[发明专利]基于RASA框架的货运对话方法、装置、设备及存储介质

权利要求书

1.一种基于RASA框架的货运对话方法，所述RASA框架下包括意图分类模块、实体识别模块以及对话管理模块，其特征在于，所述基于RASA框架的货运对话方法包括：

响应于接收到终端发送的货运对话请求，获取货车司机的目标对话上文；

调用所述意图分类模块处理所述目标对话上文，得到目标对话意图；

若所述目标对话意图为问货意图，则调用所述实体识别模块对所述目标对话文本执行实体识别，以提取出包括时间实体信息和地点实体信息在内的至少两种问货实体信息，所述问货实体信息还包括车型实体信息、车长实体信息以及货源实体信息；

从所述对话管理模块中确定所述问货意图对应的问货对话语料图谱，其中，所述问货对话语料图谱为知识图谱的形式；

根据所提取的问货实体信息从所述问货对话语料图谱中匹配相应的目标对话下文，并将所述目标对话下文返回给所述终端。

2.根据权利要求1所述的基于RASA框架的货运对话方法，其特征在于，所述响应于接收到终端发送的货运对话请求，获取货车司机的目标对话上文包括：

响应于接收到终端发送的货运对话请求，调用预置的音频输入设备接收所述货车司机发起货运对话语音；

对所接收的货运对话语音执行音频预处理，并对音频预处理后的货运对话语音执行语音识别，得到目标对话上文。

3.根据权利要求1所述的基于RASA框架的货运对话方法，其特征在于，所述意图分类模块为训练后的货运对话意图分类模型，所述货运对话意图分类模型包括输入层网络、隐藏层网络以及输出层网络，所述调用所述意图分类模块处理所述目标对话上文，得到目标对话意图包括：

调用所述输入层网络将所述目标对话上文转换为向量表示，得到目标对话上文向量；

调用所述隐藏层网络对所述目标对话上文向量执行语义特征提取，得到所述目标对话上文对应的目标语义特征；

调用所述输出层网络中的softmax多分类器计算所述目标语义特征对应的意图概率分布，所述意图概率分布表征所述目标语义特征分别与预置的多种意图类别之间的匹配概率值；

从所述目标语义特征的意图概率分布中筛选出所述匹配概率值最大的意图类别，得到目标对话意图。

4.根据权利要求3所述的基于RASA框架的货运对话方法，其特征在于，所述调用所述输入层网络将所述目标对话上文转换为向量表示，得到目标对话上文向量包括：

调用所述输出层网络对所述目标对话上文执行分词处理，得到所述目标对话上文对应的目标分词序列；

依次对所述目标分词序列中的每个分词执行词嵌套预训练，得到每个分词对应的词向量；

对每个词向量求和后计算平均值，得到目标对话上文向量。

5.根据权利要求3所述的基于RASA框架的货运对话方法，其特征在于，所述隐藏层网络包括Transformer网络和多层卷积网络，所述调用所述隐藏层网络对所述目标对话上文向量执行语义特征提取，得到所述目标对话上文对应的目标语义特征包括：

调用所述Transformer网络提取所述目标对话上文对应的自注意力特征，并基于所述多层卷积网络对所述自注意力特征进行卷积处理，得到所述目标对话上文的目标语义特征。

6.根据权利要求1所述的基于RASA框架的货运对话方法，其特征在于，所述根据所提取的问货实体信息从所述问货对话语料图谱中匹配相应的目标对话下文，并将所述目标对话下文返回给所述终端包括：

获取所述所述问货对话语料图谱对应的实体路径表；

根据所提取问货实体信息，从所述实体路径表中查询目标图谱路径；

基于所述目标图谱路径，从所述问货对话语料图谱中获取目标对话下文，并将所述目标对话下文返回给所述终端。