[发明专利]一种智能对话系统的构建方法

说明书

本发明涉及人工智能技术领域，具体提供了一种智能对话系统的构建方法，其特征在于，具有以下步骤：S1、对不同的数据源进行建模；S2、对建立的模型进行训练；S3、进行对话。与现有技术相比，本发明通过对任务类数据和问答集类数据建模，能够在意图的识别的过程中，区分任务类和非任务类的问题，在加快识别过程中，避免问题同时通过不同响应引擎处理造成的资源浪费。

技术领域

本发明涉及人工智能技术领域，具体提供一种智能对话系统的构建方法。

背景技术

随着互联网技术的发展与社会进步，获取信息的方式层出不穷，智能对话系统由于可以通过已有的知识库、直接定位到用户的问题，不需要用户再对信息进行过滤，直接生成答案，给人们的生活带来了极大的便利，成为人们获取海量信息不可获取的工具，同时在互联网、医疗、金融和商城等领域进行大量的应用。

现在的问答系统通常借助于自然语言处理技术和全文搜索技术对用户的问题进行处理，然后经过不同的响应引擎处理，形成开放领域和特定领域的智能对话系统。这些响应引擎包括已经大量应用的闲聊、问答集以及任务类响应引擎，也有最近比较热门的基于知识图谱以及阅读理解响应引擎。不同的响应引擎所面对的任务、擅长的领域不同，不同的相应引擎组合所形成的智能对话系统包含的知识库或者知识数据不同，所具有的能力不同。

目前智能对话系统主要针对单一响应引擎或者几个响应引擎组合形成智能对话系统，为用户的问题进行响应。虽然这种对话系统能够对特定领域或者某一方面形成比较强大的会话支撑，准确率和效率比较高，但是却无法融合多种信息来源，结合不同数据源，从多方面对用户的问题进行回复。因此，迫切需要一种新的方式将不同的数据源进行关联起来。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的智能对话系统的构建方法。

本发明解决其技术问题所采用的技术方案是：

一种智能对话系统的构建方法，具有以下步骤：

S1、对不同的数据源进行建模；

S2、对建立的模型进行训练；

S3、进行对话。

进一步的，在步骤S1中，对用户所输入的问题进行分类，分为任务类问题数据和非任务类问题数据。

进一步的，在步骤S2中，结合步骤S1中的任务类数据和非任务类数据进行训练，用于意图识别的过程中识别出非意图部分。

进一步的，对于任务类的数据指完成任务或工作所需的数据，通常以语料集的方式呈现，通过对不同的语料集训练生成模型。

进一步的，当用户输入一个问题时，通过训练好的模型将问题关联到任务上，从而激活任务引擎对问题进行回复。

作为优选，在步骤S2对模型进行训练时，将问答集数据作为一个任务一起进行训练，通过模型训练后，会将所有不属于任务类的问题归于问答集任务中。

进一步的，在步骤S3中，对话部分用于融合多个数据源智能对话响应流程，通过并行以及管道的方式，进行会话流程。

进一步的，对用户输入的问题进行识别，确定问题是否属于任务类，若问题属于任务类问题，则交由任务类的响应引擎进行处理，生成答案。

进一步的，若问题属于非任务类问题，则流转入预置类、问答集类和知识图谱类任务对问题生成回复，如果所述预置类、问答集类和知识图谱类任务都无法产生回复，则将问题流转入管道中的阅读理解模块中。

进一步的，对于阅读理解模块没有匹配到的问题，则转入闲聊的数据源。

本发明的一种智能对话系统的构建方法和现有技术相比，具有以下突出的有益效果：