[发明专利]一种人机对话的语义分析方法及系统

说明书

技术领域

本发明涉及人机对话相关技术领域，特别是一种人机对话的语义分析方法及系统。

背景技术

现在的人机对话问答系统中，当用户输入问题后，识别用户所要询问的意图是整个问答系统中核心的部分，意图识别正确但准确率太低，会造成后期给用户返回答案时，答案太多而无法选择最优答案的问题；意图识别错误会造成无法理解用户的意思，从而会给用户提供其不想要的答案或者直接无法给出答案。现有的技术做法是：

模型预测：该方法主要是先由人工进行分类和语料的标注，然后通过决策树或者分类算法来训练出一个模型，当用户输入一句话后，进行分词、实体抽取和向量转化后，把处理后的信息输入到模型中来进行预测判断，给出一个用户意图预测的结果。

现有意图识别的方法都是基于人工标注大量的语料来进行训练和预测，由于需要大量的人工标注，会存在很多的不可控因素，比如每个标注人员对于语料理解的不同会导致不同的标注结果，对相同的问题会有重复标注的结果，以及不同的分类标注里有相同语料的标注；而且当需要添加新的意图分类的时候，必须由相关人员进行商讨、确定，再培训标注人员才能开始进行标注工作，机器无法自动添加新的分类。在整个训练模型的过程中会消耗大量的人力物力，并且由于诸多的不可控因素会影响函数训练的速度和进度。

在实际过程中模型预测也很难区分用户是在询问问题还是和问答系统进行聊天，用户在实际使用时是不会提示机器自己的意图是什么，所以需要问答系统来识别和区分，如果光靠模型的预测就需要在语料里加入大量的聊天语料来进行训练，大量聊天语料的存在势必会造成其他分类语料权重的降低，从而影响其他意图分类的准确性，而不加入聊天语料则又会影响到意图识别的最终效果。最终整个系统的效果也会大打折扣。

发明内容

基于此，有必要针对现有技术中无法对用户进行语义分析，从而对用户的意图识别不准确的技术问题，提供一种人机对话的语义分析方法及系统。

一种人机对话的语义分析方法，包括：

函数训练步骤，包括：获取包括多个训练语句的训练语料，通过所述训练语料训练出情感函数，所述情感函数对输入的语句计算对应的情感值；

情感值计算步骤，包括：获取用户输入语句，将所述用户输入语句输入所述情感函数后得出关于所述用户输入语句的情感值作为用户情感值；

情感执行步骤，包括：从与所述用户输入语句相关的多个回答答案中，选择满足所述用户情感值的回答答案作为语义分析答案，显示所述语义分析答案。

一种人机对话的语义分析系统，包括：

函数训练模块，用于：获取包括多个训练语句的训练语料，通过所述训练语料训练出情感函数，所述情感函数对输入的语句计算对应的情感值；

情感值计算模块，用于：获取用户输入语句，将所述用户输入语句输入所述情感函数后得出关于所述用户输入语句的情感值作为用户情感值；

情感执行模块，用于：从与所述用户输入语句相关的多个回答答案中，选择满足所述用户情感值的回答答案作为语义分析答案，显示所述语义分析答案。

本发明通过函数训练得到计算情感值的情感函数，从而能够将用户输入语句计算出相应的情感值，并根据情感值选择回答用户的方式，从而能够更好地回答用户的输入。

附图说明

图1为本发明一种人机对话的语义分析方法的工作流程图；

图2为本发明最佳实施例的工作流程图；

图3为本发明一种人机对话的语义分析系统的结构模块图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细的说明。

如图1所示为本发明一种人机对话的语义分析方法的工作流程图，包括：

步骤S101，包括：获取包括多个训练语句的训练语料，通过所述训练语料训练出情感函数，所述情感函数对输入的语句计算对应的情感值；

步骤S102，包括：获取用户输入语句，将所述用户输入语句输入所述情感函数后得出关于所述用户输入语句的情感值作为用户情感值；

步骤S103，包括：从与所述用户输入语句相关的多个回答答案中，选择满足所述用户情感值的回答答案作为语义分析答案，显示所述语义分析答案。

用户的各种意图识别其实也是用模型去拟合用户的问题，语义分析就是用函数拟合出合适的模型的方式，最后可以得到的可以比较意图类别的情感函数，则可以直接得出用户的意图。