场景化的语义理解与对话生成方法及系统技术方案

本发明专利技术提供一种场景化的语义理解与对话生成方法及系统，通过建立用户场景模型，根据分词系统的结果选择确定当前会话的领域；采用选定的场景语义解析器，基于相应的场景化用户模型对本轮的交互内容进行理解；调用相应的场景下的对话生成器，结合对话管理的中间状态进行对话综合并生成本轮交互后的对话结果。该种场景化的语义理解与对话生成方法及系统，简单高效地实现对句子、短语等的自然语言理解，实现计算机自动对短文本的完全自动理解。实现了计算机对自然语言的句子或短语等的自动深层理解和对话交互，满足了用户需要机器自动精确理解交互语用的目的。

【技术实现步骤摘要】

本专利技术涉及一种场景化的语义理解与对话生成方法，属于自然语言分析、处理以及语义理解领域，特别是针对特定场景下的自然语言语义理解方法。
技术介绍
人工智能技术发展由来已久，而作为人工智能领域中最重要方向之一的自然语言理解技术也一直是研究的热点，可以说，让计算机理解自然语言是人类一直以来的梦想。目前，自然语言理解技术主要采用基于规则和基于统计两大类理论技术。基于规则的自然语言理解系统构建相对复杂，主要面对受限领域的理解问题。而基于统计的方法逐步成为自然语言处理领域的主流方法，通常适于在大量数据的基础上进行浅层语义理解，而对于深层语义问题往往无法处理。而针对特定的应用领域，通常所使用的还是基于规则的语义理解。对于一个给定的文本输入，传统的基于规则的自然语言理解其处理流程通常包括以下三个步骤。(1)词义分析：主要目的是对句子中的词汇提取语言学信息，获取词汇的词义。涉及分词、词性标注、命名体识别等等技术，同时在词义处理上需要词义相关的知识库的支持，对此语言专家已经做出了巨大努力，比如已有的知识库“知网”、《同义词词林》等等。(2)句法分析：主要目的是对句子或短语的结构进行分析，获取词汇、短语在句子中的语法功能和相互关系，常用的句法分析方法包括上下文无关文法分析和依存文法分析等等。(3)语义分析：主要目的是要获取句子要表达的实际意义，该部分是自然语言理解系统的核心。深层自然语言理解系统通常需要在该阶段构建相关语义理解的规则，这些规则主要是依赖语言学专家的语言知识和领域知识密切相关。一方面要定义语义项，另一方面要定义从词义、句法结构等信息至语义项的语义转换规则库。对于一个给定的文本输入经过词义分析、句法分析之后，利用语义转换规则库最终实现获取语义的目的。传统的基于规则的自然语言理解系统主要涉及词义分析、句法分析和语义分析三部分，各部分都涉及专家知识规则、不同知识库的利用，虽然可以实现对自然语言的深层理解，但依然存在无法克服的缺点，主要有以下几点：(1)系统复杂，以上三部分涉及分词、词性标注、命名体识别、句法分析、词义消歧、语义角色分析等等众多技术点，每一项技术的性能不足都有可能对整个系统的性能造成较大影响，系统实现和维护难度都较大。(2)规则的构建严重依赖于语言学专家知识，而该方面的知识资源往往是有限的甚至是难以获取的。不同的场景或领域，其语义理解规则也各不相同，大部分的语义理解引擎，如：百度语音、科大讯飞等，均需要在理解之前限定领域。(3)短文本中语音资料的有限性为语义理解增加了难度。上述问题是在自然语言分析、处理以及语义理解过程中应当予以考虑并解决的问题。
技术实现思路
本专利技术的目的是提供一种场景化的语义理解与对话生成方法，可以灵活适应不同场景的短文本语义理解和对话，解决现有技术中存在的系统复杂，严重依赖于语言学专家知识，以及短文本中语音资料的有限性等问题。本专利技术的技术解决方案是：一种场景化的语义理解与对话生成方法，包括以下步骤，步骤1、建立用户场景模型，包括用户场景字典模型、场景语义解析模型和场景对话模型；步骤2、根据分词系统的结果选择确定当前会话的场景；步骤3、采用选定的场景语义解析器，对本轮的交互内容进行理解；步骤4、调用相应的场景对话生成器，结合对话管理的中间状态进行对话综合并生成本轮交互后的对话结果；步骤5、重新接收到新的文本输入后，重复步骤2-4进行语义理解，直到对话系统结束。