[发明专利]一种针对专业场景的多轮对话处理方法

说明书

本发明涉及人机交互技术领域，其目的在于提供一种针对专业场景的多轮对话处理方法。本发明包括如下步骤：构建知识图谱，知识图谱包括一级节点、二级节点、三级节点和四级节点；基于场景信息实体对应的知识图谱内容生成用于多轮对话的语义槽规则；接收当前问题信息，并识别当前问题信息中的当前多轮对话的场景信息实体；基于当前多轮对话的场景信息实体中的一级节点、二级节点、三级节点和四级节点，在知识图谱内进行子图搜索操作，获取当前场景信息实体对应的知识图谱，然后基于语义槽规则输出引导问答或输出最终的应答回复。本发明解决了结构化数据库数据冗余问题，提升了有效信息检索速度，同时解决单一场景对应单一多轮对话的问题，节约了人力成本。

技术领域

本发明涉及人机交互技术领域，特别是涉及一种针对专业场景的多轮对话处理方法。

背景技术

现有的多轮对话处理方法主要包括基于规则、检索和生产的方法，在使用现有技术过程中，发明人发现各现有技术中至少存在如下问题：a、基于规则的方法：在基于规则的多轮对话中，需事先定义一组规则模型(如逻辑判断、关键词或词查找或一些更为复杂的分类器)，规则模型基于所设定的规则与从之前对话内容中提取到的信息，对输入问句进行相关评估，并执行相应的操作。这种模式操作较为简单，但对于不同的数据源，其所需要的规则模型往往也不太相同，故其通用性上存在一定的缺陷。b、基于检索的方法：在基于检索的多轮对话中，将当前消息与之前的对话内容作为联合输入，之后一般通过LSTM或RNN结构模型对输入和候选回复进行编码，然后基于所生成的向量进行相似度，最后选择与整个文本最相关的回复语。这种方法能较为准确地进行多轮回复，但其往往需要庞大的语料库和候选回复集，才能保证较好的准确度，而这些数据的收集与标准化需要耗费大量的人力，且在保证精确度的同时又往往会导致回复时延的增大。c、基于生成的方法：在基于生成的多轮对话中，其将当前消息与之前的对话内容作为联合输入，一般先采用RNN或LSTM等层次化结构模型捕捉个体语句以及上下文信息的意义，然后通过encoder-decoder框架算法(如seq2seq)，直接生成相应的回复语句。这种方法不需要事先定义相应的回复文本集，直接生成回复文本，但需要大量的训练数据，模型训练成本较大，并且生成的回复可能与用户期待的回答相去甚远(存在一定的语法错误或回复偏离问题本身)，同时其还存在回复不一致的问题。

发明内容

本发明旨在至少在一定程度上解决上述技术问题，本发明提供了一种针对专业场景的多轮对话处理方法。

本发明采用的技术方案是：

一种针对专业场景的多轮对话处理方法，包括如下步骤：

构建知识图谱，知识图谱包括一级节点、二级节点、三级节点和四级节点；其中，一级节点对应一个专业场景下多轮对话的场景信息实体，二级节点包括各场景信息实体下对应的问题属性，三级节点包括各问题属性下对应的问题实体，四级节点包括各问题实体下对应的应答实体；

基于场景信息实体对应的知识图谱内容生成用于多轮对话的语义槽规则；

接收当前问题信息，并识别当前问题信息中的当前多轮对话的场景信息实体；

基于当前多轮对话的场景信息实体中的一级节点、二级节点、三级节点和四级节点，在知识图谱内进行子图搜索操作，获取当前场景信息实体对应的知识图谱，然后基于语义槽规则输出引导问答或输出最终的应答回复。

优选地，一级节点中包括实体名称、实体ID、实体类别、场景特征向量和语义槽规则五个属性特征；

二级节点中包括实体名称、实体ID和实体类别三个属性特征；

三级节点中包括实体名称、实体ID和实体类别三个属性特征；

四级节点中包括实体名称和实体ID两个属性特征。

进一步优选地，生成用于多轮对话的语义槽规则的具体步骤如下：

锁定一场景信息实体；