[发明专利]基于多元语义表示的层次化优质话术挖掘方法及装置

权利要求书

1.一种基于多元语义表示的层次化优质话术挖掘方法，其特征在于，包括：

步骤1：采用预设规则方法，提取对话数据库中每条数据中每轮对话的五元组；

步骤2：采用基于多元语义融合的话术编码技术，对提取的每个五元组进行话术编码，输出对应的语义整体表示；

步骤3：根据所有输出的语义表示，采用基于相似度的方法实现粗粒度的话术挖掘，并进一步采用基于聚类的方法实现细粒度的话术挖掘；

包括：

所述五元组包括：问题，回复，历史对话，用户属性，是否成单；

所述回复表示为待挖掘的话术信息，所述问题、历史对话、用户属性都表示为话术对应的语境信息，所述是否成单表示为指示话术有效性的依据；

步骤1：采用预设规则方法，提取对话数据库中每条数据中每轮对话的五元组，包括：

1.1：将所述对话数据库的每轮对话都拆分成问答对的形式，得到问答对集合；

1.2：抽取每个问答对所对应的历史对话信息、用户属性信息以及是否成单的标签，并结合对应问答本身的问题和回复，得到对应五元组；

步骤1：采用预设规则方法，提取对话数据库中每条数据中每轮对话的五元组的过程中，还包括：

从所述问答对中选取至少一组分句信息，基于预设的领域词典对所述分句信息进行分词处理，去除所述问答对中的停用词；

对处理后得到的各个词汇进行分析搭配，获取所述分句信息中多组词汇搭配对；

根据所述词汇搭配对，建立词汇文本矩阵；

利用预设的词汇分析模型对所述词汇文本矩阵进行矩阵分解，计算每组词汇搭配对所对应的词频信息；

将所述词频信息通过聚类算法进行聚类，得到多组词簇，分别计算每组词簇中各个词汇出现的频率，根据频率排名抽取每组词簇中前n个词汇；

判断所述前n个词汇的词汇相似度；

若两词汇之间相似度超过预设阈值，则舍弃其中一个词汇；

否则，基于所述前n个词汇，对所述分句信息进行重构优化，形成新的问答对。

2.如权利要求1所述的一种基于多元语义表示的层次化优质话术挖掘方法，其特征在于，步骤2：采用基于多元语义融合的话术编码技术，对提取的每个五元组进行话术编码，输出对应的语义整体表示，包括：

2.1：初始化操作：对输入的问题、回复、历史对话和用户属性分别进行分词和词向量初始化操作；

2.2：建模话语的语义表示：基于双向长短期记忆网络构建层次编码机制，输入得到的问题的词向量序列、回复的词向量序列、以及历史对话的词向量序列，联合建模三个部分的语义表示；

2.3：用户属性的语义编码：基于用户属性的词向量序列，利用前馈神经网络对用户的属性进行编码；

2.4：多元语义融合：将问题、回复、历史对话、用户属性四个部分的语义表示进行拼接，并采用前馈神经网络进行编码，输出融合后的整体语义，并将其作为话术挖掘的输入。

3.如权利要求2所述的一种基于多元语义表示的层次化优质话术挖掘方法，其特征在于，2.1：对输入的问题、回复、历史对话和用户属性分别进行分词和词向量初始化操作，包括：

2.1.1：采用工具包对输入文本进行分词处理，得到对应的词序列；

2.1.2：基于分词结果，通过查表法，并基于预训练的词向量构建词序列中每个词对应的词嵌入表示。

4.如权利要求2所述的一种基于多元语义表示的层次化优质话术挖掘方法，其特征在于，2.2：基于双向长短期记忆网络构建层次编码机制，输入得到的问题的词向量序列、回复的词向量序列、以及历史对话的词向量序列，联合建模三个部分的语义表示，包括：

2.2.1：构建词级别的编码器，输入每个话语的词向量序列，输出对应的句子向量表示，并得到话语的向量表示序列；

2.2.2：构建句子级别的编码器，输入得到的话语的向量表示序列，输出集合整个对话信息的上下文语义表示，用户问题的语义表示，以及话术的语义表示，三部分在内的语义表示。