[发明专利]一种识别人机对话中坏例的方法及装置

权利要求书

1.一种识别人机对话中坏例的方法，其特征在于，所述方法包括：

获取待识别人机对话数据；

从所述待识别人机对话数据中，提取出对话特征信息；

基于所述对话特征信息以及预先建立的坏例badcase筛选规则，获得所述待识别人机对话数据是否是badcase的识别结果，其中，所述badcase筛选规则基于历史标注badcase通话样本集确定。

2.根据权利要求1所述的方法，其特征在于，所述对话特征信息包括：用于表征对话数据量的特征和/或用于表征对话内容的特征；

所述用于表征对话数据量的特征包括：对话总时长、单条对话时长和单条对话字数中的任意一个或多个的组合；

所述用于表征对话内容的特征包括：关键词。

3.根据权利要求2所述的方法，其特征在于，所述基于所述对话特征信息以及预先建立的坏例badcase筛选规则，获得所述待识别人机对话数据是否是badcase的识别结果，具体包括：

获取预先依据用于表征对话内容特征建立的所述badcase筛选规则，所述badcase筛选规则包括：关键词及该关键词至少出现的次数，所述关键词为所述从历史标注badcase通话样本集中出现的统计值超过预设统计值的词；

判断所述对话特征信息中包含的关键词及所述关键词出现的次数，是否符合所述预先建立的至少一条badcase筛选规则中的至少一条规则；

如果是，则确定所述待识别人机对话数据为badcase；

如果否，则确定所述待识别人机对话数据不为badcase。

4.根据权利要求2所述的方法，其特征在于，所述基于所述对话特征信息以及预先建立的坏例badcase筛选规则，获得所述待识别人机对话数据是否是badcase的识别结果，具体包括：

获取预先依据用于表征对话数据量的特征建立的所述badcase筛选规则，所述badcase筛选规则包括：对话总时长、单条对话时长和单条对话字数中的任意一个或多个的组合；

判断所述对话特征信息的用于表征对话数据量的特征，是否符合所述对话总时长、所述单条对话时长和所述单条对话字数中的任意一个或多个的组合；

如果是，则确定所述待识别人机对话数据为badcase；

如果否，则确定所述待识别人机对话数据不为badcase。

5.根据权利要求1所述的方法，其特征在于，所述基于所述对话特征信息以及预先建立的坏例badcase筛选规则，获得所述待识别人机对话数据是否是badcase的识别结果，具体包括：

调用badcase筛选模型，所述badcase筛选模型为：以在建立所述badcase筛选规则所使用的所述历史标注badcase对话样本集，以及所述历史标注badcase对话样本集中各个badcase对话样本文本的badcase特征信息作为训练样本，以对所述badcase对话样本文本的badcase标注结果为样本标签进行训练得到；

将所述待识别人机对话数据和所述对话特征信息输入至所述badcase筛选模型，获得所述待识别人机对话数据为badcase的概率分值；

判断所述概率分值是否小于预设阈值，所述预设阈值为预设的badcase出现的概率；

如果是，则确定所述待识别人机对话数据为badcase；

如果否，则确定所述待识别人机对话数据不为badcase。

6.根据权利要求1～5任意一项所述的方法，其特征在于，还包括：当所述待识别人机对话数据为badcase时，将所述待识别人机对话数据添加至所述历史标注badcase对话样本集中。

7.一种识别人机对话中坏例的装置，其特征在于，所述装置包括：

获取单元，用于获取待识别人机对话数据；

提取单元，用于从所述待识别人机对话数据中，提取出对话特征信息；

识别单元，用于基于所述对话特征信息以及预先建立的坏例badcase筛选规则，获得所述待识别人机对话数据是否是badcase的识别结果，其中，所述badcase筛选规则基于历史标注badcase通话样本集确定。