采用AI模型识别的智能化对话场景分析方法及AI对话系统技术方案

本申请实施例实施例提供一种采用AI模型识别的智能化对话场景分析方法及AI对话系统，通过获取目标用户在当前智能化对话场景产生的服务交互对话文本，并采用AI模型识别策略对服务交互对话文本进行兴趣挖掘，生成至少一个兴趣对话分句聚类簇，将兴趣对话分句数量大于设定数量的兴趣对话分句聚类簇所对应的兴趣标签确定为目标兴趣标签，基于目标兴趣标签向目标用户所在的智能化对话场景页面加载对应的对话反馈页面内容，从而在智能化对话场景中结合了不同兴趣标签的兴趣对话分句数量对目标用户进行兴趣挖掘，相较于相关技术中只关注挖掘的兴趣标签本身而言，可以提高兴趣挖掘的准确性和有效性，从而提高在后续对话反馈过程中与目标用户的匹配度。中与目标用户的匹配度。中与目标用户的匹配度。

【技术实现步骤摘要】
采用AI模型识别的智能化对话场景分析方法及AI对话系统


[0001]本申请涉及人工智能
，具体而言，涉及一种采用AI模型识别的智能化对话场景分析方法及AI对话系统。

技术介绍

[0002]随着人工智能和互联网信息技术的发展，智能化对话系统因其巨大的潜力和开发价值受到越来越多研究者和从业者的关注，对话的主要种类包括闲聊型、知识型、任务型、阅读理解型等，目前已经广泛应用在智能客服、智能音箱、智能车载、智能物联网、智能工业服务等众多场景。在智能化对话场景中，用户可能会基于当前所使用的服务进行各种交互对话，进而产生交互对话文本，这些交互对话文本可以从一定程度上代表该用户当前所关注或者所感兴趣的主题信息，因此对于智能化对话系统而言，需要及时挖掘分析出用户当前的兴趣标签，从而便于后续进行页面内容的对话反馈。在相关技术中，在进行兴趣挖掘过程中通常仅关注挖掘出的兴趣标签，在实际应用时具有较大局限性，无法较好地确保兴趣挖掘的准确性和有效性，从而也会影响在后续对话反馈过程中与目标用户的匹配度。

