一种基于上下文指代的对话应答方法、装置和系统制造方法及图纸

本发明专利技术公开了一种基于上下文指代的对话应答方法、装置和系统，其中方法包括：接收用户的输入内容，将用户的输入内容输入槽位判断模型，确定槽位所对应的词语并判断槽位的属性，若判断为主体槽位则将所对应的词语设定为第一替代词，若判断为属性槽位则将所对应的词语设定为第二替代词；若所述输入内容缺少主体槽位或属性槽位，则回溯使用最近的历史对话中的第一替代词或第二替代词进行填充，使用填充后的内容进行对话。采用该技术方案，通过上下文指代填充，将用户省略的对话语句补充完整，使智能机器人更好的理解用户的意思，提高了对用户意图理解的准确度，提升了用户的感受。

【技术实现步骤摘要】
一种基于上下文指代的对话应答方法、装置和系统
本专利技术涉及计算机信息处理领域，具体而言，涉及一种基于上下文指代的对话应答方法、装置和系统。
技术介绍
客户服务中心是企业与用户沟通的主要桥梁，提升用户满意度的主要渠道。以前客户服务中心主要以人工客服为主，由专业的客服人员为用户进行服务。随着计算机信息处理技术的发展，越来越多的客户服务中心开始采用智能语音机器人来为用户进行服务，缓解人工客服等待时间过长的问题。但人们通常说话的时候会对对话内容进行省略，比如：用户：你好，请问这款手机的颜色有哪些？客服：你好，这款手机的颜色有白色、蓝色和红色。用户：内存是多大的？客服：这款手机的内存是6G的。用户：这款笔记本呢？对于人工客服来说，很容易就理解用户询问的是笔记本，但是对于智能语音机器人来说就比较困难，经常理解错误甚至无法理解，导致用户体验很差。
技术实现思路
本专利技术旨在解决现有智能语音机器人对口语中省略的内容不能很好的理解，给用户的体验不好的问题。为了解决上述技术问题，本专利技术第一方面提出一种基于上下文指代的对话应答方法，方法包括：一种基于上下文指代的对话应答方法，其特征在于，方法包括：接收用户的输入内容，将用户的输入内容输入槽位判断模型，确定槽位所对应的词语；将所述槽位对应的词语输入槽位属性判断模型，若判断为主体槽位则将所对应的词语设定为第一替代词，若判断为属性槽位则将所对应的词语设定为第二替代词；>若所述输入内容缺少主体槽位则回溯使用最近的历史对话中的第一替代词填充所述主体槽位，若所述输入内容缺少属性槽位则回溯使用最近的历史对话中的第二替代词填充所述属性槽位，使用填充后的内容进行对话。根据本专利技术的一种优选实施方式，所述槽位判断模型为基于深度学习的双向长短记忆网络模型。根据本专利技术的一种优选实施方式，所述槽位判断模型包括输入层、编码层以及输出层，其中，所述输入层将所述用户的输入内容转化为词向量，所述编码层对转化后的词向量编码进行特征提取，所述输出层输出槽位信息。根据本专利技术的一种优选实施方式，所述编码层采用双向长短记忆网络LSTM编码器，所述输出层采用序列化标注算法CRF。根据本专利技术的一种优选实施方式，所述槽位属性判断模型为基于深度学习的TextCNN模型。根据本专利技术的一种优选实施方式，预先设定回溯轮数阈值，当回溯的对话轮数超过回溯轮数阈值时，不再使用第一替代词或第二替代词填充主体槽位或属性槽位。根据本专利技术的一种优选实施方式，所述回溯轮数阈值设定为3。本专利技术第二方面提出一种基于上下文指代的对话应答装置，包括：槽位判断模块，用于接收用户的输入内容，将用户的输入内容输入槽位判断模型，确定槽位所对应的词语；槽位属性判断模块，用于将所述槽位对应的词语输入槽位属性判断模型，若判断为主体槽位则将所对应的词语设定为第一替代词，若判断为属性槽位则将所对应的词语设定为第二替代词；槽位填充模块，若所述输入内容缺少主体槽位则回溯使用最近的历史对话中的第一替代词填充所述主体槽位，若所述输入内容缺少属性槽位则回溯使用最近的历史对话中的第二替代词填充所述属性槽位，使用填充后的内容进行对话。根据本专利技术的一种优选实施方式，所述槽位判断模型为基于深度学习的双向长短记忆网络模型。根据本专利技术的一种优选实施方式，所述槽位判断模型包括输入层、编码层以及输出层，其中，所述输入层将所述用户的输入内容转化为词向量，所述编码层对转化后的词向量编码进行特征提取，所述输出层输出槽位信息。根据本专利技术的一种优选实施方式，所述编码层采用双向长短记忆网络LSTM编码器，所述输出层采用序列化标注算法CRF。根据本专利技术的一种优选实施方式，所述槽位属性判断模型为基于深度学习的TextCNN模型。根据本专利技术的一种优选实施方式，预先设定回溯轮数阈值，当回溯的对话轮数超过回溯轮数阈值时，不再使用第一替代词或第二替代词填充主体槽位或属性槽位。根据本专利技术的一种优选实施方式，所述回溯轮数阈值设定为3。本专利技术第三方面提出一种基于上下文指代的对话应答系统，包括：存储单元，用于存储计算机可执行程序；处理单元，用于读取所述存储单元中的计算机可执行程序，以执行所述的基于上下文指代的对话应答方法。本专利技术第四面提出一种计算机可读介质，用于存储计算机可读程序，所述计算机可读程序用于执行所述的基于上下文指代的对话应答方法。采用该技术方案，通过上下文指代填充，将用户省略的对话语句补充完整，使智能机器人更好的理解用户的意思，提高了对用户意图理解的准确度，提升了用户的感受。附图说明为了使本专利技术所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本专利技术的具体实施例。但需声明的是，下面描述的附图仅仅是本专利技术的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。图1是本专利技术实施例中基于上下文指代的对话应答方法的流程示意图；图2是本专利技术实施例中槽位判断模型的结构示意图；图3是本专利技术实施例中基于上下文指代的对话应答装置的结构示意图；图4是本专利技术实施例中基于上下文指代的对话应答系统的结构框架示意图；图5是本专利技术实施例中计算机可读存储介质的结构示意图。具体实施方式现在将参考附图来更加全面地描述本专利技术的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本专利技术仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本专利技术的内容更加完整，更加便于将专利技术构思全面地传达给本领域的技术人员。在符合本专利技术的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本专利技术。附图中的流程图仅是一种示例性的流程演示，不代表本专利技术的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本专利技术的专利技术主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重本文档来自技高网...

