【技术实现步骤摘要】
对话流程图生成方法及相关装置
[0001]本专利技术涉及大数据领域,特别涉及一种对话流程图生成方法及相关装置。
技术介绍
[0002]在电话客服的人工外呼或者机器外呼领域,需要对各项业务场景的对话流程做设计和优化,传统的做法时需要依赖专家经验和人工处理,流程的初始设计受专家的经验和思维模式的局限性,很难保证其客观性和全面性。
技术实现思路
[0003]鉴于上述问题,本专利技术提供一种克服上述问题或者至少部分地解决上述问题的对话流程图生成方法及相关装置。
[0004]第一方面,一种对话流程图生成方法,包括:
[0005]将对话文本拆分成多段文本,并建立各段所述文本确定对应的标签,从而得到标签序列,其中,所述标签序列包括多个文本节点,一个所述文本节点对应一段所述文本,一个所述文本节点对应至少一个所述标签;
[0006]将所述标签序列输入至隐马尔可夫模型进行无监督学习,从而得到隐马尔科夫模型的一组模型参数,其中,所述模型参数包括多个隐状态、各所述隐状态之间的转移概率矩阵,每个所述隐状态均包括至少一个显状态以及所述隐状态到所包括的各所述显状态之间的发射概率矩阵,一个所述显状态对应一个所述标签;
[0007]根据所述隐状态、所述显状态、所述转移概率矩阵和所述发射概率矩阵,基于图算法,生成相应的对话流程图。
[0008]结合第一方面,在某些可选的实施方式中,所述将对话文本拆分成多段文本,并建立各段所述文本确定对应的标签,从而得到标签序列,包括:
[0009]将所述对 ...
【技术保护点】
【技术特征摘要】
1.一种对话流程图生成方法,其特征在于,包括:将对话文本拆分成多段文本,并建立各段所述文本确定对应的标签,从而得到标签序列,其中,所述标签序列包括多个文本节点,一个所述文本节点对应一段所述文本,一个所述文本节点对应至少一个所述标签;将所述标签序列输入至隐马尔可夫模型进行无监督学习,从而得到隐马尔科夫模型的一组模型参数,其中,所述模型参数包括多个隐状态、各所述隐状态之间的转移概率矩阵,每个所述隐状态均包括至少一个显状态以及所述隐状态到所包括的各所述显状态之间的发射概率矩阵,一个所述显状态对应一个所述标签;根据所述隐状态、所述显状态、所述转移概率矩阵和所述发射概率矩阵,基于图算法,生成相应的对话流程图。2.根据权利要求1所述的方法,其特征在于,所述将对话文本拆分成多段文本,并建立各段所述文本确定对应的标签,从而得到标签序列,包括:将所述对话文本按照客服所说的话和客户所说的话,依次拆分得到所述客服对应的多段文本和所述客户对应的多段文本,其中,各段所述文本按照在所述对话文本中的顺序依次排列;根据所述客服对应的多段文本建立对应的客服说话标签,根据所述客户对应的多段文本建立相应的客户说话标签,从而得到所述标签序列,其中,一段文本对应至少一个所述标签。3.根据权利要求1所述的方法,其特征在于,在所述根据各所述隐状态的所述转移概率和所述发射概率,基于图算法,生成相应的对话流程图之前,所述方法还包括:基于AIC信息准则最小化原则,从所述模型参数中选择最优的隐状态组合。4.根据权利要求3所述的方法,其特征在于,所述根据所述隐状态、所述显状态、所述转移概率矩阵和所述发射概率矩阵,基于图算法,生成相应的对话流程图,包括:根据选择的所述隐状态组合、对应的所述显状态、对应的所述转移概率和所述发射概率矩阵,基于图算法,生成相应的对话流程图。5.根据权利要求4所述的方法,其特征在于,所述根据选择的所述隐状态组合、对应的所述显状态、对应的所述转移概率和所述发射概率矩阵,基于图算法,生成相应的对话流程图,包括:从各所述隐状态中确定得到第一隐状态,其中,所述第一隐状态中包括第一个文本节点对应的显状态,第一个文本节点是排列所述标签序列中的第一个文本节点;将所述第一隐状态确定为对话流程图的开始节点;根据所述第一隐状态对应的所述转移概率矩阵,确定第一隐状态组合,其中,所述第一隐状态转移至所述第一隐状态组合中的任一隐状态的转移概率均大于预设概率阈值;针对所述第一隐状态组合的任一隐状态,根据所述隐状态对应的所述转移概率矩阵,确定第二隐状态组合,其中,所述隐状态转移至所述第二隐状态组合中的任一隐状态的转移概率均大于所述预设概率阈值;针对所述第二隐状态组合的任一隐状态,根据所述隐状态对应的所述转移概率矩阵,确定第三隐状态组合,如此反复循环,针对任一隐状态,直到所述隐状态转译至其他隐状态的转移概率均不大于所述预设概率阈值为止,其中,所述隐状态转移至所述第...
【专利技术属性】
技术研发人员:程大庆,刘宏吉,李新华,尉建强,
申请(专利权)人:中国建设银行股份有限公司,
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。