[发明专利]知识产权智能服务方法及系统

权利要求书

1.知识产权智能服务方法，其特征在于，包括如下步骤：

获取用户输入信息，将用户输入文本转化为序列化的词向量；

对序列化的词向量通过基于机器学习的序列分类算法进行用户意图分类，该用户意图分类具体为概念性问答类、查询需求类和服务导引类三类；

当用户意图分类为概念性问答类时，所述序列化的词向量输入基于机器学习的概念性问答算法模型，返回相应的知识产权问题回答；

当用户意图分类为查询需求类时，所述序列化的词向量输入查询算法模型，返回相应的知识产权数据查询结果；

当用户意图分类为服务导引类时，所述序列化的词向量输入基于机器学习的服务导引算法模型，返回相应的知识产权服务接口。

2.根据权利要求1所述的知识产权智能服务方法，其特征在于：所述用户输入信息为文本、图像和语音中的一种或多种。

3.根据权利要求1所述的知识产权智能服务方法，其特征在于，所述序列分类算法通过CNN-LSTM算法模型实现，具体包括：

输入层，获得序列化的词向量；

LSTM层，对序列化的词向量通过序列模型进行筛选，并保留具有语义特征的词向量，所述序列建模的参数通过基于机器学习的数据训练获得；

CNN层，通过CNN模型对获得的具有语义特征的词向量进行分类计算；

输出层，将分类计算获得的分类结果对应至样本空间，输出样本空间所对应的分类特征，该分类特征具体为概念性问答类、查询需求类和服务导引类三类。

4.根据权利要求1所述的知识产权智能服务方法，其特征在于：所述基于机器学习的概念性问答算法模型具体，包括如下步骤：

开始一轮问答对话，获得用户的输入信息，对用户输入信息提取序列化的词向量；

使用基于机器学习的语义识别模型对序列化的词向量进行语义识别，并获得语义特征向量；

将所获得的输入信息的语义特征向量与预设问答库中问题的语义特征向量通过基于机器学习的序列匹配算法进行匹配度计算；

如问答库中存在高于匹配度判断阈值的语义特征向量，则将其中匹配度最高的语义特征向量所对应的回答作为输出信息；

如问答库中不存在匹配度高于匹配度阈值的语义特征向量，则根据缺失的语义特征向量信息，返回引导信息，并在用户补充输入信息后，并根据用户补充输入信息，返回序列匹配算法步骤，再次执行；

保存用户输入信息和补充输入信息的语义特征向量，结束本轮问答对话。

5.根据权利要求1所述的知识产权智能服务方法，其特征在于，所述查询算法模型具体包括如下步骤：

获得用户输入信息；

解析提取的实体，并填充至查询行为模型的槽位；

当查询行为模型槽位完全匹配,将查询槽位中的实体信息格式转化为对应数据库的查询语句，并返回查询的数据结果；

当查询行为模型的槽位均无法完全匹配，输出该查询行为模型的缺失槽位的引导提示信息。

6.根据权利要求1所述的知识产权智能服务方法，其特征在于，所述基于机器学习的服务导引算法模型具体包括如下步骤：

获得用户输入信息，对用户输入信息提取序列化的词向量；

使用基于机器学习的实体识别模型对提取的序列化的词向量进行实体类型标注；

使用序列化的词向量作为基于机器学习的分类模型进行用户意图分类；

根据获得的用户意图分类选择相应的内容槽位模型，将具有实体类型标注的词向量填充至所述内容槽位模型；

根据填充有实体类型标注的词向量的内容槽位模型，返回所对应的知识产权服务接口。