[发明专利]一种基于深度学习的多轮自动聊天对话方法及系统

权利要求书

1.一种基于深度学习的多轮自动聊天对话方法，其特征在于，包括步骤：

S1、获取当前用户输入的文本信息并对输入的文本信息进行文字处理后得到用户当前输入处理结果；

S2、基于所述用户当前输入处理结果，使用深度学习模型来挖掘用户当前输入意图；

S3、判断用户对话是否是首轮对话，如果不是首轮对话则根据所述用户当前输入意图、上一轮对话的聊天主题及所述用户当前输入处理结果使用深度学习模型来判断所述用户当前输入意图是否和所述上一轮对话的聊天主题一致；

S4、从每一轮用户输入信息中提取特定信息作为当轮对话的实体信息，实体信息存储单元存储实体信息，根据S3的判断结果更新实体信息存储单元中存储的实体信息，然后根据所述用户当前输入意图和实体信息存储单元中存储的实体信息从预设的答复数据库获取答复内容，并将答复内容发送给用户。

2.如权利要求1所述的基于深度学习的多轮自动聊天对话方法，其特征在于，步骤S1中对当前用户输入的文本信息进行文字处理的步骤为：

对所述当前用户输入的文本信息进行分词和词性标注。

3.如权利要求2所述的基于深度学习的多轮自动聊天对话方法，其特征在于，步骤S3包括：

基于用户上一轮对话输入的文本信息，使用深度学习模型挖掘所述上一轮对话的聊天主题并将所述上一轮对话的聊天主题表示为上一轮对话聊天主题向量；

使用深度学习模型来挖掘所述用户当前输入意图后，将所述用户当前输入意图表示为用户当前输入意图向量；

以词向量表示分词后的词语，以词性向量表示词语对应的词性标注，将所述用户当前输入处理结果中的所有分词后的词语和词语对应的词性标注分别表示为词向量矩阵和词性向量矩阵；

以所述上一轮对话聊天主题向量、所述用户当前输入意图向量、所述词向量矩阵、所述词性向量矩阵为参数，利用卷积神经网络和LSTM递归神经网络的深度学习模型判断所述用户当前输入意图是否和所述上一轮对话的聊天主题一致。

4.如权利要求1所述的基于深度学习的多轮自动聊天对话方法，其特征在于，步骤S4中根据S3的判断结果更新实体信息存储单元中存储的实体信息的步骤为：

如果所述用户当前输入意图和所述上一轮对话的聊天主题一致，则将上一轮对话的实体信息和本轮对话的实体信息进行结合后的实体信息来替换实体信息存储单元存储实体信息；

如果所述用户当前输入意图和所述上一轮对话的聊天主题不一致，则将本轮对话的实体信息替换实体信息存储单元存储实体信息。

5.如权利要求1所述的基于深度学习的多轮自动聊天对话方法，其特征在于，步骤S3中：

如果判断用户对话是首轮对话，则根据所述用户当前输入意图和用户首轮输入信息的实体信息从预设的答复数据库获取答复内容，并将答复内容发送给用户。

6.一种基于深度学习的多轮自动聊天对话系统，其特征在于，包括步骤：

文本信息处理模块：获取当前用户输入的文本信息并对输入的文本信息进行文字处理后得到用户当前输入处理结果；

当前输入意图挖掘模块：基于所述用户当前输入处理结果，使用深度学习模型来挖掘用户当前输入意图；

主题判断模块：判断用户对话是否是首轮对话，如果不是首轮对话则根据所述用户当前输入意图、上一轮对话的聊天主题及所述用户当前输入处理结果使用深度学习模型来判断所述用户当前输入意图是否和所述上一轮对话的聊天主题一致；

答复模块：从每一轮用户输入信息中提取特定信息作为当轮对话的实体信息，实体信息存储单元存储实体信息，根据S3的判断结果更新实体信息存储单元中存储的实体信息，然后根据所述用户当前输入意图和实体信息存储单元中存储的实体信息从预设的答复数据库获取答复内容，并将答复内容发送给用户。

7.如权利要求6所述的基于深度学习的多轮自动聊天对话系统，其特征在于，文本信息处理模块中：

对所述当前用户输入的文本信息进行分词和词性标注。