[发明专利]一种智能语音交互方法及系统

权利要求书

1.一种智能语音交互方法，其特征在于，具体步骤，包括：

（1）接收对端电话发送的语音信息；

（2）将所述语音信息转化为文本信息；

（3）利用预先训练得到的智能模型生成所述文本信息对应的回复文本，其中，所述回复文本为对所述文本信息进行对话应答的文本信息；

（4）将所述回复文本转化对应的应答语音，发送至所述对端电话；

还包括：

（5）对所述文本信息进行情感倾向性分析，以确定出用户对所提供的业务的意向值，所述意向值用于表示所述用户对所述业务的意向程度；当所述意向值达到预设阈值时，将所述对端电话转接至人工坐席端的电话。

2.根据权利要求1所述的智能语音交互方法，其特征在于，所述利用预先训练得到的智能模型生成所述文本信息对应的回复文本，包括：

向所述智能模型输入所述文本信息；

利用所述文本信息查询出所述文本信息对应的对话实体，所述对话实体为与所述语音信息具有相同或者相近的对话主题；

获取预先为所述对话实体执行的对话文本，作为所述回复文本。

3.根据权利要求2所述的智能语音交互方法，其特征在于，所述利用文本信息查询出所述文本信息对应的对话实体，包括：

将所述文本信息按照预设规则转化为空间向量，形成向量空间中对应的点；

确定所述空间向量对应的点在所述向量空间中最接近的对话实体的点，得到所述对话实体。

4.根据权利要求3所述的智能语音交互方法，其特征在于，所述将文本信息按照预设规则转化为空间向量，包括：

通过预先设置的词袋模型将所述文本信息转化为m维的向量x1；

利用训练得到的参数向量w1将所述向量x1转化为k维实数向量h1，w1为m*k维矩阵；

所述确定空间向量对应的点在所述向量空间中最接近的对话实体的点，得到所述对话实体，包括：

通过所述词袋模型将数据库中的实体分别转化为n维的向量x2；

利用训练得到的参数向量w2将所述向量x2转化为k维实数向量h2，w2为n*k维矩阵；

计算所述实数向量h1与所述实数向量h2在向量空间的距离，将与所述实数向量h1距离最近的实数向量h2对应的实体作为所述对话实体。

5.根据权利要求1所述的智能语音交互方法，其特征在于，所述对文本信息进行情感倾向性分析，以确定出用户对所提供的业务的意向值，包括：

对所述文本信息进行分词，得到词语序列；

利用预设规则对所述词语序列进行打分，得到所述意向值。

6.根据权利要求5所述的智能语音交互方法，其特征在于，所述利用预设规则对所述词语序列进行打分，包括：

将所述词语序列中每个词转化为对应的实数向量，得到实数向量序列；

对所述实数向量序列进行编码，得到一个打分向量h；

按照预设打分函数对所述打分向量h进行打分。

7. 根据权利要求6所述的智能语音交互方法，其特征在于，所述预设打分函数为：

S=sigmod（w·h+b）

其中，S为意向值，其取值范围为（0,1），w、b为预先训练得到的参数。

8. 根据权利要求4所述的智能语音交互方法，其特征在于，所述训练得到参数向量w1和w2的过程为：首先采集足量的用户输入样本，并通过人工将这些样本对应到知识库中的某个实体；训练过程中，将输入文本通过词袋模型转化为m维的向量x1’，将知识子图的“实体”、“关系”也按照词袋模型转化为n维的向量x2’；然后分别通过矩阵w1’、w2’，转化为k维实数向量，h1、 h2；w1为m * k维，w2为n * k维；h1’、 h2’分别为输入文本与知识子图中实体的表示向量；通过联合训练的方式，使得h1’、 h2’在向量空间中距离较近；系统使用向量的点积来衡量它们的相似度；通过随机梯度下降（SGD）优化参数w1’、w2’，得到最终的w1、w2。