对话消除歧义的方法、电子设备及面向厨房的对话系统技术方案

本发明专利技术提供对话消除歧义的方法，包括：获取用户输入的当前输入语句；将当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句；调用预存的若干不同的厨房领域分类模型对当前预处理语句进行分类，得到当前预处理语句类别；判断当前输入语句是否有歧义，若是，根据上一轮输入语句类别与当前预处理语句确定当前输入语句的类别，根据当前输入语句的类别在预存数据库中抽取对应的第一相关联信息，若否，则根据预处理语句类别在预存数据库中抽取对应的第二相关联信息。本发明专利技术的对话消除歧义的方法，可以更加精确的识别用户询问的真实意图，从而反馈给客户精准的信息。

Dialogue method for eliminating ambiguity, electronic equipment and kitchen oriented dialogue system

The invention provides a dialog disambiguation method, including: acquiring the current input statement input by the user; processing the current input statement with clauses, words and part-of-speech tagging to obtain the current preprocessing statement; calling a number of different pre-stored kitchen domain classification models to classify the current preprocessing statements, and getting the appropriate preprocessing statements. Pre-processing statement category; determine whether the current input statement is ambiguous, if, according to the previous input statement category and the current preprocessing statement to determine the current input statement category, according to the current input statement category in the database to extract the corresponding first associated information, if not, according to the preprocessing statement. The class extracts the corresponding second phase association information in the pre stored database. The dialog disambiguation method of the invention can more accurately identify the true intention of the user inquiry, thereby feeding back accurate information to the customer.

【技术实现步骤摘要】
对话消除歧义的方法、电子设备及面向厨房的对话系统
本专利技术涉及智能对话领域，尤其涉及对话消除歧义的方法、电子设备及面向厨房的对话系统。
技术介绍
在人工智能大爆发的今天，AI对传统产业，如厨房家居领域，掀起了巨大的变革。而对话系统作为人与厨房家居设备交互的接口，其性能直接决定着整个智能厨房家居方案的用户体验。让机器真正理解人的语言，与用户正常沟通，判断并完成用户的需求，是对话系统进化发展的一个巨大目标。目前许多的对话方法为简单的一问一答模式，不能很好的捕捉上下文语境的语义，因而不能准确的理解用户的意图。而且，用户意图的判定多通过分析询问的文本语义进行，现实使用中，许多用户的询问比较短，如“看视频”，仅通过该句的语言模型分析，并不能判断用户的真实意图是要看电影、综艺类视频，还是要看演示做菜步骤的视频，我们称此类询问为存在歧义的询问。一个真正智能的对话系统应该能提供一种机制以分析上例中存在歧义的询问的真实意图。因此传统的对话方法并不能精准的识别用户询问的真实意图。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供对话消除歧义的方法，其能解决传统的对话方法并不能精准的识别用户询问的真实意图的问题。本专利技术的目的之二在于提供一种电子设备，其能解决传统的对话方法并不能精准的识别用户询问的真实意图的问题。本专利技术的目的之三在于提供面向厨房的对话系统，其能解决传统的对话方法并不能精准的识别用户询问的真实意图的问题。本专利技术的目的之一采用以下技术方案实现：对话消除歧义的方法，其特征在于包括以下步骤：S1：获取用户输入的当前输入语句；S2：将所述当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句；S3：调用预存的若干不同的厨房领域分类模型对所述当前预处理语句进行分类，得到当前预处理语句类别；S4：判断所述当前输入语句是否有歧义，若是，根据上一轮输入语句类别与当前预处理语句确定所述当前输入语句的类别，根据所述当前输入语句的类别在预存数据库中抽取对应的第一相关联信息；若否，则执行S5；S5：根据所述当前预处理语句类别在预存数据库中抽取对应的第二相关联信息。进一步地，所述S2具体根据CRF模型、HMM模型以及N-gram模型构造厨房所述当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句。进一步地，所述CRF模型、HMM模型以及N-gram模型为将不同分类器对所述厨房领域训练语料进行训练后得到的训练模型。进一步地，所述S3具体为获取所述当前预处理语句的词向量，分别调用不同厨房领域分类模型对所述词向量进行分类，每个所述厨房领域分类模型对所述词向量进行分类后都会得到一个领域分数，将分数值最高且分数值达到阈值的所述领域分数对应的领域类别作为当前预处理语句类别。进一步地，当分数值最高的所述领域分数未达到阈值时，则得到的当前预处理语句类别为无。进一步地，所述S4中判断所述当前预处理语句是否有歧义具体为在预存歧义数据库筛选是否有与所述当前预处理语句相同的词汇，若有，则所述当前预处理语句有歧义，若否，则所述当前预处理语句无歧义。专利技术的目的之二采用以下技术方案实现：一种电子设备，包括：处理器；存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行本专利技术的对话消除歧义的方法。专利技术的目的之三采用以下技术方案实现：获取模块：用于获取用户输入的当前输入语句；预处理模块：用于将所述当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句；文本分类模块：用于调用预存的若干不同的厨房领域分类模型对所述当前预处理语句进行分类，得到当前预处理语句类别；歧义服务模块：用于判断所述当前预处理语句是否有歧义；抽取模块：用于根据上一轮输入语句类别与当前预处理语句确定所述当前输入语句的类别，根据所述当前输入语句的类别在预存数据库中抽取对应的第一相关联信息；还用于根据所述当前预处理语句类别在预存数据库中抽取对应的第二相关联信息。进一步地，所述厨房领域分类模型包括烹饪类分类模型、音乐类分类模型、设备控制类模型以及界面操作分类模型，所述烹饪类模型为将分类器中放入烹饪类信息并进行训练后得到的分类模型，所述音乐类分类模型为将分类器中放入音乐类信息并进行训练后得到的分类模型，所述设备控制类模型为将分类器中放入设备控制信息并进行训练后得到的分类模型，所述界面操作分类模型为将分类器中放入界面控制分类信息并进行训练后得到的分类模型。相比现有技术，本专利技术的有益效果在于：本专利技术的对话消除歧义的方法，通过获取用户输入的当前输入语句并将当前输入语句进行分句、分词以及词性标注处理得到当前预处理语句。再调用预存的若干不同的厨房领域分类模型对当前预处理语句进行分类得到当前预处理语句类别，并判断当前输入语句是否有歧义，若是，根据上一轮输入语句类别与当前预处理语句确定当前输入语句的类别，根据当前输入语句的类别在预存数据库中抽取对应的第一相关联信息；若否，根据当前预处理语句类别在预存数据库中抽取对应的第二相关联信息；通过对用户的当前输入语句进行预处理以及判断是否有歧义后在进行进一步的抽取相关联信息的处理，可以更加精确的识别用户询问的真实意图，从而反馈给客户精准的信息。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术的对话消除歧义的方法的流程图；图2为本专利技术的面向厨房的对话系统的架构框图。具体实施方式下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。如图1所示的本专利技术的对话消除歧义的方法，包括以下步骤：S1：获取用户输入的当前输入语句；S2：将当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句；具体为用不同分类器对厨房领域训练语料进行训练后得到CRF模型、HMM模型以及N-gram模型，根据CRF模型、HMM模型以及N-gram模型对当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句；上述厨房领域训练语料是进行过字标注处理的训练语料。以下举例说明：例如当前输入语句为“我想吃糖醋黄河鲤鱼”，则采用上述模型将上述语句分成“我/r、想/v、吃/v、糖醋黄河鲤鱼/ndish”，其中r表示为代词，v表示为动词，ndish表示菜名。S3：调用预存的若干不同的厨房领域分类模型对当前预处理语句进行分类，得到当前预处理语句类别；厨房分类模型包括做烹饪类分类模型、音乐类分类模型、设备控制类模型以及界面操作分类模型；获取当前预处理语句的词向量，分别调用不同厨房领域分类模型对词向量进行分类，每个厨房领域分类模型对词向量进行分类后都会得到一个属于该厨房领域的领域分数，将分数值最高且分数值达到阈值的领域分数对应的厨房领域的领域类别作为当前预处理语句类别；当分数值最高的领域分数未达到阈值时，则得到的当前预处理语句本文档来自技高网...

