[发明专利]多轮对话流程构建方法、装置、计算机设备及存储介质

权利要求书

1.多轮对话流程构建方法，其特征在于，包括：

收集对话语料；

对所述对话语料进行分词和识别，以得到识别结果；

根据所述识别结果构建问题答案集；

根据所述问题答案集采用层次聚类方式构建对话流程树；

其中，所述根据所述识别结果构建问题答案集，包括：

根据所述识别结果构建用户问题集；

采用聚类分析方式构建所述用户问题集对应的机器人应答集；

其中，所述问题答案集包括用户问题集以及所述用户问题集对应的机器人应答集；

所述根据所述识别结果构建用户问题集，包括：

构建一个问句分类器，判别所述识别结果中的用户文本是不是有效问题，并将全部的对话语料中的潜在有效问问句识别和筛选出来；问句识别分类器的训练语料，采用规则与人工检查相结合的方式进行整理；

分类类别Y={0,1}，每个用户问句X就转化为基于问句词语的TF-IDF进行特征表示，准备的样本 T ={(X₁ ,Y₁) , (X₂,Y₂) (X₃,Y₃) .........} N条样本，SVM分类超平面为wx+b=0;样本点到超平面的几何距离为：

；

SVM训练的目标就是找出所有外边距中最大的那个值对应的超平面；因此用数学语言描述就是确定w、b使得外边距最大：，

由此确定用户的用户问题集；

所述收集对话语料，包括：

获取对话录音文件；

对所述对话录音文件进行语音识别，以得到对话流数据；

通过爬虫技术抓取问答对；

整合所述对话流数据以及问答对，以得到对话语料；

所述根据所述问题答案集采用层次聚类方式构建对话流程树，包括：

获取开始节点的机器人问题和答案；

获取后续机器人的答案，并采用Canopy聚类算法对每个机器人构建聚类分支；即，对于每一个机器人的聚类分支，首先获取后继用户的不同回应，具体聚类方法采用的Canopy聚类算法；如果此处的用户挂断电话，则将这类状态作为特殊状态，单独分类出来；采用Canopy聚类方法，进一步挖掘不同用户的说话，以得到了用户的问答或者提问；

获取机器人响应分支应答节点，并标注属于问句节点但没有答案的应答节点；即，对于用户的回应，在得到后继机器人响应分支应答节点，需要根据问句分类判别器，判断是否为问题节点，如果是问句节点但是没有答案，则需要将这类进行重点标注说明当前用户问题并没有正确响应；层次聚类完毕之后，计算聚类Q1到问句聚类Q2之间的转移概率，该转移概率是基于聚类大小得到。

2.根据权利要求1所述的多轮对话流程构建方法，其特征在于，所述对所述对话语料进行分词和识别，以得到识别结果，包括：

利用Jieba分词工具对所述对话语料进行分词和实体识别，以得到识别结果。

3.根据权利要求1所述的多轮对话流程构建方法，其特征在于，所述采用聚类分析方式构建所述用户问题集对应的机器人应答集，包括：

采用Canopy聚类算法构建所述用户问题集对应的机器人应答集。

4.根据权利要求3所述的多轮对话流程构建方法，其特征在于，所述采用Canopy聚类算法构建所述用户问题集对应的机器人应答集，包括：

确定第一相似阈值以及第二相似阈值；

初始化用户问题集，并初始化聚类结果集；

随机选择一个问题，并创建以所述问题为中心的聚类；

遍历用户问题集内的每个答案，并计算所述答案到每个聚类的距离；

将所述距离小于第一相似阈值的答案归类至所述聚类内，删除所述用户距离小于第二相似阈值的答案，当问题对应的答案到每个聚类的距离都大于第一相似阈值时，确定所述问题为新聚类中心点；

确定所述聚类为所述用户问题集对应的机器人应答集。