基于机器学习的智能对话方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于机器学习的智能对话方法、装置、设备及存储介质，用于实现企业用户的智能对话并提高智能对话的准确率。方法包括：对多个第二问题数据进行实体识别及文本分类，得到多个目标问题类以及每个目标问题类对应的问题文本实体；构建每个目标问题类的第一训练模型，并获取对话文本实体；基于问题文本实体和对话文本实体，对第一训练模型进行模型训练，得到多个第二训练模型；对多个第二训练模型进行模型集成，得到第一对话模型集合；将目标问题数据输入第一对话模型集合进行智能对话，得到目标对话数据以及对话满意度；基于对话满意度，对第一对话模型集合进行模型调优，生成第二对话模型集合。生成第二对话模型集合。生成第二对话模型集合。

【技术实现步骤摘要】
基于机器学习的智能对话方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于机器学习的智能对话方法、装置、设备及存储介质。

技术介绍

[0002]随着大数据和人工智能技术的迅猛发展，越来越多的企业开始尝试使用智能客服系统来为客户提供高效、贴心的服务体验。传统客服系统大多采用固定的、预设的问答模板，缺乏灵活性和个性化，难以满足客户日益增长的需求。而基于机器学习的智能对话方法，则能够根据客户的语言习惯和需求进行个性化的响应，提高客户满意度和服务质量。
[0003]现有方案往往由于对话涉及到自然语言理解、生成等多个方面的问题，因此在实际应用中，对话质量往往不稳定，甚至存在语义不连贯等问题，即现有方案的准确率较低。

