[发明专利]一种客服多轮对话意图、槽位识别方法和系统

说明书

本发明公开一种客服多轮对话意图、槽位识别方法和系统，所述方法包括如下步骤：构建话术的词序列的训练集，将所述训练集输入到BiLSTM模型中得到具有上下文信息的输出层向量H；将BiLSTM模型的输出层向量输入到Intent Attention层和Slot Attention层分别获得意图上下文向量和槽位上下文向量；根据所述意图上下文向量和槽位上下文向量结合激活函数进行话术意图预测和槽位预测；根据所述意图上下文向量和槽位上下文向量构建权重向量；将意图上下文向量、权重向量和输出层向量输入到激活函数中输出词序列对应的槽位标签。所述方法和系统通过多模型结合的方法，通过不同模型之间的关系可以一次性地识别客服话术意图和话术槽位，提高了多轮对话的准确性。

技术领域

本发明涉及客服电话技术领域，特别涉及一种客服多轮对话意图、槽位识别方法和系统。

背景技术

随着互联网及电子商务的普及应用，智能客服也越来越多，特别是在银行金融机构，智能客服解决了传统客服人员招聘难、培训时间长、人力成本高的问题。在智能客服对话系统中意图识别与槽位填充尤为重要。对意图识别与槽位填充的性能要求高。

在智能客服对话过程中传统的意图识别、槽位填充方法需要分开通过两个模型识别，这样没有很好的利用话术的语义信息。两次识别还增加了识别时间和资源消耗，严重影响了意图识别、槽位填充的准确度和效率，最终影响到智能客服对话系统。联合模型可以同时识别话术意图和槽位从而避免以上所描述弊端，实现一步到位的识别与填充。

上述现有技术存在如下技术问题：1、传统方法没有考虑到意图和槽位之间相互相成的语义信息；2、传统方法意图与槽位是分开训练与预测所消耗的资源多，时间长。3、传统方法在使用上意图、槽位识别确性差，出现对话不合理，降低了用户的体验。

发明内容

本发明其中一个发明目的在于提供一种客服多轮对话意图、槽位识别方法和系统，所述方法和系统通过多模型结合的方法，通过不同模型之间的关系可以一次性地识别客服话术意图和话术槽位，提高了多轮对话的准确性。

本发明另一个发明目的在于提供一种客服多轮对话意图、槽位识别方法和系统，所述方法和系统通过BiLSTM和Attention+Solt-Gate的融合模型充分利用话术的上下文信息在识别话术的槽位信息的同时可以识别意图信息，从而使得所述槽位识别更加准确。

本发明另一个发明目的在于提供一种客服多轮对话意图、槽位识别方法和系统，所述方法和系统融合了Attention机制和Solt-Gate门控单元，Solt-Gate 门控单元来学习意图上下文信息和槽位上下文信息的一个相关度，通过相度的大小来调节槽位上下向量对整体槽位预测，从而提高槽位预测的精准性。

为了实现至少一个上述发明目的，本发明进一步提供一种客服多轮对话意图、槽位识别方法，所述方法包括如下步骤：

构建话术的词序列的训练集，将所述训练集输入到BiLSTM模型中得到具有上下文信息的输出层向量H；

将BiLSTM模型的输出层向量输入到Intent Attention层和Slot Attention层分别获得意图上下文向量和槽位上下文向量；

根据所述意图上下文向量和槽位上下文向量结合激活函数进行话术意图预测和槽位预测；

根据所述意图上下文向量和槽位上下文向量构建权重向量；

将意图上下文向量、权重向量和输出层向量输入到激活函数中输出词序列对应的槽位标签。

根据本发明其中一个较佳实施例，所述BiLSTM模型的输出层和Intent Attention层结合得到意图上下文向量的方法包括：将所述BiLSTM模型输出层的最后一个隐藏层状态向量H_T输入到所述Intent Attention层得到意图上下文向量。