[发明专利]一种自动实现app操作的智能系统

权利要求书

1.一种自动实现app操作的智能系统，其特征在于，所述的系统包括：会话管理模块；预先训练好的意图及意图修饰词识别模型和参数提取模型；用户意图与参数对应关系；用户交互规则；用户意图与接口对应关系；接口与参数对应关系；未提取参数列表；并且，所述智能系统的运行流程如下：

S1预处理：对用户输入的自然语言问句进行预处理，进行去特殊符号、去停止词、分词；

S2判断是否处于用户交互中1并进行处理：根据未提取参数列表是否为空，判断当前问句是否处于与用户交互提取剩余参数值之中,若未提取参数列表为空，则不处于用户交互之中，执行S3；否则，存储用户输入的参数值，将该参数从未提取参数列表中移除后，执行S7；

S3省略恢复：对预处理后的问句进行上下文省略恢复；

S4意图识别：调用意图及意图修饰词识别模型，对省略恢复后的问句，提取其意图及意图修饰词；

S5参数提取：根据识别出的用户意图，调用该意图对应的参数提取模型，提取省略恢复后问句中的参数及参数值，将其存储于map中，map的key为参数，value为参数值；

S6更新未提取参数列表：根据用户意图与参数对应关系，判断用户意图的哪些参数还未提取参数值，将这些参数存入未提取参数列表中；

S7判断是否处于用户交互中2并进行处理：若未提取参数列表为空，则执行S8；否则，从未提取参数列表中任意取一个参数，根据预先制定的用户交互规则，生成与用户交互的问句，然后执行S9；

S8完成app操作：app的操作通过调用一系列的接口来完成；

S9退出流程；

所述意图识别模型的训练方法如下：利用已训练好的词向量模型，将用户问句转化为词向量后，利用开源的神经网络模型训练工具进行训练；

所述词向量的训练方法如下：①用D表示词典，w是D中的元素，X表示训练集中所有的连续n元短语，x是X中的元素，代表正样本，x^w是将连续n元短语x中的中间词替换为w的连续n元短语，代表负样本；

②引入窗口打分函数f(x)，对x进行打分，以度量x中n元短语的排列顺序的正确程度，通过公式

优化窗口打分函数f(x)；

③利用传统的神经网络对窗口打分函数f(x)的优化进行训练；

经过训练得到的是Distributed Representation形式的词向量。

2.根据权利要求1所述一种自动实现app操作的智能系统，其特征在于所述词向量模型的训练方法中引入马尔科夫决策过程对替换短语的选取进行优化。

3.根据权利要求2所述一种自动实现app操作的智能系统，其特征在于所述引入马尔科夫决策过程对替换短语的选取进行优化的步骤如下：首先构造马尔科夫链，时刻n对应每次更换替换词w，状态s对应连续n元短语x，行动a对应选取的替换词w，时刻n的转移概率p(sⁿ⁺¹|sⁿ，aⁿ)对应p(x^w|x，w)，转移概率矩阵可以通过训练集的统计特征获得，回报函数v(sⁿ⁺¹|sⁿ，aⁿ)对应v(x^w|x，w)＝f(x)-f(x^w)；然后构造长期期望总回报V^π(s)＝E_π{∑λ^n-1v(sⁿ⁺¹|sⁿ，aⁿ)|s⁰}，其中π为策略链，λ为折扣因子，利用转移概率将该表达式变形为V^π(sⁿ)＝∑{p(sⁿ⁺¹|sⁿ，aⁿ)|v(sⁿ⁺¹|sⁿ，aⁿ)+λV^π(sⁿ⁺¹)|}；最后通过值迭代算法获得最优策略链π^*，

4.根据权利要求1-3任一项所述一种自动实现app操作的智能系统，其特征在于所述S8的流程如下：首先根据用户意图，从用户意图与接口对应关系map中，查找完成app操作所需的一系列接口，然后依次调用这些接口；调用接口时，首先从接口参数对应关系map中，查找该接口所需要的参数，然后从参数值存储map中，取到参数对应的参数值，从而完成接口的调用；当依次调用所有的接口后，也就完成了该app的操作；最后，根据意图修饰词过滤结果。