技术实现思路

[0004]本专利技术提供了一种基于机器学习的智能对话方法、装置、设备及存储介质，用于实现企业用户的智能对话并提高智能对话的准确率。
[0005]本专利技术第一方面提供了一种基于机器学习的智能对话方法，所述基于机器学习的智能对话方法包括：创建企业用户的问题库并获取多个第一问题数据，以及对所述多个第一问题数据进行结构化转换，得到多个第二问题数据；对所述多个第二问题数据进行实体识别及文本分类，得到多个目标问题类以及每个目标问题类对应的问题文本实体；构建每个目标问题类的第一训练模型，并基于预置的智能客服学习资料库获取每个问题文本实体对应的对话文本实体；基于所述问题文本实体和所述对话文本实体，对所述第一训练模型进行模型训练，得到多个第二训练模型；对所述多个第二训练模型进行模型集成，得到第一对话模型集合；接收目标用户输入的目标问题数据，并将所述目标问题数据输入所述第一对话模型集合进行智能对话，得到目标对话数据以及对话满意度；基于所述对话满意度，对所述第一对话模型集合进行模型调优，生成第二对话模型集合。
[0006]结合第一方面，在本专利技术第一方面的第一实施方式中，所述对所述多个第二问题数据进行实体识别及文本分类，得到多个目标问题类以及每个目标问题类对应的问题文本实体，包括：分别对所述多个第二问题数据进行文本实体识别，得到每个第二问题数据对应的第一文本实体；对所述第一文本实体进行实体筛选，得到每个第二问题数据对应的第二文本实
体；对所述第二文本实体进行文本聚类，确定每个第二文本实体对应的聚类中心，并根据所述聚类中心构建聚类中心关系图；对所述聚类中心进行距离计算，得到每两个聚类中心之间的距离数据，并根据每两个聚类中心之间的距离数据和所述聚类中心关系图生成聚类中心有向网络结构图；对所述聚类中心有向网络结构图进行结构图节点提取，得到多个结构图节点，并对所述多个结构图节点进行主从关系分析，得到目标主从关系；根据所述目标主从关系确定多个主节点以及每个主节点对应的多个从属节点，并将所述主节点以及对应的多个从属节点作为一个问题类，得到多个目标问题类；获取每个目标问题类对应的多个第二文本实体，并将所述多个第二文本实体输出为每个目标问题类对应的问题文本实体。
[0007]结合第一方面，在本专利技术第一方面的第二实施方式中，所述构建每个目标问题类的第一训练模型，并基于预置的智能客服学习资料库获取每个问题文本实体对应的对话文本实体，包括：获取每个目标问题类的问题属性特征，并对所述问题属性特征进行特征编码，得到第一特征编码集合；获取多个候选训练模型以及每个候选训练模型的模型属性特征，并对所述模型属性特征进行特征编码，得到第二特征编码集合；对所述第一特征编码集合和所述第二特征编码集合进行编码特征映射匹配，得到每个目标问题类与每个候选训练模型之间的匹配度；对所述匹配度进行比较，并将匹配度最大的候选训练模型作为每个目标问题类的第一训练模型；基于预置的智能客服学习资料库构建问题文本实体与对话文本实体之间的映射关系；根据所述映射关系，获取每个问题文本实体对应的对话文本实体。
[0008]结合第一方面，在本专利技术第一方面的第三实施方式中，所述基于所述问题文本实体和所述对话文本实体，对所述第一训练模型进行模型训练，得到多个第二训练模型，包括：将所述问题文本实体输入所述第一训练模型进行对话实体预测，得到对话实体预测结果；对所述对话实体预测结果和所述对话文本实体进行差异度计算，得到第一差异度；根据所述第一差异度，对所述第一训练模型进行模型参数优化，得到优化后的第一训练模型；将所述问题文本实体输入所述优化后的第一训练模型进行训练模型验证，并计算第二差异度；当所述第二差异度小于预设目标值时，将所述优化后的第一训练模型输出为第二训练模型，得到多个第二训练模型。
[0009]结合第一方面，在本专利技术第一方面的第四实施方式中，所述对所述多个第二训练
模型进行模型集成，得到第一对话模型集合，包括：构建所述多个目标问题类的目标问题分布图，并获取所述目标问题分布图中每两个目标问题类的问题向量；根据每两个目标问题类的问题向量，确定所述多个第二训练模型之间的关联度；根据所述关联度，设置所述多个第二训练模型的模型拓扑结构；根据所述模型拓扑结构，对所述多个第二训练模型进行模型集成，得到第一对话模型集合。
[0010]结合第一方面，在本专利技术第一方面的第五实施方式中，所述接收目标用户输入的目标问题数据，并将所述目标问题数据输入所述第一对话模型集合进行智能对话，得到目标对话数据以及对话满意度，包括：接收目标用户输入的目标问题数据；将所述目标问题数据输入所述第一对话模型集合，并通过所述第一对话模型集合对所述目标问题数据进行问题分类和模型匹配，得到所述第一对话模型集合中的至少一个第二训练模型；通过所述至少一个第二训练模型对所述目标问题数据进行智能对话分析，得到目标对话数据；将所述目标对话数据反馈至所述目标用户，并获取所述目标用户的对话满意度。