【技术保护点】
1.一种基于上下文指代的对话应答方法，其特征在于，方法包括：/n接收用户的输入内容，将用户的输入内容输入槽位判断模型，确定槽位所对应的词语；/n将所述槽位对应的词语输入槽位属性判断模型，若判断为主体槽位则将所对应的词语设定为第一替代词，若判断为属性槽位则将所对应的词语设定为第二替代词；/n若所述输入内容缺少主体槽位则回溯使用最近的历史对话中的第一替代词填充所述主体槽位，若所述输入内容缺少属性槽位则回溯使用最近的历史对话中的第二替代词填充所述属性槽位，使用填充后的内容进行对话。/n

【技术特征摘要】
1.一种基于上下文指代的对话应答方法，其特征在于，方法包括：
接收用户的输入内容，将用户的输入内容输入槽位判断模型，确定槽位所对应的词语；
将所述槽位对应的词语输入槽位属性判断模型，若判断为主体槽位则将所对应的词语设定为第一替代词，若判断为属性槽位则将所对应的词语设定为第二替代词；
若所述输入内容缺少主体槽位则回溯使用最近的历史对话中的第一替代词填充所述主体槽位，若所述输入内容缺少属性槽位则回溯使用最近的历史对话中的第二替代词填充所述属性槽位，使用填充后的内容进行对话。


2.如权利要求1所述的对话应答方法，其特征在于，所述槽位判断模型为基于深度学习的双向长短记忆网络模型。


3.如权利要求1至2中任一项所述的对话应答方法，其特征在于，所述槽位判断模型包括输入层、编码层以及输出层，其中，所述输入层将所述用户的输入内容转化为词向量，所述编码层对转化后的词向量编码进行特征提取，所述输出层输出槽位信息。


4.如权利要求1至3中任一项所述的对话应答方法，其特征在于，所述编码层采用双向长短记忆网络LSTM编码器，所述输出层采用序列化标注算法CRF。


5.如权利要求1至4中任一项所述的对话应答方法，其特征在于，所述槽位属性判断模型为基于深度学习的TextCNN模型。


6.如权利要求1至5中任一项所述的对...

【专利技术属性】
技术研发人员：邹佳华，李瑶，李蒙，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11