基于复杂语境的法律咨询方法及相关设备技术

本申请提供了一种基于复杂语境的法律咨询方法及相关设备，基于深度学习中的语音识别、语义理解、语音生成等技术，针对法律咨询中出现的复杂语境提出了一套智能咨询方法，该方法能够结合历史咨询内容准确理解复杂语境下用户的咨询意图。基于深度学习框架下的多类别分类和多标签分类模型，分别得到每句用户提问的意图和信息点，通过筛选得到历史对话中和当前意图相关的知识点，融合当前主题、意图和信息点，从而得到对用户咨询精准的语义理解。从而得到对用户咨询精准的语义理解。从而得到对用户咨询精准的语义理解。

【技术实现步骤摘要】
基于复杂语境的法律咨询方法及相关设备


[0001]本申请涉及机器学习
，尤其涉及一种基于复杂语境的法律咨询方法及相关设备。

技术介绍

[0002]随着人工智能技术的进步和发展，智能咨询系统逐渐被应用到各种服务场景中，如：智能客服机器人，警务机器人等。智能咨询系统为用户和产品提供了一个智能交互的途径，用户可以通过文字或语音来输入自己的请求，产品则根据用户的请求意图响应相对应的内容。
[0003]口语理解作为智能咨询系统的关键模块，可以从用户输入的口语化描述中提取用户意图以及计算机能够识别的结构化信息。在现有的技术中，深度学习模型能够以端到端的方式高效地完成口语理解任务，从而提高智能咨询系统的整体效果。在用户与机器的多轮对话中，对话的历史信息可以为当前对话提供更丰富的信息，帮助机器更好的理解用户语义。然而在实际应用场景中，用户的提问往往会存在语境或意图的跳转，如何精准识别当前对话的意图并且有效地筛选和利用历史信息中的相关知识点，是一个智能咨询系统能否为用户提供更加精准回答亟需解决的关键问题。现有的智能咨询类产品针对上述问题还没有成熟的解决方案。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种基于复杂语境的法律咨询方法及相关设备。
[0005]基于上述目的，本申请提供了一种基于复杂语境的法律咨询方法，其特征在于，包括：响应于接收到用户依次输入的关联的法律问题的多个描述，通过预训练的深度神经网络模型对每个所述描述进行语义识别，提取与每个所述描述对应的主题、意图和信息点；根据所述主题和所述意图，在预先基于法律知识相关文件构建的法律知识图谱中进行子图搜索，搜索出与所述主题和所述意图相关联的推荐子图；将所述推荐子图中的全部节点与知识点集合中的每一个知识点进行匹配，输出至少一个与所述知识点相同的所述节点作为推荐节点，其中，响应于确定当前输入的所述描述是首次输入的所述描述，则所述知识点集合包括当前输入的所述描述对应的所述信息点，响应于确定当前输入的所述描述不是首次输入的所述描述，则所述知识点集合包括当前输入的所述描述对应的所述信息点以及当前输入的所述描述之前输入的全部所述描述对应的所述信息点和所述主题；将所述推荐节点与预先构建的答案映射集合进行匹配，输出与所述推荐节点相关
的法律答案作为与当前输入的所述描述相关的法律咨询答案。
[0006]基于同一专利技术构思，本公开还提供了一种基于复杂语境的法律咨询装置，其特征在于，包括：语义识别模块，被配置为响应于接收到用户依次输入的关联的法律问题的多个描述，通过预训练的深度神经网络模型对每个所述描述进行语义识别，提取与每个所述描述对应的主题、意图和信息点；子图推荐模块，被配置为根据所述主题和所述意图，在预先基于法律知识相关文件构建的法律知识图谱中进行子图搜索，搜索出与所述主题和所述意图相关联的推荐子图；节点推荐模块，被配置为将所述推荐子图中的全部节点与知识点集合中的每一个知识点进行匹配，输出至少一个与所述知识点相同的所述节点作为推荐节点，其中，响应于确定当前输入的所述描述是首次输入的所述描述，则所述知识点集合包括当前输入的所述描述对应的所述信息点，响应于确定当前输入的所述描述不是首次输入的所述描述，则所述知识点集合包括当前输入的所述描述对应的所述信息点以及当前输入的所述描述之前输入的全部所述描述对应的所述信息点和所述主题；答案推荐模块，被配置为将所述推荐节点与预先构建的答案映射集合进行匹配，输出与所述推荐节点相关的法律答案作为与当前输入的所述描述相关的法律咨询答案。
[0007]基于同一专利技术构思，本公开还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。
[0008]基于同一专利技术构思，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的方法。
[0009]从上面所述可以看出，本申请提供的一种基于复杂语境的法律咨询方法及相关设备，基于深度学习中的语义理解、语音生成等技术，针对法律咨询中出现的复杂语境提出了一套智能咨询方法，该方法能够结合历史咨询内容准确理解复杂语境下用户的咨询意图。基于深度学习框架下的多类别分类和多标签分类模型，分别得到每句用户提问的意图和信息点，通过筛选得到历史对话中和当前意图相关的知识点，融合当前主题、意图和信息点，从而得到对用户咨询精准的语义理解。
附图说明
