[发明专利]对话剧本构建方法、装置、设备及存储介质

权利要求书

1.一种对话剧本构建方法，其特征在于，所述方法包括：

获取原始对话数据集，利用预设的意图识别模型将所述原始对话数据集进行意图识别，得到对话意图；

查询所述意图识别模型未识别所述原始对话数据集中的拒识对话数据，将所述拒识对话数据进行聚类意图识别，得到拒识对话意图；

根据所述对话意图及所述拒识对话意图将所述原始对话数据集映射为对话意图序列；

将所述对话意图序列进行频繁项挖掘，得到对话序列频繁项集；

基于所述对话序列频繁项集构建目标对话剧本；

其中，所述将所述拒识对话数据进行聚类意图识别，得到拒识对话意图，包括：利用预设的语义模型预测所述拒识对话数据的相似语义对话数据，并计算所述相似语义对话数据与所述拒识对话数据的相似度，得到拒识对话语义向量集；根据所述拒识对话语义向量集确定多个聚类中心及聚类簇，定义所述聚类中心与所述聚类簇的损失函数；利用所述损失函数将所述拒识对话语义向量集中的各个拒识对话语义向量分配至与所述聚类中心最近的聚类簇中，并重新更新所述聚类中心，直到所述更新的聚类中心与对应的聚类簇同时收敛，得到所述拒识对话数据对应的拒识对话意图；

所述定义所述聚类中心与所述聚类簇的损失函数，包括：利用下述公式定义所述聚类中心与所述聚类簇的损失函数：

其中，所述J(c,u)表示损失函数；所述c表示聚类簇，且聚类簇是指同类别的拒识对话语义向量；所述u表示聚类中心，且聚类中心是指拒识对话语义向量集中随机选取的拒识对话语义向量；所述M表示拒识对话语义向量集；所述x_i表示拒识对话语义向量集中第i个拒识对话语义向量；所述c_i表示x_i所属的聚类簇；所述表示x_i所属的聚类簇对应的聚类中心；

所述将所述对话意图序列进行频繁项挖掘，得到对话序列频繁项集，包括：获取所述对话意图序列的前缀序列及投影数据库，将所述前缀序列及所述投影数据库存储至预设的消息队列中；接收客户端发出的挖掘任务请求，根据所述挖掘任务请求利用预设的任务处理器从所述消息队列中获取所述前缀序列及所述投影数据库，并根据预设的前缀序列长度将挖掘任务请求拆分为多个子任务，对各个所述子任务对应的前缀序列进行递归频繁项挖掘，得到所述前缀序列对应的前缀投影数据项；将各个所述子任务的所述前缀投影数据项与所述前缀序列进行合并，得到所述对话序列频繁项集；

所述利用预设的意图识别模型将所述原始对话数据集进行意图识别，得到对话意图，包括：利用所述意图识别模型中的嵌入层将所述原始对话数据集进行分词，得到对话词向量集；利用所述意图识别模型中的自注意力机制层将所述对话词向量集进行特征提取，得到对话特征向量集；利用所述意图识别模型中的全连接层输出所述对话特征向量集的对话意图；

所述根据所述对话意图及所述拒识对话意图将所述原始对话数据集映射为对话意图序列，包括：将所述对话意图及所述拒识对话意图根据发生的对话时间进行意图排序，得到排序对话意图；将所述排序对话意图进行意图序号标注，得到所述对话意图序列；

所述基于所述对话序列频繁项集构建目标对话剧本，包括：将所述对话序列频繁项集进行业务划分，得到所述对话序列频繁项集的业务类别；根据所述业务类别从所述对话序列频繁项集筛选出目标对话序列频繁项集，并将所述目标对话序列频繁项集流程化，得到所述目标对话剧本。