[0011]结合第一方面，在本专利技术第一方面的第六实施方式中，所述基于所述对话满意度，对所述第一对话模型集合进行模型调优，生成第二对话模型集合，包括：判断所述对话满意度是否超过预设满意度阈值；若是，则将所述第一对话模型集合输出为第二对话模型集合；若否，则对所述第一对话模型集合进行模型间关联关系优化，生成第二对话模型集合。
[0012]本专利技术第二方面提供了一种基于机器学习的智能对话装置，所述基于机器学习的智能对话装置包括：获取模块，用于创建企业用户的问题库并获取多个第一问题数据，以及对所述多个第一问题数据进行结构化转换，得到多个第二问题数据；分类模块，用于对所述多个第二问题数据进行实体识别及文本分类，得到多个目标问题类以及每个目标问题类对应的问题文本实体；构建模块，用于构建每个目标问题类的第一训练模型，并基于预置的智能客服学习资料库获取每个问题文本实体对应的对话文本实体；训练模块，用于基于所述问题文本实体和所述对话文本实体，对所述第一训练模型进行模型训练，得到多个第二训练模型；集成模块，用于对所述多个第二训练模型进行模型集成，得到第一对话模型集合；对话模块，用于接收目标用户输入的目标问题数据，并将所述目标问题数据输入所述第一对话模型集合进行智能对话，得到目标对话数据以及对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的智能对话方法，其特征在于，所述基于机器学习的智能对话方法包括：创建企业用户的问题库并获取多个第一问题数据，以及对所述多个第一问题数据进行结构化转换，得到多个第二问题数据；对所述多个第二问题数据进行实体识别及文本分类，得到多个目标问题类以及每个目标问题类对应的问题文本实体；构建每个目标问题类的第一训练模型，并基于预置的智能客服学习资料库获取每个问题文本实体对应的对话文本实体；基于所述问题文本实体和所述对话文本实体，对所述第一训练模型进行模型训练，得到多个第二训练模型；对所述多个第二训练模型进行模型集成，得到第一对话模型集合；接收目标用户输入的目标问题数据，并将所述目标问题数据输入所述第一对话模型集合进行智能对话，得到目标对话数据以及对话满意度；基于所述对话满意度，对所述第一对话模型集合进行模型调优，生成第二对话模型集合。2.根据权利要求1所述的基于机器学习的智能对话方法，其特征在于，所述对所述多个第二问题数据进行实体识别及文本分类，得到多个目标问题类以及每个目标问题类对应的问题文本实体，包括：分别对所述多个第二问题数据进行文本实体识别，得到每个第二问题数据对应的第一文本实体；对所述第一文本实体进行实体筛选，得到每个第二问题数据对应的第二文本实体；对所述第二文本实体进行文本聚类，确定每个第二文本实体对应的聚类中心，并根据所述聚类中心构建聚类中心关系图；对所述聚类中心进行距离计算，得到每两个聚类中心之间的距离数据，并根据每两个聚类中心之间的距离数据和所述聚类中心关系图生成聚类中心有向网络结构图；对所述聚类中心有向网络结构图进行结构图节点提取，得到多个结构图节点，并对所述多个结构图节点进行主从关系分析，得到目标主从关系；根据所述目标主从关系确定多个主节点以及每个主节点对应的多个从属节点，并将所述主节点以及对应的多个从属节点作为一个问题类，得到多个目标问题类；获取每个目标问题类对应的多个第二文本实体，并将所述多个第二文本实体输出为每个目标问题类对应的问题文本实体。3.根据权利要求1所述的基于机器学习的智能对话方法，其特征在于，所述构建每个目标问题类的第一训练模型，并基于预置的智能客服学习资料库获取每个问题文本实体对应的对话文本实体，包括：获取每个目标问题类的问题属性特征，并对所述问题属性特征进行特征编码，得到第一特征编码集合；获取多个候选训练模型以及每个候选训练模型的模型属性特征，并对所述模型属性特征进行特征编码，得到第二特征编码集合；对所述第一特征编码集合和所述第二特征编码集合进行编码特征映射匹配，得到每个
目标问题类与每个候选训练模型之间的匹配度；对所述匹配度进行比较，并将匹配度最大的候选训练模型作为每个目标问题类的第一训练模型；基于预置的智能客服学习资料库构建问题文本实体与对话文本实体之间的映射关系；根据所述映射关系，获取每个问题文本实体对应的对话文本实体。4.根据权利要求1所述的基于机器学习的智能对话方法，其特征在于，所述基于所述问题文本实体和所述对话文本实体，对所述第一训练模型进行模型训练，得到多个第二训练模型，包括：将所述问题文本实体输入所述第一训练模型进行对话实体预测，得到对话实体预测结果；对所述对话实体预测结果和所述对话文本实体进行差异度计算，得到第一差异度；根据所述第一差异度，对所述第一训练模型进行模型参数优化，得到优化后的第一训练模型；将所述问题...

【专利技术属性】
技术研发人员：陈守红，
申请(专利权)人：深圳格隆汇信息科技有限公司，
类型：发明
国别省市：