[发明专利]一种多轮对话的场景意图中断方法

权利要求书

1.一种多轮对话的场景意图中断方法，其特征在于：包括以下步骤：S01）、获取用户输入的多模态输入信息；S02）、对输入信息进行实体信息的抽取和结构化切片处理，获得结构化文本信息；S03）、基于结构化文本信息抽取用户初始意图；S04）、基于历史信息、结构化文本信息和用户初始意图，自适应判断用户真实意图，实现对对话意图的再判断以及对话容错；S05）、基于用户真实意图和对话模式，构建对话场景，获得结构化引导性问题或者答案；S06）、基于结构化引导性问题或者答案生成对应的自然语言问题或者答案；步骤S04中，通过机器学习算法对用户初始意图进行再判断，首先对用户初始意图进行向量化，获得用户初始意图在高维空间的向量，计算用户初始意图Iten_i与最近历史意图Iten_i-1的空间距离Dis，并设置第一阈值Th₁和第二阈值Th₂，Th₁< Th₂，如果Dis小于第一阈值Th₁，表明当前意图与历史意图重合度过大，步骤S05中生成提醒用户已经提问过相似问题的答案，如果Dis大于第二阈值Th₂，表明当前意图与历史意图距离过大，此时不应进行意图跳转需要进行意图确认，步骤S05中生成进行意图确认的结构化引导性问题；如果Dis大于第一阈值Th₁小于第二阈值Th₂，则根据用户真实意图进行正常的意图中断及跳转。

2.根据权利要求1所述的多轮对话的场景意图中断方法，其特征在于：采用Word2Vec对用户初始意图进行向量化，采用杰卡德相似距离计算当前用户意图Iten_i与最近历史意图Iten_i-1的空间距离Dis。

3.根据权利要求1所述的多轮对话的场景意图中断方法，其特征在于：第一阈值和第二阈值通过机器学习算法训练得到，机器学习算法设有反馈机制，根据用户反馈对第一阈值和第二阈值进行迭代优化。

4.根据权利要求3所述的多轮对话的场景意图中断方法，其特征在于：第一阈值和第二阈值通过SVM或者Bayes的机器学习算法训练得到。

5.根据权利要求1所述的多轮对话的场景意图中断方法，其特征在于：多模态输入信息包括语音、文本和触摸动作。

6.根据权利要求5所述的多轮对话的场景意图中断方法，其特征在于：获取用户输入的多模态输入信息时，利用预先定义动作指令集将触屏动作转换为文本信息、利用基于离线或者云端的语音识别技术将语音文件转换为自然语言文本或者直接接受用户输入的文本信息，并且支持多模态数据的同时录入，其中触屏动作的优先级最高，语音输入优先级次之，文本输入优先级最低。

7.根据权利要求1所述的多轮对话的场景意图中断方法，其特征在于：S02中，通过词法分析完成自然语言文本的分词和词性标记，得到自然语言文本的词语集，保留文本的全部信息；然后利用句法分析技术得到关键信息之间的语法依存关系和修饰关系，抽取自然语言文本中关键信息；语义分析基于语义网络完成词语、词组以及句子的浅层语义分析，最终完成自然语言的结构化切片处理，获得结构化文本信息。

8.根据权利要求1所述的多轮对话的场景意图中断方法，其特征在于：步骤S03中，采用决策树或者随机森林的机器学习方法，利用结构化文本信息和疑问句类型抽取用户意图，结合系统历史信息和当前对话信息实现结构化文本信息与多个业务场景的之间映射。

9.根据权利要求1或8所述的多轮对话的场景意图中断方法，其特征在于：抽取用户意图时，进行多层意图判断。