[发明专利]一种面向中国移动智能客服的动态扩展知识图推理方法

说明书

本发明涉及一种面向中国移动智能客服的动态扩展知识图推理方法，属于人工智能技术领域。该方法包括：表征学习下的三元知识图构建；限界技术下的知识图Top‑k查询技术；单一业务类型多轮对话场景知识推理；跨业务类型多轮对话场景新语义挖掘。本发明为用户提供了有效应答交互的自然语言信息，满足智能客服多轮对话需求。

技术领域

本发明属于人工智能技术领域，涉及一种面向中国移动智能客服的动态扩展知识图推理方法。

背景技术

随着计算机自然语言技术的不断发展，智能多轮对话系统受到广泛关注。与此同时，智能客服也在大规模知识处理基础上发展起来。智能客服对话不仅为企业与用户建立了快捷有效的沟通手段，还为企业提供了精细化管理所需的统计分析信息。

现有技术中，智能客服多采用关键词、关键句匹配的方式，从知识库中调用已存储的问题答案，采用一问一答式的对话模式反馈给用户。这种方式会造成对话模式呆板固定，缺乏人性化设计，降低了用户体验，且当用户对意图表述不清楚时，整个咨询周期会变长，降低客服效率。

对于目前存在的情况，迫切需要开发一种新型智能客服交互技术，而深度学习近年来在自然语言处理方向迅猛发展为智能客服提供了新的思路。

发明内容

有鉴于此，本发明的目的在于提供一种面向中国移动智能客服的动态扩展知识图推理方法，旨在为用户提供快捷高效的客服体验与人性化的用户体验。

为达到上述目的，本发明提供如下技术方案：

一种面向中国移动智能客服的动态扩展知识图推理方法，如图1所述，具体包括：

101：表征学习下的三元知识图构建；

102：限界技术下的知识图Top-k查询；

103：单一业务类型多轮对话场景知识推理；

104：跨业务类型多轮对话场景新语义挖掘。

进一步，所述步骤101中，所述的表征学习下的三元知识图构建包括：通过构建三元组来构建三元知识图，通过张量分解得到核心张量和因子矩阵，由核心张量和因子矩阵还原的结果看作对应三元组成立的概率；构建学习目标函数L来保证知识图中出现的三元组获得较高学习目标值，设定映射函数将三元组的头实体和尾实体映射到与目标关系相关的语义空间中来实现知识转换；

所述的目标函数其中h代表头语义实体，r代表语义关系，t代表尾语义实体，h'代表映射头语义实体，t'代表映射尾语义实体，f_r(h,t)代表能量函数。

进一步，所述步骤101中，所述的表征学习下的三元知识图构建还包括：根据人类知识表征结构构造附有语义信息的三维张量定义知识图三元组，通过多列卷积神经网络生成知识实体与所需答案相关特征向量，在同一语义空间中利用相似度得分机制实现知识图推理。

进一步，所述步骤102中，所述的限界技术下的知识图Top-k查询包括：在不采用索引的情况下，实时计算知识图中知识原子u和v的关联分值和嵌入代价的上下界，利用上下界搜寻最优的k个嵌入，推导出Top-k的查询结果；通过超迭代实现分布式上下界精化和分布式终止条件检查；

所述的知识图中知识原子u和v的关联分值：

其中，l_w,v和n_u,v分别为知识原子u和知识原子v之间最短路径的长度和数目；α是一个预定义的常量，其取值在0与1之间；N是一个取值小于的常量；当n_u,v＞N时，u和v之间的关联分值的上界为