[发明专利]任务导向性问答方法、系统、电子设备、可读存储介质

说明书

本发明公开了一种任务导向性问答方法，通过关键词意图模板及机器学习的方法对用户意图进行用户意图识别分类；进行命名实体识别，通过json或dict数据结构进行信息存储。进行对话管理，设立一列表记录并存储当前用户的兴趣导向，调用对策管理模块跟踪用户意图；对策管理模块通过有限状态机对当前任务进行追踪跟进；最后进行语言生成及语言输出。采用本方案，可在人机交互中准确定位用户意图，完成特定场景下的任务，降低人力成本，对重复性高、业务性强的任务准确性极高，可同时实现在餐厅、车站、超市中的导购、咨询、沟通等作用，具有回答灵活、回复不过分依赖于回复候选集的优点。

技术领域

本发明涉及人工智能技术领域，特别涉及一种任务导向性问答方法、系统、电子设备、可读存储介质。

背景技术

聊天机器人(Chatterbot)是经由对话或文字进行交谈的计算机程序，能够模拟人类对话。聊天机器人可用于实用的目的，如客户服务或资讯获取。目前，聊天机器人是虚拟助理(如Google智能助理)的一部分，可以与许多组织的应用程序，网站以及即时消息平台(Facebook Messenger)连接。非助理应用程序包括娱乐目的的聊天室，研究和特定产品促销，社交机器人。

有些聊天机器人会搭载自然语言处理系统，但大多简单的系统只会撷取输入的关键字，再从数据库中找寻最合适的应答句。对于过去传统的聊天机器人大多都是基于检索式的系统，其原理是对候选集进行相识度计算排序但是无法很好的处理对话中的上下文信息，并且机器人的回复都过于刻板，机器人回复的内容完全依赖于候选集。

发明内容

本发明要解决的技术问题是如何提供一种灵活、回复不完全依赖于候选集的任务导向性问答方法、系统、电子设备及可读存储介质。

为了解决上述技术问题，本发明的技术方案为：

第一方面，本发明提出一种任务导向性问答方法，包括步骤：

语音识别，将用户输入的语音内容转化为计算机可读数据；

通过关键词意图模板及机器学习的方法对用户意图进行用户意图识别分类；进行命名实体识别，通过json或dict数据结构进行信息存储；

进行对话管理，设立一列表记录并存储当前用户的兴趣导向，调用对策管理模块跟踪用户意图；对策管理模块通过有限状态机对当前任务进行追踪跟进；

对当前的用户输入生成句子进行语言生成，将语言生成后的句子进行语音生成并输出。

优选地，在进行用户意图识别分类时，所述机器学习包括朴素贝叶斯算法以及深度学习算法；所述深度学习算法包括RNN、CNN和/或transformer算法。

优选地，在对当前任务进行追踪跟进时，所述有限状态机为以状态为边，以动作为节点的树结构：

每个有限状态机为五元组的形式：(∑，S，s0，δ，F)，其中，∑为输入的符号的非空有限集合；S为状态的非空有限集合；s0为初始状态，s0为S的元素；δ为状态转移函数，且δ*∑-S；F为最终状态集合，其中的初始状态损失可以通过自然语言生成模块中的实体识别技术获取，当一项目未能达到目的或者未获取用户的答案时，则调用自然语言生成模块。

优选地，在进行对话管理时使用深度学习算法来判断用户实时的意图变化，使用全局管理器来控制和储存用户意图变化。

优选地，所述有限状态机使用机器人的提问作为整个有限状态机的边，使用当前任务状态作为有限状态机的节点。

优选地，所述有限状态机使用对应的用户状态来代表有限状态机的边，机器人的提问作为有限状态机的节点。

第二方面，本发明还提出一种任务导向性问答系统，包括：

语音识别模块：将用户输入的语音内容转化为计算机可读数据；