[发明专利]对话处理方法、装置、计算机设备和可读存储介质有效
| 申请号: | 201810948061.9 | 申请日: | 2018-08-20 |
| 公开(公告)号: | CN109241256B | 公开(公告)日: | 2022-09-27 |
| 发明(设计)人: | 刘路;石莹莹 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
| 主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F16/35 |
| 代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 宋合成 |
| 地址: | 100085 北京市*** | 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: | 对话 处理 方法 装置 计算机 设备 可读 存储 介质 | ||
1.一种对话处理方法,其特征在于,所述方法包括以下步骤:
获取对话上文;
根据所述对话上文关联的目标对象,将所述对话上文分类至所述目标对象的结构树中,以在所述结构树中确定与所述对话上文匹配的分类节点;其中,所述分类节点对应所述目标对象的功能,各分类节点之间的层级关系是根据对应功能的层级关系确定的,所述目标对象具有对应的结构树,用于展现所述目标对象的知识结构,所述目标对象是与所述对话上文关联的对象;
确定所述分类节点对应的对话生成模型的准召率;
根据所述准召率,确定是否采用所述对话生成模型生成所述对话上文对应的对话下文;
所述将所述对话上文分类至所述目标对象的结构树中,以在所述结构树中确定与所述对话上文匹配的分类节点,包括:
对所述结构树中各分类节点,获取对应的频繁树;其中,所述频繁树,是预先对属于相应分类节点对应功能的对话样本进行频繁项挖掘,将各频繁项作为频繁树节点得到的;
对所述对话上文进行分词,将与所述分词匹配的频繁项所对应的频繁树节点作为目标节点;
根据所述目标节点在所述频繁树中的层级,以及所述目标节点对应频繁项在所述对话样本中出现频次占比,确定所述对话上文与所述频繁树对应的分类节点的匹配度;
根据各分类节点的匹配度,在所述结构树中确定与所述对话上文匹配的分类节点。
2.根据权利要求1所述的对话处理方法,其特征在于,所述根据所述准召率,确定是否采用所述对话生成模型生成所述对话上文对应的对话下文,包括:
查询所述分类节点适用的准召率区间;
根据所述对话生成模型的准召率所属的准召率区间,确定采用所述准召率区间对应的处理策略对所述对话上文进行处理;
其中,所述处理策略包括:
采用所述对话生成模型对所述对话上文进行处理,以生成所述对话下文;
以及,查询与所述对话上文相似的标准问答,根据所述标准问答生成所述对话下文。
3.根据权利要求2所述的对话处理 方法,其特征在于,所述准召率区间是采用从大到小的第一阈值、第二阈值和第三阈值对准召率取值范围划分得到的,所述根据所述对话生成模型的准召率所属的准召率区间,确定采用所述准召率区间对应的处理策略对所述对话上文进行处理,包括:
若所述准召率大于或等于所述第一阈值,确定采用所述对话生成模型生成所述对话上文对应的至少一个对话下文;
若所述准召率小于所述第一阈值,且大于或等于所述第二阈值,查询与所述对话上文相似的标准问答,根据所述标准问答生成所述对话下文;
若所述准召率小于所述第二阈值,且大于或等于所述第三阈值,根据所述对话上文生成对应的分类节点,将所述对话上文对应的分类节点增加到所述结构树中;
若所述准召率小于所述第三阈值,推荐人工对所述对话上文处理。
4.根据权利要求1所述的对话处理方法,其特征在于,所述根据各分类节点的匹配度,在所述结构树中确定与所述对话上文匹配的分类节点,包括:
在所述结构树中,从根节点的各子节点开始,确定匹配度最高的分类节点;
将确定出的匹配度最高的分类节点作为父节点,从所述父节点的各子节点中确定匹配度最高的分类节点,循环执行本步骤直至不存在子节点;
将最后一次循环执行时确定出的分类节点作为与所述对话上文匹配的分类节点。
5.根据权利要求1所述的对话处理方法,其特征在于,所述方法还包括:
对发送所述对话上文的终端,获取场景信息;其中,所述场景信息包括作为目标对象的软件的版本、网络环境、地区和/或机型;
根据所述场景信息,对所述对话生成模型进行配置。
6.根据权利要求1-5任一项所述的对话处理方法,其特征在于,所述方法还包括:
若在所述结构树中未确定出与所述对话上文匹配的分类节点,将所述对话上文与预设的对话样本进行聚类,确定所述对话上文所属的聚簇;
根据所述聚簇中包含的对话样本和所述对话上文,生成所述对话上文对应的分类节点;
将所述对话上文对应的分类节点增加到所述结构树中。
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百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)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/201810948061.9/1.html,转载请声明来源钻瓜专利网。