技术实现思路

[0003]为了至少克服现有技术中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用AI模型识别的智能化对话场景分析方法，其特征在于，所述方法包括：获取所述目标用户在当前智能化对话场景产生的服务交互对话文本，并采用AI模型识别策略对所述服务交互对话文本进行兴趣挖掘，生成至少一个兴趣对话分句聚类簇，其中，不同所述兴趣对话分句聚类簇中包括不同兴趣关注类别所对应的兴趣对话分句；将兴趣对话分句数量大于设定数量的兴趣对话分句聚类簇所对应的兴趣标签确定为目标兴趣标签；基于所述目标兴趣标签向所述目标用户所在的智能化对话场景页面加载对应的对话反馈页面内容。2.根据权利要求1所述的采用AI模型识别的智能化对话场景分析方法，其特征在于，所述获取目标用户在当前智能化对话场景产生的服务交互对话文本，并采用AI模型识别策略对所述服务交互对话文本进行兴趣挖掘，生成至少一个兴趣对话分句聚类簇的步骤，包括：将所述服务交互对话文本加载至对话兴趣分析模型中，依据所述对话兴趣分析模型将所述服务交互对话文本进行分句，生成各个对话文本分句；依据所述对话兴趣分析模型对所述各个对话文本分句分别进行词语义向量嵌入处理，生成所述各个对话文本分句对应的分句嵌入向量，所述分句嵌入向量包括流转分句嵌入向量和最终分句嵌入向量；对所述各个对话文本分句分别进行情感语境嵌入处理，生成所述各个对话文本分句对应的情感语境向量，所述情感语境向量包括流转情感语境向量和目标情感语境向量；依据所述对话兴趣分析模型对所述各个对话文本分句对应的流转分句嵌入向量和流转情感语境向量进行交融处理，生成所述各个对话文本分句对应的交融向量序列；依据所述对话兴趣分析模型对所述各个对话文本分句对应的最终分句嵌入向量、目标情感语境向量和交融向量序列进行对话知识向量分析，生成所述各个对话文本分句对应的对话知识向量，并依据所述对话知识向量进行对话兴趣值预测，生成所述各个对话文本分句对应的对话兴趣值；依据所述对话兴趣值从所述服务交互对话文本中确定各个兴趣对话分句，并依据所述对话知识向量确定所述各个兴趣对话分句对应的兴趣对话知识向量；依据所述各个兴趣对话分句对应的兴趣对话知识向量进行分句兴趣标签聚类，生成至少一个兴趣对话分句聚类簇。3.根据权利要求2所述的采用AI模型识别的智能化对话场景分析方法，其特征在于，所述依据所述各个兴趣对话分句对应的兴趣对话知识向量进行分句兴趣标签聚类，生成至少一个兴趣对话分句聚类簇，包括：依据所述各个兴趣对话分句对应的兴趣对话知识向量进行多头自注意力特征解析，生成多头自注意力向量；依据所述多头自注意力向量和所述各个对话文本分句对应的对话兴趣值进行特征还原，生成所述各个兴趣对话分句对应的目标兴趣对话知识向量；依据所述各个兴趣对话分句对应的目标兴趣对话知识向量对所述各个兴趣对话分句进行分句兴趣标签聚类，生成所述兴趣对话分句聚类簇；所述依据所述各个兴趣对话分句对应的兴趣对话知识向量进行多头自注意力特征解析，生成多头自注意力向量，包括：
解析所述各个对话文本分句分别对应的基础文本语义向量，从所述各个对话文本分句分别对应的基础文本语义向量中确定所述各个兴趣对话分句对应的基础兴趣文本语义向量；将所述各个兴趣对话分句对应的基础兴趣文本语义向量分别与对应的兴趣对话知识向量进行融合，生成所述各个兴趣对话分句对应的目标汇聚向量；将所述各个兴趣对话分句对应的目标汇聚向量加载至门控循环神经网络的特征解析单元中进行特征解析，生成目标多头自注意力向量；所述依据所述各个兴趣对话分句对应的目标兴趣对话知识向量对所述各个兴趣对话分句进行分句兴趣标签聚类，生成所述兴趣对话分句聚类簇，包括：依据所述各个兴趣对话分句对应的目标兴趣对话知识向量计算所述各个兴趣对话分句之间的兴趣标签匹配度；依据所述各个兴趣对话分句之间的兴趣标签匹配度进行聚类，生成所述兴趣对话分句聚类簇。4.根据权利要求2所述的采用AI模型识别的智能化对话场景分析方法，其特征在于，所述对所述各个对话文本分句分别进行词语义向量嵌入处理，生成所述各个对话文本分句对应的分句嵌入向量，所述分句嵌入向量包括流转分句嵌入向量和最终分句嵌入向量，包括：对所述各个对话文本分句分别进行注意力可逆残差特征嵌入，生成所述各个对话文本分句对应的多个流转可逆残差特征和目标可逆残差特征；将多个所述流转可逆残差特征进行词向量编码，生成所述各个对话文本分句对应的多个流转分句嵌入向量；将所述目标可逆残差特征进行词向量编码，生成所述各个对话文本分句对应的最终分句嵌入向量。5.根据权利要求2所述的采用AI模型识别的智能化对话场景分析方法，其特征在于，所述对所述各个对话文本分句分别进行情感语境嵌入处理，生成所述各个对话文本分句对应的情感语境向量，所述情感语境向量包括流转情感语境向量和目标情感语境向量，包括：解析所述各个对话文本分句分别对应的基础文本语义向量；对所述各个对话文本分句分别对应的基础文本语义向量进行情感语境特征嵌入处理，生成所述各个对话文本分句对应的多个流转情感语境向量和目标情感语境向量。6.根据权利要求5所述的采用AI模型识别的智能化对话场景分析方法，其特征在于，所述流转分句嵌入向量包括多个，所述流转情感语境向量包括多个；所述依据所述对话兴趣分析模型对所述各个对话文本分句对应的流转分句嵌入向量和流转情感语境向量进行交融处理，生成所述各个对话文本分句对应的交融向量序列，包括：将多个所述流转分句嵌入向量中第一流转分句嵌入向量与多个所述流转情感语境向量中对应的第一流转情感语境向量进行融合，生成第一融合向量，依据所述第一融合向量进行向量编码转换，生成第一交融向量；将所述第一交融向量、多个所述流转分句嵌入向量中第二流转分句嵌入向量与多个所述流转情感语境向量中对应的第二流转情感语境向量进行融合，生成第二融合向量，依据所述第二融合向量进行向量编码转换，生成第二交融向量；
遍历多个所述流...

【专利技术属性】
技术研发人员：王烁，李正朱，
申请(专利权)人：云南乾沃科技有限公司，
类型：发明
国别省市：