[发明专利]一种智能语音机器人的对话管理方法、装置和系统

权利要求书

1.一种智能语音机器人的对话管理方法，其特征在于，方法包括：

智能语音机器人在与用户进行沟通之前选取沟通的对话主题；

获取用户语音输入，对用户的语音输入进行分析识别，包括：

实时将用户当前的语音输入转化为文本；将转化后的文本划词处理后输入槽位识别模型进行槽位识别，将划词处理后的文本输入模型的嵌入层转化成词向量、词向量在IDCNN层转化为句向量、二维的句向量在全连接层转为一维向量后输入到CRF层分类而输出识别的文本中的实体内容；

将文本输入单句意图识别模型进行单句意图识别，确定用户当前语句的单句意图；其中，将历史沟通记录转化的历史沟通文本分成训练样本、纠正样本和测试样本三组样本、并在进行人工审核后给出单句意图标签，并利用训练样本进行模型训练，获得单句意图识别模型的参数后，利用纠正样本进行模型优化以调整模型参数，再利用测试样本对优化后的模型进行测试而获得测试结果并与人工审核给出的单句意图标签进行比较以判断单句意图识别模型及其参数是否符合预设的要求，如果符合则将当前的单句意图识别模型用于单句意图识别；

根据分析识别结果中的槽位识别结果和单句意图识别结果判断用户的真实意图以及调整与用户真实意图对应的对话逻辑策略，包括：

基于智能语音机器人的对话主题从对话逻辑库中选取与对话主题匹配的对话逻辑策略；其中，所述对话逻辑策略包括多个节点，所述多个节点构成对话逻辑的逻辑树，在逻辑树中根据用户回答的内容行进，在对话逻辑策略中的某个节点位置能根据用户的不同意图去往不同的节点；

根据所述用户真实意图调整与用户真实意图对应的对话逻辑策略，形成多个对话逻辑策略彼此嵌套的整体对话逻辑策略；

智能语音机器人根据调整后的对话逻辑策略从文本数据库中选取与所述对话逻辑策略相应的对话文本转化为语音向用户输出应答。

2.如权利要求1所述方法，其特征在于，所述槽位识别模型是基于迭代膨胀卷积神经网络IDCNN的深度学习模型。

3.如权利要求1所述的方法，其特征在于，所述单句意图识别模型是基于深度学习文本分类模型TextCNN或基于问题匹配模型。

4.如权利要求1所述的方法，其特征在于，选取与所述对话逻辑策略相应的对话文本转化为语音向用户输出应答包括：将所述语音播放给用户。

5.如权利要求1所述的方法，其特征在于，还包括：

智能语音机器人在完成对话后，将对话内容存储在对话历史数据库。

6.如权利要求1所述的方法，其特征在于，还包括：

将智能语音机器人与当前用户的对话内容输入整轮意图识别模型，输出整轮用户意图标签，所述整轮意图识别模型基于深度学习文本分类模型TextCNN。