【技术保护点】
1.对话消除歧义的方法，其特征在于包括以下步骤：S1：获取用户输入的当前输入语句；S2：将所述当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句；S3：调用预存的若干不同的厨房领域分类模型对所述当前预处理语句进行分类，得到当前预处理语句类别；S4：判断所述当前输入语句是否有歧义，若是，根据上一轮输入语句类别与当前预处理语句确定所述当前输入语句的类别，根据所述当前输入语句的类别在预存数据库中抽取对应的第一相关联信息；若否，则执行S5；S5：根据所述当前预处理语句类别在预存数据库中抽取对应的第二相关联信息。

【技术特征摘要】
1.对话消除歧义的方法，其特征在于包括以下步骤：S1：获取用户输入的当前输入语句；S2：将所述当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句；S3：调用预存的若干不同的厨房领域分类模型对所述当前预处理语句进行分类，得到当前预处理语句类别；S4：判断所述当前输入语句是否有歧义，若是，根据上一轮输入语句类别与当前预处理语句确定所述当前输入语句的类别，根据所述当前输入语句的类别在预存数据库中抽取对应的第一相关联信息；若否，则执行S5；S5：根据所述当前预处理语句类别在预存数据库中抽取对应的第二相关联信息。2.如权利要求1所述的对话消除歧义的方法，其特征在于：所述S2具体根据CRF模型、HMM模型以及N-gram模型构造厨房所述当前输入语句进行分句、分词以及词性标注处理，得到当前预处理语句。3.如权利要求2所述的对话消除歧义的方法，其特征在于：所述CRF模型、HMM模型以及N-gram模型为将不同分类器对所述厨房领域训练语料进行训练后得到的训练模型。4.如权利要求1所述的对话消除歧义的方法，其特征在于：所述S3具体为获取所述当前预处理语句的词向量，分别调用不同厨房领域分类模型对所述词向量进行分类，每个所述厨房领域分类模型对所述词向量进行分类后都会得到一个领域分数，将分数值最高且分数值达到阈值的所述领域分数对应的领域类别作为当前预处理语句类别。5.如权利要求4所述的对话消除歧义的方法，其特征在于：当分数值最高的所述领域分数未达到阈值时，则得到的当前预处理语句类别为无。6.如权利要求1所述的对话消除歧义的方法，其特...

【专利技术属性】
技术研发人员：石忠民，徐叶强，吴云标，武大伟，
申请(专利权)人：广州索答信息科技有限公司，
类型：发明
国别省市：广东,44