[发明专利]一种自然语言对话系统意图深度学习方法

说明书

本发明涉及人工智能、自然语言理解与服务机器人领域，特别涉及一种自然语言对话系统意图深度学习方法，包括：获取待解析的对话文本信息和用户在描述该对话文本信息时的语音信号；确定所述对话文本信息中每个分词的词向量；对语音信号根据对话文本信息中的每个分词进行切分获得语音切分信号，然后根据情绪识别模型与语音切分信号对应的词向量进行情绪标定；根据意图识别模型和所述词向量，生成与所述对话文本信息的意图类型；获取与所述意图类型对应的意图要素抽取模型。本发明能够利用用户在对话时传递的情感信息辅助进行意图理解，提高解析的准确度。

技术领域

本发明涉及人工智能、自然语言理解与服务机器人领域，特别涉及一种自然语言对话系统意图深度学习方法。

背景技术

对话系统(Dialogue System)是一种基于自然语言的人机交互系统。通过对话系统，人可以使用自然语言和计算机进行多轮交互来完成特定的任务，如信息查询、服务获取等。对话系统提供了一种更自然、便捷的人机交互方式，广泛应用于车载、家居、客服等场景。

其中，自然语言理解(Natural Language Understanding)是对话系统中的核心模块。自然语言理解的目标是将自然语言的文本信息转换为可被计算机处理的语义表示(Semantic Representation)，即用一种结构化的数据来表示一句话所表达的含义。也就是说，自然语言理解的目标是根据待解析的文本信息确定用户想表达的意图以及满足用户意图的条件。

目前市面上最常见的一种技术方案是基于规则的自然语言理解。基于规则的自然语言理解方式通过定义若干规则来进行意图识别和意图要素从文本信息中获取表达对应意图所需要的意图元素的关键词。例如，当输入文本符合「…订…X到Y…航班」这样的规则时，系统就输出意图是订机票，X和Y分别为出发和达到城市。然而，上述基于规则的自然语言理解方式至少存在如下技术问题：1)规则的设定通常依赖领域知识，需要专业人员来设定，耗费人力。2)因为自然语言表达方式的多样性，覆盖不同的表达方式就需要设定大量的规则，但即便这样，也无法穷尽出所有规则。3)基于规则的方法无法根据实际数据进行自学习而不断进化，遇到问题时只能靠不断地设定新的规则来解决。4)如果规则越来越多，规则之间甚至会发生冲突。

技术上述问题，市面上也出现了基于Vector向量的方法进行自然语言理解，但是依然存在准确度不高的问题。另外，还出现了基于机器学习的方法进行自然语言理解，通过该方法进行自然语言理解需要人工设计模型的输入特征(例如，n-gram、tf-idf)，这带来了特征的好坏会影响模型的效果，而特征设计依赖于领域知识，因此需要专业人员投入大量精力在特征设计上；其次，因为大部分特征是与领域知识相关的，同样的特征在解决一个领域的问题时有效并不代表该特征在解决另一个领域的问题时依然有效，这使得该方法跨领域迁移的能力较弱。针对这一问题，中国专利公开号为CN107193865A的专利文件中公开了一种人机交互中自然语言意图理解方法及装置的文献，其中，该方法包括：获取待解析的对话文本信息；确定对话文本信息中每个分词的词向量；根据意图识别模型和词向量，生成与对话文本信息的意图类型；获取与意图类型对应的意图要素抽取模型；根据意图要素抽取模型和词向量，从对话文本信息中确定出表达意图类型所需要的意图要素的关键词信息。该发明提供的人机交互中自然语言意图理解方法，无需提取对话文本信息在其对应领域上的特征信息，通过分析对话文本信息中每个分词的词向量即可从对话文本信息中准确确定出表达意图类型所需要的意图要素的关键词信息。

在上述方案中，其主要构建的对话场景还是仅仅停留在对文本信息的处理，对于意图深度理解而言，用户通过对话实际传递的不仅仅是文本信息，还包括了情感信息。但是在上述方案中未将其作为一个评价维度，会导致对用户的意图理解存在失真的情况，影响用户的使用体验。

发明内容

本发明提供了一种自然语言对话系统意图深度学习方法，能够利用用户在对话时传递的情感信息辅助进行意图理解，提高解析的准确度。

为了解决上述技术问题，本申请提供如下技术方案：