[发明专利]一种智能应答的方法和装置在审
| 申请号: | 201810726621.6 | 申请日: | 2018-07-04 |
| 公开(公告)号: | CN109002515A | 公开(公告)日: | 2018-12-14 |
| 发明(设计)人: | 刘志文 | 申请(专利权)人: | 网宿科技股份有限公司 |
| 主分类号: | G06F17/30 | 分类号: | G06F17/30;G06F17/27 |
| 代理公司: | 北京华智则铭知识产权代理有限公司 11573 | 代理人: | 陈向敏 |
| 地址: | 200030 上海市徐汇区*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 应答 会话信息 应答信息 方法和装置 客户端 模型库 智能 人工智能技术 调用目标 模型生成 记录 预设 发送 反馈 干预 学习 | ||
1.一种智能应答的方法,其特征在于,所述方法包括:
周期性根据应答记录和预设资料集训练应答模型库中的应答模型;
当接收到客户端发送的会话信息时,在所述应答模型库中确定并调用目标应答模型;
通过所述目标应答模型生成所述会话信息的应答信息,向所述客户端反馈所述应答信息,并添加所述会话信息和所述应答信息至所述应答记录中。
2.根据权利要求1所述的方法,其特征在于,所述周期性根据应答记录和预设资料集训练应答模型库中的应答模型,包括:
周期性从应答记录中提取问答组数据,并从预设资料集中提取应答模型库中应答模型的预设应答数据对应的问题数据,其中,所述问答组数据包括提问数据和所述提问数据对应的应答数据;
对所述问答组数据和所述问题数据进行数据预处理,并将处理后的问答组数据和问题数据添加至模型训练语料库;
周期性基于所述模型训练语料库中的数据,通过多层神经网络训练应答模型库中的应答模型。
3.根据权利要求2所述的方法,其特征在于,对所述问答组数据和所述问题数据进行数据预处理,包括:
对所述问答组数据和所述问题数据进行分词处理,并基于预设的文本数值转化规则将分词得到的词组转换为空间向量。
4.根据权利要求2所述的方法,其特征在于,所述周期性基于所述模型训练语料库中的数据,通过多层神经网络训练应答模型库中的应答模型,包括:
周期性获取所述模型训练语料库中的新增数据,将所述新增数据按比例随机分为训练数据、测试数据和验证数据;
分别基于所述训练数据、测试数据和验证数据,通过多层神经网络对所述应答模型库中的应答模型进行训练、测试和验证处理。
5.根据权利要求1所述的方法,其特征在于,所述当接收到客户端发送的会话信息时,在所述应答模型库中确定并调用目标应答模型,包括:
当接收到客户端发送的会话信息时,确定所述会话信息所属的应答领域;
在所述应答模型库中确定并调用所述应答领域对应的目标应答模型。
6.根据权利要求1所述的方法,其特征在于,所述通过所述目标应答模型生成所述会话信息的应答信息,包括:
对所述会话信息进行数据转换生成模型输入数据;
在所述目标应答模型提供的预设提问数据中选取与所述模型输入数据最匹配的目标提问数据;
将所述目标提问数据对应的预设应答数据作为所述会话信息的应答信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
如果所述目标提问数据与所述模型输入数据的匹配度低于预设匹配度阈值,则向预设的人工应答端口提供所述会话信息。
8.根据权利要求1所述的方法,其特征在于,所述向所述客户端反馈所述应答信息之后,还包括:
如果接收到所述客户端发送的携带有所述会话信息的人工应答请求,则将所述会话信息和所述应答信息标记为待检验会话记录。
9.一种智能应答的装置,其特征在于,所述装置包括:
训练模块,用于周期性根据应答记录和预设资料集训练应答模型库中的应答模型;
调用模块,用于当接收到客户端发送的会话信息时,在所述应答模型库中确定并调用目标应答模型;
反馈模块,用于通过所述目标应答模型生成所述会话信息的应答信息,向所述客户端反馈所述应答信息,并添加所述会话信息和所述应答信息至所述应答记录中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于网宿科技股份有限公司,未经网宿科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810726621.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:适时推送服务的方法及装置
- 下一篇:一种搜索方法及装置





