[发明专利]任务型机器人词槽填充方法

权利要求书

1.一种任务型机器人词槽填充方法，其特征在于，包括：

收集训练数据，所述训练数据包括任务和与所述任务对应的词槽；

依据训练数据训练机器学习模型；

使用训练完成的机器学习模型对用户输入语句进行词槽匹配填充，得到与所述用户输入语句对应的第一词槽；

通过哈德曼乘积将根据机器学习模型得到的第一词槽的第一词槽分布概率与过滤规则计算出的第二词槽分布概率进行融合得到第二词槽；

将所述用户输入语句与所述第二词槽进行匹配填充，得到机器人所需执行任务。

2.根据权利要求1所述的方法，其特征在于，所述任务对应的词槽，生成步骤包括：

将用户语句和任务进行规则匹配，得到筛选后任务；

对筛选后的任务对应的每个词槽进行单独配置；将用户语句与每个单独配置后的词槽进行匹配，筛选出任务对应的词槽。

3.根据权利要求2所述的方法，其特征在于，所述将用户语句和任务进行匹配，得到筛选后任务，包括：

将用户问句进行分词，转化为对应的词向量表示；

计算用户问句与任务相似问句的相似度，所述相似度为用户问句与任务相似问句的距离；

对所述相似度进行排序；

选择所述相似度排名在前的预设数量的任务。

4.根据权利要求1所述的方法，其特征在于，所述过滤规则，包括：

软过滤规则和硬过滤规则；所述软过滤规则包括任务与词槽间的常规对应规则；

所述硬过滤规则包括特殊任务处理规则和错误案例修复规则。

5.根据权利要求1所述的方法，其特征在于，所述第二词槽分布概率，包括：

将所述用户输入语句与第一词槽进行软规则过滤，得到第一中间词槽分布概率；

将所述用户输入语句与第一词槽进行硬规则过滤，得到第二中间词槽分布概率；

将所述第一中间词槽分布概率与所述第二中间词槽分布概率进行融合得到第二词槽分布概率。

6.根据权利要求1所述的方法，其特征在于，所述依据训练数据训练机器学习模型，包括：

对训练数据中用户语句进行分词；

对所述分词进行词嵌入得到的词向量张量；

将所述词向量张量输入机器学习模型，得到初始预测词槽；

计算初始预测词槽中每个词槽概率分布；

分析最终预测词槽和任务对应的词槽，根据分析结果更新机器学习模型。

7.根据权利要求6所述的方法，其特征在于，所述计算初始预测词槽中每个词槽概率分布依据条件随机场得到。

8.根据权利要求6所述的方法，其特征在于，所述分析最终预测词槽和任务对应的词槽，包括计算最终预测词槽和任务对应的词槽的交叉熵得到损失值，依据所述损失值更新机器学习模型。