一种保障方案生成系统技术方案

本发明专利技术属于电数字处理技术领域，涉及一种保障方案生成系统，包括对话模块

【技术实现步骤摘要】
一种保障方案生成系统


[0001]本专利技术涉及电数字处理
，特别涉及一种保障方案生成系统
。

技术介绍

[0002]目前，
AI
智能文案生成技术广泛应用于包括会议纪要
、
综述
、
公文
、
方案等领域，相比人工写作文案往往需要花费大量时间和心思搜集资料以及构思写作，以满足不同场景下的文案需求，谓费时费力；
AI
智能文案生成技术随着人工智能的不断发展，开始发展出应用在各领域的智能写作，提高文案写作效率
。
[0003]在
AI
智能文案生成技术中，如何使人工智能准确获取用于写作的关键信息就变得极为重要
。
在现有技术中，以任务导向型的人机交互
AI
更多强调上下文相关，每一轮对话对下一次对话都有影响，能够较为准确的获取用于写作的关键信息
。
按照所采用的技术类型可以将任务导向型的人机交互分为基于规则，基于语义解析，数据驱动几种；基于规则的对话系统有对话逻辑和对话管理高度耦合的直接实现方法
、
有基于状态转移的方法，这些方法容易理解
、
实现速度快，但是为各种场景定义专属的规则会使得系统变得庞大，随着对话和任务数量的增加，数据维护和代码维护变得十分困难，复用性也很差
。
因为语言的多样性和复杂性，单纯依靠逻辑结构和逻辑条件构造的对话系统并不能满足实际的对话需要
。
对话系统需要大量有效标注数据的支撑，随之出现的困难是对人工标注工作的依赖，但是因为理解偏差以及行业知识的缺乏，标注数据产生了大量的人工成本但是仍然没有达到较好的成效
。
因此，如何理解用户的意图，从用户的输入中提取出保障方案的具体任务
、
具体要求等关键信息，并利用这些信息对生成的保障方案文本内容进行控制是一个需要解决的问题
。