进一步地，步骤1具体为：步骤1-1、建立用户场景字典模型，即通过组合关键字来描述领域特征；建立场景语义解析模型，即该特定场景下的语义理解规则；步骤1-2、建立用户的场景对话模型，涉及具体场景下的对话内容，将用户引导用户的对话交互。进一步地，步骤2具体为：步骤2-1、调用分词系统对当前输入本文进行分词，得到文本的词袋；步骤2-2、将分词结果和用户定义的场景字典模型进行匹配，以确定当前对话的应用场景；步骤2-3、根据此轮对话的场景以及对话系统的状态来确定对话最终的场景语义解析器和场景对话生成器或者启动新的对话。进一步地，步骤2-2中，场景模型字典包括领域层和领域特征层，领域层对应不同的应用场景，领域特征层对应该应用场景下的特征向量。进一步地，步骤2-2中，确定当前对话的应用场景，具体为：步骤2-2-1、针对某个场景的特征向量输入文本的词袋，计算词袋中的单词对特征向量中各个分量的匹配程度mi，其中1≤i≤n；步骤2-2-2、通过加权的方法计算输入文本的词袋与该场景的相关程度：其中，Wi为某个向量的权重；步骤2-2-3、比较各个场景的匹配程度Mi，得到最大的，就是所确定的场景。进一步地，步骤2-3中，在用户的意图无法明确理解时，通过对话来获取用户需求，通过引入场景化的模型自动的实现文本内容的场景确定，并基于场景模型来发起对话。在与用户对话过程中，执行用户意图融合的步骤，具体为：假定在本轮对话之前，用户得到的结果为而在本轮对话中，通过算法得到的结果为按照下面的过程得到最新的结果输出直到所得到的用户向量中所有的向量皆不为空时，对话结束。进一步地，步骤3具体为：步骤3-1、调用第三方的中文语法解析器对本次对话内容进行语法解析；步骤3-2、结合用户场景字典模型、场景语义解析模型对语法解析结果进行语义解析，得到本轮的语义理解结果。进一步地，步骤4具体为：步骤4-1、基于步骤2的结果选择相应场景下的对话生成器；步骤4-2、基于步骤3所得到的当前轮次的输出结果，以及对话管理器中的对话状态进行对话综合，从而得到截止本轮交互后的语义理解结果。一种实现上述的场景化的语义理解与对话生成方法的系统，包括：用户场景模型，提供用户场景字典模型、语义理解模型以及相应的对话生成模型；场景选择器，用于接收用户输入的自然语言，并根据用户场景模型来选定相应的用户场景；预先建立存储了用户所定义的场景字典模型，在接收用户输入的自然语言后，将所述自然语言对应的文本内容与所字典进行匹配，在语义输入不完整时发起对话以获取完整的语义输入；对话管理器：用于管理对话系统的中间结果及相关的状态；场景化的语义解析器：用于将语法解析后的结果结合用户场景模型实施语义理解得到场景化的语义理解结果；对话综合器：用于综合对话系统的中间结果和本轮的理解输出，最后得到完成的文本输出。本专利技术的有益效果是：该种场景化的语义理解与对话生成方法及系统，简单高效地实现对句子、短语等的自然语言理解，实现计算机自动对短文本的完全自动理解。通过利用当前计算机日益强大的计算、存储能力，预先建立不同的场景模型，包括场景字典、场景语义解析模型和场景化的对话模型，在接收用户输入的自然语言后，将所述自然语言对应的文本内容与所述场景字典模型进行匹配；并利用语义理解模型和对话模型来引导用户交互。本专利技术方案实现了计算机对自然语言的句子或短语等的自动深层理解和对话交互，满足了用户需要机器自动精确理解交互语用的目的。附图说明图1是本专利技术实施例场景化的语义理解与对话生成系统的说明框图。图2是实施例中用户场景字典模型的说明示意图。图3是实施例中语法依存树的说明示意图。具体实施方式为了使本
的人员更好地理解本专利技术实施例的方案，下面结合附图和实施方式对本专利技术实施例作进一步的详细说明。针对现有技术中自然语言理解系统实现复杂、并且严重依本文档来自技高网...

