[发明专利]基于人工智能的多轮对话方法、装置及存储介质

说明书

本发明涉及一种人工智能技术领域，揭露一种基于人工智能的多轮对话方法，包括：获取当前轮次对话的询问语句，并基于预训练的判断模型对所述询问语句进行判断，确定所述询问语句是否需要进行信息补全；若所述询问语句需要进行信息补全，则将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型中，获取与所述询问语句对应的补全语句；将所述补全语句输入预训练的单轮意图识别模型中，获取与所述询问语句对应的答复内容。本发明可以提高智能对话系统的服务质量。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的多轮对话的方法、装置、电子设备及计算机可读存储介质。

背景技术

随着人工智能技术的不断发展，越来越多的智能产品应用到大众的日常生活中，例如智能音箱、智能客服、智能电话销售、私人手机助理Siri等。这些智能对话系统不仅可以和用户进行正常的信息交流，还能为用户生活带来很多便利。智能对话系统主要由语音识别、自然语言理解、对话管理、对话生成和语音合成等部分组成。为了让机器更好地理解用户的表达，进而对用户的问题作出正确应答，自然语言理解(Natural LanguageUnderstanding,NLU)起到了重要的作用，而意图识别是自然语言理解的子模块，也是智能对话系统构成的关键。

目前，智能对话系统的意图识别模型基本上都是基于单轮对话的，机器仅仅针对客户当前这轮的问题进行意图识别，并给出回复。但是现实运用中，经常会遇到多轮交互的场景，在次轮对话及后续对话中，用户经常会省略掉部分信息，例如，用户询问：姚明是干什么的，机器回答：篮球运动员；当用户再次提问：他多高，应该还原为姚明多高。这种情况会导致对话机器人无法抓住多轮对话过程中的多个话题信息，这些话题信息作为整个对话过程的上下文，对于机器理解对话有着重要作用。现有处理这类问题的方法一般是将历史信息和本轮信息直接进行拼接，然后由模型加以识别。但这种方法信息冗余，会产生大量噪声信息，导致机器回答错乱。

因此，如何准确的抓住多轮次对话的上下文关键信息，辅助当前对话问答，是目前亟需解决的一个重要问题。

发明内容

本发明提供一种基于人工智能的多轮对话方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高了基于人工智能的多轮对话的效率。

为实现上述目的，本发明提供的一种基于人工智能的多轮对话方法，包括：

获取当前轮次对话的询问语句，并基于预训练的判断模型对所述询问语句进行判断，确定所述询问语句是否需要进行信息补全；

若所述询问语句需要进行信息补全，则将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型中，获取与所述询问语句对应的补全语句；

将所述补全语句输入预训练的单轮意图识别模型中，获取与所述询问语句对应的答复内容。

此外，可选的技术方案是，所述判断模型的训练过程包括：

获取训练数据，所述训练数据包括完整语句的正样本和非完整语句的负样本；其中，所述正样本和所述负样本均是询问语句；

基于所述训练数据对神经网络模型进行训练，直至所述神经网络模型收敛至预设范围内，形成所述判断模型；其中，所述神经网络模型的结构包括两层GRU、两层全连接层以及sigmoid函数。

此外，可选的技术方案是，在将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型之前，还包括：基于所述询问语句、所述历史问题以及所述历史回答获取对应的输入数据；其中，

所述输入数据的获取步骤包括：

对所述历史问题、所述历史回答以及当前的询问语句进行分词处理，以获取对应的分词结果；