基于人工智能的多轮对话方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种人工智能技术领域，揭露一种基于人工智能的多轮对话方法，包括：获取当前轮次对话的询问语句，并基于预训练的判断模型对所述询问语句进行判断，确定所述询问语句是否需要进行信息补全；若所述询问语句需要进行信息补全，则将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型中，获取与所述询问语句对应的补全语句；将所述补全语句输入预训练的单轮意图识别模型中，获取与所述询问语句对应的答复内容。本发明专利技术可以提高智能对话系统的服务质量。系统的服务质量。

【技术实现步骤摘要】
基于人工智能的多轮对话方法、装置及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于人工智能的多轮对话的方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着人工智能技术的不断发展，越来越多的智能产品应用到大众的日常生活中，例如智能音箱、智能客服、智能电话销售、私人手机助理Siri等。这些智能对话系统不仅可以和用户进行正常的信息交流，还能为用户生活带来很多便利。智能对话系统主要由语音识别、自然语言理解、对话管理、对话生成和语音合成等部分组成。为了让机器更好地理解用户的表达，进而对用户的问题作出正确应答，自然语言理解(Natural Language Understanding,NLU)起到了重要的作用，而意图识别是自然语言理解的子模块，也是智能对话系统构成的关键。
[0003]目前，智能对话系统的意图识别模型基本上都是基于单轮对话的，机器仅仅针对客户当前这轮的问题进行意图识别，并给出回复。但是现实运用中，经常会遇到多轮交互的场景，在次轮对话及后续对话中，用户经常会省略掉部分信息，例如，用户询问：姚明是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的多轮对话方法，其特征在于，所述方法包括：获取当前轮次对话的询问语句，并基于预训练的判断模型对所述询问语句进行判断，确定所述询问语句是否需要进行信息补全；若所述询问语句需要进行信息补全，则将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型中，获取与所述询问语句对应的补全语句；将所述补全语句输入预训练的单轮意图识别模型中，获取与所述询问语句对应的答复内容。2.如权利要求1所述的基于人工智能的多轮对话方法，其特征在于，所述判断模型的训练过程包括：获取训练数据，所述训练数据包括完整语句的正样本和非完整语句的负样本；其中，所述正样本和所述负样本均是询问语句；基于所述训练数据对神经网络模型进行训练，直至所述神经网络模型收敛至预设范围内，形成所述判断模型；其中，所述神经网络模型的结构包括两层GRU、两层全连接层以及sigmoid函数。3.如权利要求1所述的基于人工智能的多轮对话方法，其特征在于，在将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型之前，还包括：基于所述询问语句、所述历史问题以及所述历史回答获取对应的输入数据；其中，所述输入数据的获取步骤包括：对所述历史问题、所述历史回答以及当前的询问语句进行分词处理，以获取对应的分词结果；顺次连接所述历史问题、所述历史回答以及所述询问语句的分词结果，并在所述分词结果的预设位置添加标志符号，以形成所述输入数据。4.如权利要求3所述的基于人工智能的多轮对话方法，其特征在于，所述获取与所述询问语句对应的补全语句的步骤包括：将所述输入数据输入所述信息补全模型的输入层，获取与所述输入数据对应的嵌入特征；通过所述信息补全模型的编码器部分对所述嵌入特征进行特征提取，获取对应的隐含向量；将所述隐含向量输入所述信息补全模的全连接层和softmax层，确定输出的指针信息；基于所述指针信息确定与所述查询语句对应的补全语句。5.如权利要求4所述的基于人工智能的多轮对话方法，其特征在于，所述指针信息包括关键信息start、关键信息end、补全信息位置、指代start和指代end；其中，所述关键信息的start和所述关键信息end，用于识别所述历史问题和所述历史回答中，需对所述询问语句进行信息补全的指代词；所述补全信息位置，用于预测所述关键信息start和所述关键信息end在所述询问语句中需要...

【专利技术属性】
技术研发人员：莫琪，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：