【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。