技术实现思路

[0004]本专利技术提供一种保障方案生成系统，其特征在于，所述保障方案生成系统包括对话模块
、
预案推荐模块
、
关键信息提取模块和文本生成模块；所述对话模块用于与用户进行自然语言对话，提示用户输入与待生成方案的任务
、
环境和具体要求信息相关的内容，依据用户输入内容，抽取用户输入内容中的关键词，基于关键词在用户输入内容中的出现频次计算关键词得分；调用关键词检索知识库获得与所述关键词相关的问题集；计算用户输入内容与问题集中各问题的相似度并结合关键词得分对问题集进行排序，获取预设数量的高相似度问题，用作待追问的问题对用户进行追问；并且通过初始用户输入内容和追问过程中用户答复时输入的内容获得与待生成方案相关的任务
、
环境
、
具体要求信息；所述预案推荐模块通过基于所获得的任务
、
环境
、
具体要求信息依据待生成方案与现有方案之间的相似性获取推荐的历史保障方案或者预案作为预案信息；所述关键信息提取模块提取待生成方案的任务
、
环境
、
具体要求信息和的预案信息的主题词；并依据预案信息生成保障方案的文档目录；
所述文本生成模块利用
Transformer
预训练模型针对保障方案文档目录中的每一节，生成每一节的保障方案文本内容，进而生成整个保障方案文档的内容，重复生成整个文档内容，得到最终保障方案文本；所述
Transformer
预训练模型包括编码控制器和解码控制器；所述
Transformer
预训练模型通过具体要求信息和预案信息进行训练；所述编码控制器用于基于关键词与文档目录的所属关系对关键词及其位置进行控制；所述解码控制器用于调整每一节的主题词使得当前生成文档目录的内容包含主题词和其对应的目标内容
。
[0005]更近一步地，所述对话模块当用户输入终止意向内容，或者最大对话轮数大于预设数量，结束继续追问
。
[0006]更近一步地，所述预案推荐模块通过
CBOW 模型进行样本文档集训练，对任务
、
环境
、
具体要求信息中的每一个词进行
K 维词向量表征；利用这种特征向量进行检索，与历史保障方案或者预案进行相似度计算，最终实现相似方案的检索；其中，相似度采用如下余弦
COS
相似度公式进行计算：；其中，任务
、
环境
、
具体要求信息中的第
i 个词与方案库中第
j 个方案之间的相似度为
Sim(e
i
,f
j
)
，
e
i
,f
j
为词向量表示；通过任务优先规则对所获得的相似保障方案进行过滤，获取最终推荐的同类保障方案作为预案信息
。
[0007]更近一步地，所述关键信息提取模块利用
LDA
关键词提取算法提取主题词，并生成保障方案文档目录；
LDA
关键词提取算法提取主题词包括以下步骤：获取待生成方案的任务
、
环境
、
具体要求信息和的预案信息中的文本数据；利用
Jieba
分词工具，对用户对话的信息和预案信息进行中文分词；对文本分词结果进行向量化；进行
LDA
主题建模，借助困惑度
‑
主题数曲线选择最优主题数和主题词
。
[0008]更近一步地，所述保障方案文档目录包括情况判断
、
任务描述
、
人员保障
、
设备保障
、
物资保障
、
保障行动；情况判断还包括环境情况
、
网络情况；人员保障还包括人员需求
、
工作职责；设备保障还包括设备需求
、
设备运输；物资保障还包括物资需求
、
物资运输
。
[0009]更近一步地，所述困惑度计算为：；其中，文档集合
D
，其中
M
为文档的总数，为文档
d
中单词所组成的词袋向量， p(
)
为模型所预测的文档
d
的生成概率，
N
d 为文档
d
中单词的总数
。
[0010]更近一步地，所述任务为待生成保障方案的目标，所述任务依据初始用户输入内容生成；所述环境包括待生成保障方案的目标所在地的地理信息
、
气候信息和突发状况信息；所述具体要求信息用来确定所述任务和环境对应的人员
、
设备和物资要求
。
[0011]更近一步地，所述编码控制器依据关键词与保障方案文档目录之间的所属关系，控制生成保障方案文本中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种保障方案生成系统，其特征在于，所述保障方案生成系统包括对话模块
、
预案推荐模块
、
关键信息提取模块和文本生成模块；所述对话模块用于与用户进行自然语言对话，提示用户输入与待生成方案的任务
、
环境和具体要求信息相关的内容，依据用户输入内容，抽取用户输入内容中的关键词，基于关键词在用户输入内容中的出现频次计算关键词得分；调用关键词检索知识库获得与关键词相关的问题集；计算用户输入内容与问题集中各问题的相似度并结合关键词得分对问题集进行排序，获取预设数量的高相似度问题，用作待追问的问题对用户进行追问；并且通过初始用户输入内容和追问过程中用户答复时输入的内容获得与待生成方案相关的任务
、
环境
、
具体要求信息；所述预案推荐模块基于所获得的任务
、
环境
、
具体要求信息，依据待生成方案与现有方案之间的相似性获取推荐的历史保障方案或者预案作为预案信息；所述关键信息提取模块提取待生成方案的任务
、
环境
、
具体要求信息和的预案信息的主题词；并依据预案信息生成保障方案的文档目录；所述文本生成模块利用
Transformer
预训练模型针对保障方案文档目录中的每一节，生成每一节的保障方案文本内容，进而生成整个保障方案文档的内容，重复生成整个文档内容，得到最终保障方案文本；所述
Transformer
预训练模型包括编码控制器和解码控制器；所述
Transformer
预训练模型通过具体要求信息和预案信息进行训练；所述编码控制器用于基于关键词与文档目录的所属关系对关键词及其位置进行控制；所述解码控制器用于调整每一节的主题词使得当前生成文档目录的内容包含主题词和其对应的目标内容
。2.
根据权利要求1所述保障方案生成系统，其特征在于，所述对话模块当用户输入终止意向内容，或者最大对话轮数大于预设数量，结束继续追问
。3.
根据权利要求1所述保障方案生成系统，其特征在于，所述预案推荐模块通过
CBOW 模型进行样本文档集训练，对任务
、
环境
、
具体要求信息中的每一个词进行
K 维词向量表征；利用这种特征向量进行检索，与历史保障方案或者预案进行相似度计算，最终实现相似方案的检索；其中，相似度采用如下余弦
COS
相似度公式进行计算：；其中，任务
、
环境
、
具体要求信息中的第
i 个词与方案库中第
j 个方案之间的相似度为
Sim(e
i
,f
j
)
，
e
i
,f
j
为词向量表示；通过任务优先规则对所获得的相似保障方案进行过滤，获取最终推荐的同类保障方案作为预案信息
。4.

【专利技术属性】
技术研发人员：张春荣，张芸捷，娄庄西，李晓永，敬军，张心臻，
申请(专利权)人：中国电子科技集团公司第十五研究所，
类型：发明
国别省市：