[发明专利]一种自动建立个人专属语料库的方法

说明书

技术领域

本发明涉及通信技术领域，具体涉及一种自动建立个人专属语料库的方法。

背景技术

目前，智能会话系统中用于自动回复的会话回复内容，往往是通过匹配会话语料库的方式获取。上述过程中的会话语料库，主要是通过人工创建的。人工建库的工作量大，且建库质量普遍不高。此外，现有技术方案中的会话语料库几乎都是通用于所有用户的，不具备个人专属性和针对性。针对该问题，故本实施例提出了一种基于会话内容自动建立个人专属语料库的方法。

发明内容

本发明提供了一种自动建立个人专属语料库的方法，以解决现有采用人工建立会话语料库的工作量大且不具备个人专属性的技术问题。

本发明提供的自动建立个人专属语料库的方法，包括：

采集通讯方的会话内容；

获取会话内容中的会话对；

根据预设的场景标签，采集获得会话对与场景标签对应的场景标签值；

将会话对、场景标签以及与场景标签对应的场景标签值进行匹配组合，从而生成个人专属语料库。

进一步地，获取会话内容中的会话对包括：

逐一判断发起句后是否还包含发起句，若否，则将发起句以及发起句后与其关联的回复句作为会话对提取；

若是，则根据发起句，以及发起句与下一条发起句之间的回复句提取会话对，其中发起句为通讯对方发送的会话句，回复句为通讯方发送的会话句，或发起句为通讯方发送的会话句，回复句为通讯对方发送的会话句。

进一步地，根据发起句，以及发起句与下一条发起句之间的回复句提取会话对包括：

判断发起句与下一条发起句之间是否包含回复句，若是，则将发起句，以及发起句与下一条发起句之间的与发起句关联的回复句作为会话对提取；

若否，则采集连续的发起句，直至出现回复句，获得发起句组，并判断发起句组后是否还包括发起句，若否，则将发起句组以及发起句组后与其关联的回复句作为会话对提取，若是，则将发起句组，以及发起句组与下一条发起句之间的与发起句组关联的回复句作为会话对提取。

进一步地，逐一判断发起句后是否还包含发起句包括：

逐一判断发起句是否为最后一条会话句，若是，则停止会话对提取操作，若否，则判断发起句后是否还包含发起句。

进一步地，将发起句组以及发起句组后与其关联的回复句作为会话对提取包括：

获取发起句组后的所有回复句；

分别计算每一条回复句与发起句组中的每一条发起句之间的关联度；

根据关联度和预设的关联度阈值，获得发起句组后与其关联的回复句；

将发起句组，以及发起句组后与其关联的回复句作为会话对进行提取。

进一步地，采集通讯方的会话内容包括：

采集通讯方的即时通讯账号、邮箱账号、微博号、手机号与其他通讯对方进行会话的会话语料；

将会话语料拆分为由会话句组成的会话内容，其中会话句包括会话句内容和发送会话句内容的发送方。

进一步地，根据预设的场景标签，采集获得会话对与场景标签对应的场景标签值包括：

预设场景标签库，场景标签库至少包括一个场景标签；

在场景标签库中选择与会话对关联的场景标签；

采集获得会话对与场景标签对应的场景标签值。

进一步地，在场景标签库中选择与会话对关联的场景标签包括：

获取会话对的会话内容主题；

计算会话内容主题的词向量与场景标签库中的场景标签的词向量之间的相似度；

根据相似度选取预设阈值数目的与会话对关联的场景标签。

进一步地：

会话内容包括文本、图片、语音或视频格式的会话内容。

进一步地，场景标签包括：

会话内容主题，会话通讯双方的时间、地点、日期、会话意图、天气、季节、性别、职业、职务、心情、兴趣爱好、体感数据、星座、血型，会话通讯双方之间的关系、年龄差距、辈分差距，双方会话通讯的间隔时间、频率、时间跨度，会话内容的句型、句类、句式结构类型，以及总量标签中的一种或多种组合。

本发明具有以下有益效果：