為第i個語義空間元素能交互成功的語義空間元素。

6.如權利要求5所述的數據改寫方法，其特征在于，所述根據所述共現總次數，確定第i個語義空間元素轉移到第j個語義空間元素的概率，以及第i個語義空間元素轉移到目標語義空間元素的概率，包括：

根據所述訓練數據的實際語義信息，確定第i個語義空間元素轉移到第j個語義空間元素的共現次數；

根據所述訓練數據的實際語義信息，確定第i個語義空間元素轉移到目標語義空間元素的共現次數；

根據第i個語義空間元素轉移到第j個語義空間元素的共現次數，以及所述共現總次數，確定第i個語義空間元素轉移到第j個語義空間元素的概率；

根據第i個語義空間元素轉移到目標語義空間元素的共現次數，以及所述共現總次數，確定第i個語義空間元素轉移到目標語義空間元素的概率。