[0010]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1为本申请实施例的基于复杂语境的法律咨询方法的流程示意图；图2为本申请实施例的第一轮法律问答对应的推荐子图的示意图；图3为本申请实施例的第二轮法律问答对应的推荐子图的示意图；
图4为本申请实施例的第三轮法律问答对应的推荐子图的示意图；图5为本申请实施例的第四轮法律问答对应的推荐子图的示意图；图6为本申请实施例的基于复杂语境的法律咨询装置的结构示意图；图7为本申请实施例的电子设备的结构示意图。
具体实施方式
[0012]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0013]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0014]以下结合附图来详细说明本申请的实施例。
[0015]本申请提供了一种基于复杂语境的法律咨询方法，参考图1，该方法包括以下步骤：步骤S101、响应于接收到用户依次输入的关联的法律问题的多个描述，通过预训练的深度神经网络模型对每个所述描述进行语义识别，提取与每个所述描述对应的主题、意图和信息点。
[0016]具体的，用户在进行法律咨询的时候往往会进行多轮提问，每轮问题之间可能存在相互联系，在对后几轮用户输入的法律问题进行解答时需要考虑前面用户提问的相关信息，作为对法律问题推荐答案的补充。首先，需要对每轮用户输入的法律问题进行语义识别和解析，提取出该轮法律问题的主题、意图和信息点。主题表示该法律问题所要咨询的主要法律领域和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复杂语境的法律咨询方法，其特征在于，包括：响应于接收到用户依次输入的关联的法律问题的多个描述，通过预训练的深度神经网络模型对每个所述描述进行语义识别，提取与每个所述描述对应的主题、意图和信息点；根据所述主题和所述意图，在预先基于法律知识相关文件构建的法律知识图谱中进行子图搜索，搜索出与所述主题和所述意图相关联的推荐子图；将所述推荐子图中的全部节点与知识点集合中的每一个知识点进行匹配，输出至少一个与所述知识点相同的所述节点作为推荐节点，其中，响应于确定当前输入的所述描述是首次输入的所述描述，则所述知识点集合包括当前输入的所述描述对应的所述信息点，响应于确定当前输入的所述描述不是首次输入的所述描述，则所述知识点集合包括当前输入的所述描述对应的所述信息点以及当前输入的所述描述之前输入的全部所述描述对应的所述信息点和所述主题；将所述推荐节点与预先构建的答案映射集合进行匹配，输出与所述推荐节点相关的法律答案作为与当前输入的所述描述相关的法律咨询答案。2.根据权利要求1所述的方法，其特征在于，所述通过预训练的深度神经网络模型对每个所述描述进行语义识别，提取与每个所述描述对应的主题、意图和信息点，包括：通过多类别分类模型对所述描述进行语义识别，分别提取与所述描述对应的所述主题和所述意图；通过多标签分类模型对所述描述进行语义识别，提取与所述描述对应的所述信息点。3.根据权利要求2所述的方法，其特征在于，所述通过多类别分类模型对所述描述进行语义识别，分别提取与所述描述对应的所述主题和所述意图，包括：通过jieba分词算法对所述描述进行分词；将经过分词的所述描述输入预训练模型Bert中，经由所述预训练模型Bert输出与所述描述对应的词向量集合；基于预先构建的主题标签集合和意图标签集合，分别通过所述预训练模型Bert得到所述主题标签集合中的每一个主题标签对应的主题标签向量以及所述意图标签集合中的每一个意图标签对应的意图标签向量；基于所述词向量集合和全部所述主题标签向量通过相似度计算得到所述词向量集合中的每一个词向量对应的主题权重系数，基于所述词向量集合和全部所述意图标签向量通过相似度计算得到所述词向量集合中的每一个词向量对应的意图权重系数；通过Softmax函数分别对所述主题权重系数和所述意图权重系数进行归一化处理，以得到归一化的主题权重系数和归一化的意图权重系数；基于所述词向量集合和所述归一化的主题权重系数得到所述描述对应的主题句子向量，基于所述词向量集合和所述归一化的意图权重系数得到所述描述对应的意图句子向量；基于所述主题句子向量通过Softmax函数计算得到所述描述对应的主题得分向量，将所述主题得分向量中的最高得分对应的所述主题标签作为所述描述的所述主题，
基于所述意图句子向量通过Softmax函数计算得到所述描述对应的意图得分向量，将所述意图得分向量中的最高得分对应的所述意图标签作为所述描述的所述意图。4.根据权利要求2所述的方法，其特征在于，所述通过多标签分类模型对所述描述进行语义识别，提取与所述描述对应的所述信息点，包括：通过jieba分词算法对所述描述进行分词；将经过分词的所述描述输入预训练模型Bert中，经由所述预训练模型Bert输出与所述描述对应的词向量集合；基于预先构建的信息点标签集合，通过所述预训练模型Bert得到所述信息点标签集合中的每一个信息点标签对应的信息点标签...

【专利技术属性】
技术研发人员：朵思惟，余梓飞，张程华，张艳丽，
申请(专利权)人：天津汇智星源信息技术有限公司，
类型：发明
国别省市：