[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

说明书

本申请涉及人机交互领域，公开了一种基于RASA框架的货运对话方法、装置、设备及存储介质。该方法包括：响应于接收到货运对话请求，获取目标对话上文；对目标对话上文意图分类，得到目标对话意图，若为问货意图则对目标对话文本实体识别，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，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；从对话管理模块中确定问货意图对应的问货对话语料图谱；根据所提取问货实体信息从问货对话语料图谱中匹配并输出目标对话下文。本发明通过意图分类后进行实体识别，从而在对应意图类型的语料图谱中确定答复语句，从而提升了货运对话答复内容的准确性。

技术领域

本申请涉及人机交互领域，尤其涉及一种基于RASA框架的货运对话方法、装置、设备及存储介质。

背景技术

在货运场景下，通过人机交互对话可以为客户提供高效的货运业务咨询服务，减少人力的浪费，同时通过高精确度的人机交互方式也能够减少人工咨询的误答率，从而提升货运业务服务的专业性。

在现有的技术中，传统的人机对话方式不能满足货运对话场景的复杂性，从而导致答复内容的准确性不足。

申请内容

本申请实施例提供一种基于RASA框架的货运对话方法，通过意图分类后进行实体识别，从而在对应意图类型的语料图谱中确定答复语句，从而提升了货运对话答复内容的准确性。

第一方面，本申请实施例提供一种基于RASA框架的货运对话方法，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，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；调用意图分类模块处理目标对话上文，得到目标对话意图；若目标对话意图为问货意图，则调用实体识别模块对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，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；从对话管理模块中确定问货意图对应的问货对话语料图谱，其中，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问货对话语料图谱中匹配相应的目标对话下文，并将目标对话下文返回给终端。

基于本申请实施例提供的方法，通过判断对话上文意图，若为问货意图，则从对话上文中提取多个槽位的问货实体，从而根据所提取问货实体及其实体数目在问货对话语料图谱中匹配并输出相应的答复内容，从而提升了货运对话答复内容的准确性。

在一种可能的实现方式中，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。

这样一来，基于语音识别技术将对话语音直接转换为文本表示，进而进一步根据文本表示执行自然语言处理任务，提升了货运对话的响应效率。

在一种可能的实现方式中，意图分类模块为训练后的货运对话意图分类模型，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，调用意图分类模块处理目标对话上文，得到目标对话意图包括：调用输入层网络将目标对话上文转换为向量表示，得到目标对话上文向量；调用隐藏层网络对目标对话上文向量执行语义特征提取，得到目标对话上文对应的目标语义特征；调用输出层网络中的softmax多分类器计算目标语义特征对应的意图概率分布，意图概率分布表征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；从目标语义特征的意图概率分布中筛选出匹配概率值最大的意图类别，得到目标对话意图。

这样一来，通过使用基于神经网络模型训练后得到的货运对话意图分类模型处理用户的目标对话上文，将目标对话上文量化表示后计算其与每种意图类型之间匹配概率值，从而基于数据统计特性快速判断对话意图。