【技术实现步骤摘要】
基于知识图谱的多轮对话方法、系统、设备及存储介质
[0001]本专利技术涉及多轮对话
,具体而言,涉及一种基于知识图谱的多轮对话方法
、
系统
、
设备及存储介质
。
技术介绍
[0002]随着深度学习技术
、
自然语言处理技术
、
知识图谱技术等人工智能领域的发展,人机对话被广泛应用于于智能家居
、
智能语音助手等领域,因此基于多轮对话搭建的人机对话技术得到巨大的发展
。
然而,基于知识图谱的多轮对话是以知识图谱为基础,根据用户输入的问题,采用知识图谱中的知识作为答案进行回答
。
[0003]知识图谱的多轮对话属于任务型对话
。
通常任务型对话是基于具体任务进行多轮对话,从而完成用户所需要的任务
、
提供用户所需要的信息等
。
目前,知识图谱的多轮对话首先根据用户对话信息进行意图识别和槽填充,然后根据意图识别进行决策处理,最终将决策处理结果返回到用户;然而,随着多轮对话的句式和关键词的种类逐渐增多,槽填充这种预设槽位的方式逐渐不再适用于多轮对话,无法实现多轮对话之间的关联,从而失去上下轮对话的交互,不能更准确的回答
。
技术实现思路
[0004]本专利技术提供一种基于知识图谱的多轮对话方法
、
系统
、
设备及存储介质,解决现有技术无法实现多轮对话之间的关联,不能准确处理用户的不同意图,回 ...
【技术保护点】
【技术特征摘要】
1.
基于知识图谱的多轮对话方法,其特征在于,所述方法流程如下:获取问句信息,并且根据问句信息查询对话历史状态信息;采用深度学习与句法分析的方式对问句信息进行意图识别,以获取问句类别;基于问句类别和对话历史状态信息的状态追踪对问句信息进行意图问答,以获取当前状态答案;对当前状态答案进行策略处理,以获取多轮对话的问答结果,并且基于多轮对话的问答结果进行状态回溯,以更新对话历史状态
。2.
根据权利要求1所述的基于知识图谱的多轮对话方法,其特征在于,采用深度学习与句法分析的方式对问句信息进行意图识别的流程如下:采用深度学习的方式对问句信息进行分类处理,以获取第一属性分类结果;采用句法分析的方式对问句信息进行分类处理,以获取第二属性分类结果;对问句信息的第一属性分类结果和第二属性分类结果进行加权处理,以获取问句信息的问句类别
。3.
根据权利要求2所述的基于知识图谱的多轮对话方法,其特征在于,所述问句信息的问句类别包括知识图谱问答问句和多条件联合查询问句
。4.
根据权利要求3所述的基于知识图谱的多轮对话方法,其特征在于,基于问句类别和对话历史状态信息的状态追踪对问句信息进行意图问答的流程如下:如果问句信息的问句类别为知识图谱问答问句,则基于对话历史状态信息的状态追踪对问句信息进行问句分类
、
实体识别
、
实体链接以及简单查询,以获取当前状态答案;如果问句信息的问句类别为多条件联合查询问句,则基于对话历史状态信息的状态追踪对问句信息进行句法分析
、
条件划分
、
关系
/
属性抽取
、
联合查询,以获取当前状态答案
。5.
根据权利要求4所述的基于知识图谱的多轮对话方法,其特征在于,基于对话历史状态信息的状态追踪对问句信息进行问句分类
、
实体识别
、
实体链接以及简单查询的流程如下:采用深度学习的方式对问句信息进行二分类,以得到三元组分类结果;采用深度学习的方式对问句信息或对话历史状态信息进行实体识别,以得到实体;采用知识图谱的方式对实体进行实体链接,以得到实体链接结果;采用深度学习的方式对实体链接结果进行相似度分析,以获取答案三元组;基于答案三元组进行图数据库的简单查询,以获取当前状态答案...
【专利技术属性】
技术研发人员:请求不公布姓名,
申请(专利权)人:成都数之联科技股份有限公司,
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。