[发明专利]人机交互对话处理方法、装置、计算机设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种人机交互对话处理方法、装置、计算机设备及存储介质，包括：接收用户的本轮对话语音；识别所述本轮对话语音得到本轮对话文本；调用多个领域意图识别模型识别所述本轮对话文本得到多个意图识别结果；计算所述多个意图识别结果中有效意图的个数；根据所述有效意图的个数进行下一轮对话处理。本发明既能进行封闭式的业务回答又能回答用户提出的开放式问题，使得人机对话更加顺畅。此外，本发明还涉及区块链技术，可以从区块链获取多个领域意图识别模型。

技术领域

本发明涉及人机交互技术领域，具体涉及一种人机交互对话处理方法、装置、计算机设备及存储介质。

背景技术

近些年来，随着人工智能技术的迅猛发展，人机交互领域有了巨大的进步。而人机对话系统是人机交互中十分重要的一个子领域，在虚拟个人助手应用中扮演着非常重要的角色。

现有大部分的多轮会话交互系统多是开放式的对话系统，但针对需要核实用户信息的场景则又涉及到一些封闭式的业务话题，用户的回答往往既包含封闭式的业务回答又包含用户自己提出的开放式问题。用户的回答有可能有多个意图，现有的对话系统往往只能忽略用户的提问继续业务流程或者回答用户的提问问题，后面有机会再继续业务流程，中间可能会出现中断，从而导致对客户不友好或影响客户的体验和满意度。

发明内容

鉴于以上内容，有必要提出一种人机交互对话处理方法、装置、计算机设备及存储介质，旨在于解决人机对话出现中断的技术问题。

本发明的第一方面提供一种人机交互对话处理方法，所述方法包括：

接收用户的本轮对话语音；

识别所述本轮对话语音得到本轮对话文本；

调用多个领域意图识别模型识别所述本轮对话文本得到多个意图识别结果；

计算所述多个意图识别结果中有效意图的个数；

根据所述有效意图的个数进行下一轮对话处理。

可选的，每个所述领域意图识别模型的训练过程包括：

获取所述领域的多个历史对话文本以及标注每个历史对话文本的意图类型；

将每个历史对话文本及对应的意图类型组合为文本训练数据对；

利用skip-gram模型训练多个所述文本训练数据对，得到低维度的字向量；

通过卷积、池化操作将所述字向量转换成特征向量；

使用Hard Tanh函数对所述特征向量进行预设次数的特征抽取，得到最终特征；

利用梯度下降算法对所述最终特征进行迭代训练得到所述领域的领域意图识别模型。

可选的，所述计算所述多个意图识别结果中有效意图的个数包括：

获取每一个领域意图识别模型输出的意图识别结果对应的概率值；

获取所述概率值中大于或者等于预设概率阈值的目标概率值；

确定所述目标概率值对应的意图识别结果为有效意图并计算所述有效意图的个数。

可选的，所述根据所述有效意图的个数进行下一轮对话处理包括：

将所述有效意图的个数与0或者1进行比较；

当所述有效意图的个数等于0时，根据无意图策略话术进行下一轮对话处理；

当所述有效意图的个数等于1时，匹配出与所述有效意图对应的意图标签检索知识库，检索所述意图标签检索知识库中的话术，并采用检索到的话术进行下一轮对话处理；