[发明专利]一种基于对话系统的回答数据生成方法以及相关装置

说明书

本申请公开了一种基于对话系统的回答数据生成方法，包括：对获取的已知意图对话数据进行规则构建处理，得到分类规则集；判断接收的对话数据是否符合分类规则集的识别条件；若对话数据符合识别条件，则利用分类规则集对对话数据进行识别得到意图识别结果；若对话数据不符合识别条件，则利用分类模型对对话数据进行识别得到意图识别结果；根据意图识别结果生成对话数据对应的回答数据。通过构建分类规则集合对符合该规则集识别条件的对话数据进行识别，补充了分类模型识别过程，使分类模型无法识别的对话数据可以进行准确的识别，提高意图识别的准确率。本申请还公开了一种对话数据识别装置、服务器以及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于对话系统的回答数据生成方法、回答数据生成装置、服务器以及计算机可读存储介质。

背景技术

随着信息技术的发展，机器学习技术被应用到越来越多的领域，提高不同应用场景下处理问题的效率。机器学习主要是通过大量数据进行训练，得到更加精准的识别模型，同时还要不断的使用原始数据对识别模型的进行测试，以判断该识别模型是否达到学习的要求。

其中，识别模型主要是对获取的数据进行分类识别，得到对应的分类意图识别结果再根据该分类意图识别结果做出下一步操作。尤其是在对话系统中，需要通过识别模型识别出用户的输入数据的意图，再根据该意图得到相应的回答。也就是，在对话系统中识别用户的意图决定了用户和机器对话的走向，而意图识别是否正确决定了对话走向是否与用户的预期相符。因此，对于对话系统，如何识别用户的意图十分重要，会直接影响到用户的体验。

通常，在构建对话系统的过程中，需要通过监督学习训练一个准确率较高的分类模型，使用分类模型来识别用户意图。其中，分类模型的准确率直接反映到意图识别的准确率中。并且，训练分类模型的数据质量和算法原理决定了分类模型准确率的上限。因此，一般都会通过提高数据质量和改进算法原理来提高意图识别准确率。

但是，在实际应用过程中，用户输入的对话数据的变化频率十分快速，识别模型往往由于新意图的数据量不够和学习速度较长，无法很好的识别出现的新对话数据，进而降低意图识别准确率，造成对话系统无法正确的回答用户，用户体验十分不友好。

因此，如何更加全面的提高识别模型的意图识别准确率，是本领域技术人员所关注的重点问题。

发明内容

本申请的目的是提供一种基于对话系统的回答数据生成方法、回答数据生成装置、服务器以及计算机可读存储介质，通过构建分类规则集合对符合该规则集识别条件的对话数据进行识别，补充了分类模型识别过程，使分类模型无法识别的对话数据可以进行准确的识别，提高意图识别的准确率，进而提高对话系统的回答准确率，提升用户使用体验。

为解决上述技术问题，本申请提供一种基于对话系统的回答数据生成方法，包括：

对获取的已知意图对话数据根据已知的意图进行规则构建处理，得到分类规则集；其中，所述已知意图对话数据为经过分析识别热点事件得到的；

判断接收的对话数据是否符合所述分类规则集的识别条件；

若所述对话数据符合所述识别条件，则利用所述分类规则集对所述对话数据进行识别得到意图识别结果；

若所述对话数据不符合所述识别条件，则利用分类模型对所述对话数据进行识别得到意图识别结果；

根据所述意图识别结果生成所述对话数据对应的回答数据。

可选的，对获取的已知意图对话数据根据已知的意图进行规则构建处理，得到分类规则集，包括：

获取所述已知意图对话数据；

根据所述已知意图对话数据进行决策树构建处理，得到决策树；

对所述决策树进行规则提取操作，得到多条分类规则；