【技术保护点】
一种场景化的语义理解与对话生成方法，其特征在于：包括以下步骤，步骤1、建立用户场景模型，包括用户场景字典模型、场景语义解析模型和用户场景对话模型；步骤2、根据分词系统的结果选择确定当前会话的领域；步骤3、采用选定的场景语义解析器，基于相应的用户场景字典模型、场景语义解析模型对本轮的交互内容进行理解；步骤4、基于用户场景对话模型，创建相应场景下的对话生成器，结合对话管理的中间状态进行对话综合并生成本轮交互后的对话结果；步骤5、重新接收到新的文本输入后，重复步骤2‑4进行语义理解，直到对话系统结束。

【技术特征摘要】
1.一种场景化的语义理解与对话生成方法，其特征在于：包括以下步骤，步骤1、建立用户场景模型，包括用户场景字典模型、场景语义解析模型和用户场景对话模型；步骤2、根据分词系统的结果选择确定当前会话的领域；步骤3、采用选定的场景语义解析器，基于相应的用户场景字典模型、场景语义解析模型对本轮的交互内容进行理解；步骤4、基于用户场景对话模型，创建相应场景下的对话生成器，结合对话管理的中间状态进行对话综合并生成本轮交互后的对话结果；步骤5、重新接收到新的文本输入后，重复步骤2-4进行语义理解，直到对话系统结束。2.如权利要求1所述的场景化的语义理解与对话生成方法，其特征在于：步骤1具体为：步骤1-1、建立用户场景字典模型，通过组合关键字来描述领域特征，以及建立场景语义解析模型，即该特定场景下的语义理解规则；步骤1-2、建立用户场景对话模型，涉及具体场景下的对话交互方式，用于引导用户的对话交互。3.如权利要求1所述的场景化的语义理解与对话生成方法，其特征在于：步骤2具体为：步骤2-1、调用分词系统对当前输入本文进行分词，得到文本的词袋；步骤2-2、将分词结果和用户定义的场景通用模型字典进行匹配，以确定当前对话的应用场景；步骤2-3、根据此轮对话的场景以及对话系统的状态来确定对话最终的语义解析器和对话生成器或者启动新的对话。4.如权利要求3所述的场景化的语义理解与对话生成方法，其特征在于：步骤2-2中，领域模型字典包括领域层和领域特征层，领域层对应不同的应用场景，领域特征层对应该应用场景下的特征向量。5.如权利要求4所述的场景化的语义理解与对话生成方法，其特征在于：步骤2-2中，确定当前对话的应用场景，具体为：步骤2-2-1、针对某个场景的特征向量输入文本的词袋，计算词袋中的单词对特征向量中各个分量的匹配程度mi，其中1≤i≤n；步骤2-2-2、通过加权的方法计算输入文本的词袋与该场景的相关程度：Mj=Σi=1nWi*mi]]>其中，Wi为某个向量的权重；步骤2-2-3、比较各个场景的匹配...

【专利技术属性】
技术研发人员：刘志忠，张亚萍，
申请(专利权)人：南京威卡尔软件有限公司，
类型：发明
国别省市：江苏;32