[发明专利]一种聊天机器人的问题答复方法及装置在审
申请号: | 201810540655.6 | 申请日: | 2018-05-30 |
公开(公告)号: | CN108829777A | 公开(公告)日: | 2018-11-16 |
发明(设计)人: | 祝文博;李超;雷欣 | 申请(专利权)人: | 出门问问信息科技有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 北京鼎佳达知识产权代理事务所(普通合伙) 11348 | 代理人: | 王伟锋;刘铁生 |
地址: | 100094 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 聊天机器人 问题语句 答复 神经网络训练 机器人领域 问题分类器 人机交互 语句 匹配 场景 | ||
1.一种聊天机器人的问题答复方法,其特征在于,所述方法包括:
利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题,其中,所述人设问题为针对所述聊天机器人人物设定的问题语句;
当确定所述问题语句为人设问题时,利用第一答复模型为所述问题语句匹配对应的答复语句。
2.根据权利要求1所述的方法,其特征在于,在利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题之前,所述方法还包括:
利用人设问题样本训练基于卷积神经网络的问题分类器,生成可识别至少两类人设问题的问题分类器,所述人设问题的种类至少包括:人物姓名、年龄、爱好、性别及星座。
3.根据权利要求2所述的方法,其特征在于,在当确定所述问题语句为人设问题时,利用第一答复模型为所述问题语句匹配对应的答复语句之前,所述方法还包括:
获取含有人设问题的训练样本;
利用所述含有人设问题的训练样本训练序列到序列Seq2Seq模型,生成所述第一答复模型。
4.根据权利要求3所述的方法,其特征在于,获取含有人设问题的训练样本包括:
利用所述问题分类器获取预置人设问题种类的训练样本。
5.根据权利要求4所述的方法,其特征在于,获取预置人设问题种类的训练样本包括:
利用余弦相似度算法,计算所述含有人设问题的训练样本中人设问题的值与预置于所述聊天机器中的人设问题的值的相似度;
当所述相似度不小于预设的阈值时,用所述预置于所述聊天机器中的人设问题的值替换所述含有人设问题的训练样本中人设问题的值。
6.一种聊天机器人的问题答复装置,其特征在于,所述装置包括:
判断单元,利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题,其中,所述人设问题为针对所述聊天机器人人物设定的问题语句;
匹配单元,用于当确定所述问题语句为人设问题时,利用第一答复模型为所述问题语句匹配对应的答复语句。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
生成单元,用于在利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题之前,利用人设问题样本训练基于卷积神经网络的问题分类器,生成可识别至少两类人设问题的问题分类器,所述人设问题的种类至少包括:人物姓名、年龄、爱好、性别及星座。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
获取单元,用于在当确定所述问题语句为人设问题时,利用第一答复模型为所述问题语句匹配对应的答复语句之前,获取含有人设问题的训练样本。
所述生成单元,还用于利用所述含有人设问题的训练样本训练序列到序列Seq2Seq模型,生成所述第一答复模型。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求5中任意一项所述的聊天机器人的问题答复方法。
10.一种电子设备,其特征在于,所述电子设备包括处理器,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至权利要求5中任意一项所述的聊天机器人的问题答复方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于出门问问信息科技有限公司,未经出门问问信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810540655.6/1.html,转载请声明来源钻瓜专利网。