[发明专利]分类用户提问-回答界限的方法、装置和电子设备

说明书

本发明提供一种分类用户提问‑回答界限的方法、装置和电子设备。该方法包括：从自然语义分析、问题分类以及答案组装获取人机对话的语法语义分析数据；对所获取的人机对话的语法语义分析数据进行标准化处理，生成对话特征数据；学习所述对话特征数据的特征，生成对话模型特征；对所述对话模型特征进行模型训练及分类计算，生成对话规律特征模型；以及使用所述对话规律特征模型来划分问题界限。

技术领域

本发明涉及一种时间周期序列分析方法，更具体地，涉及一种通过时间周期序列分析方法来分类用户提问-回答的方法及其设备。

背景技术

在现有的人机对话系统中，人作为提出问题的主体，机器人作为回答问题的主体，这样固定的一问一答的场景已经被广泛接纳和采用。但随着人机对话系统被应用到各个不同商品品类咨询的领域后，原有的一问一答模式已经开始逐渐不能满足人们的复杂对话场景，人们希望机器不只是针对问题回答，而是能更像导购员一样针对用户特定的需求，反问或提出特定的建议或由机器主动推荐相关商品，以帮助用户在购买商品过程中更准确的了解自身需求和所购买的商品的匹配度。

这种需求的提出涉及问话对象转移，原来的问话对象可能需要从人转换为机器，回答的对象也可能由机器转换为人。与人不同，因为没有记忆功能，所以机器只能分析当前句子内容并针对内容回答，而不知道对话过程中，人类是说完了一句话，还是在提出一个问题，这就给人机对话系统的问答界限的切换带来了巨大的挑战。

对电子商务领域业务的人机对话系统来说，现有的技术方案通常是利用大数据平台(haddop)来存储人工标记过的对话数据，然后使用诸如nlp，神经网络，深度学习等的机器学习算法对对话进行建模，并对机器进行模型训练，来回答用户的提问。图1是人机对话过程的通用流程图。

如图1所示，在现有技术中，人机对话系统主要涉及如下模块：进入对话界面、自然语义分析、问题分析、对话场景分类、答案组装、返回答案、以及退出对话界面。

其中，人机对话主要包括如下流程：首先，用户通过点击不同页面上的入口连接进入对话界面，并对机器提出问题，随后，针对用户所提出的问题，通过也被称为NLP分析的自然语义分析对其进行语言分析，语言分析可以包括：切词、语法分析、以及对语句长度，词频等的分析。随后，根据用户所提出的问题的商品类型，自主划分一些标识集合，该标识集合可以是例如手机、电子产品、图书、服装等，并由此输出提问的专用特征数据。随后，根据既有规则划分用户处于哪一个场境，然后根据提问的专用特征数据，机器在对应的答案库中找到问题的对应答案。随后，对对应答案做相关的流程化处理以适配到不同的客户端，例如，对于PC，返回json格式，而对于移动端，返回xml和json格式。最后，用户返回上一层操作菜单，或者直接退出人机对话程序。这种方式虽然能够容易地得到对应于用户提问的答案，但是由于使用的是固定的划分，因此无法灵活地判断用户所处于的场境。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

场景分类目前采用的方式是人为地划分规则。如果用户进行反问，或是等待一段时间后再提问，这时的机器由于会话过期等原因，在不再次触发规则的情况下，无法进入咨询场景。

一旦出现多个推荐商品，会出现答非所问的情况，并且在同一个会话中出现多次对话的切换失败。这样的结果是，直接导致用户体验很差，满意度下降，甚至降低可部分用户购买商品的欲望。

发明内容

有鉴于此，本发明实施例提供一种用户提问-回答分类方法，以及使用该方法的设备，能够减少人工分析场景规则的时间成本、提升促成订单的数量、以及通过不断积累已有的对话模型特征来建立用户的购物商品偏好特征。