[发明专利]语句选取方法、语句显示方法、相关装置及计算设备

说明书

本发明公开了一种语句选取方法、语句显示方法、相关装置、计算设备及介质，语句选取方法包括：基于语句集合中的各语句，以及语句包括的一个或多个词，构建语句集合对应的流向图模型，流向图模型包括多个与语句一一对应的语句节点，以及多个与词一一对应的词节点；根据预设的容量条件，求解流向图模型的最大流，以获取流向图模型中流入各语句节点的归一化流量；选取归一化流量大于预设流量阈值的语句节点对应的语句，作为语句集合的代表语句。

技术领域

本发明涉及自然语言处理领域，特别涉及一种语句选取方法、语句显示方法、相关装置、计算设备及介质。

背景技术

随着互联网技术的不断发展，越来越多的事情可以通过网络来线上完成，比如购物、办理银行业务、预约挂号等，给人们的生活带来了极大便利。通常，当我们在网上使用一项线上服务时，会与提供该线上服务的客服人员进行信息沟通，特别是对服务内容并不熟悉时。

在用户与客服人员进行沟通的场景下，很大概率会出现如下两种情况：第一种是当前客服人员虽是人工客服，但并非所咨询问题对应的专业客服，此时需要进行转接处理，将该用户转移给合适的人工客服，第二种则是当前客服人员是机器人客服，而用户咨询的问题并非机器人客服所能解答的问题，需要为用户提供转接人工客服的处理。

在上述两种情况下，用户在与当前客服人员已经进行了一定程度上的沟通，将用户转移时，应将之前的沟通内容一并转移给新的客服人员。然而，沟通内容可能文字数量繁多，且存在多处重复部分，其一般包括多个语句，若直接交付给新的客服人员，客服人员重新理解沟通内容以确定用户需求会造成时间上的浪费，导致用户等待时间过长，体验较差。

为解决上述问题，避免重复内容对沟通效率带来的不良影响，目前多采用传统的Word2vec相似度计算方法，对沟通内容中的多个语句，利用词向量生成稠密向量代表词的维度，加和平均计算出语句的向量，再利用余弦距离计算出语句之间的相似度，以达到去重的效果。但是，这一方法中加和平均的向量并不能很好地表示语句的意思，且只能计算出语句之间的相似度，却不能从沟通内容中选出具有代表性的语句，来言简意赅地表述清楚用户的真实想法。而且，即使采用如上去重方式来对代表性的语句进行选取，并向新的客服人员转发沟通内容，但在显示沟通内容时，并未对已选出的代表性语句进行强调显示等相应处理，以便该客服人员快速知晓沟通内容的重点。因此，需要提供一种新的语句选取和显示方案，以优化以上处理过程。

发明内容

为此，本发明提供一种语句选取及显示方案，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种语句选取方法，该方法包括如下步骤：首先，基于语句集合中的各语句，以及语句包括的一个或多个词，构建语句集合对应的流向图模型，流向图模型包括多个与语句一一对应的语句节点，以及多个与词一一对应的词节点；根据预设的容量条件，求解流向图模型的最大流，以获取流向图模型中流入各语句节点的归一化流量；选取归一化流量大于预设流量阈值的语句节点对应的语句，作为语句集合的代表语句。

可选地，在根据本发明的语句选取方法中，基于语句集合中的各语句，以及语句包括的一个或多个词，构建语句集合对应的流向图模型包括：根据各语句与各词之间的对应关系，建立从各语句对应的语句节点到各词对应的词节点的映射；添加源节点和汇节点，并以源节点为起始点，以汇节点为终点，建立源节点至各语句节点的映射，以及各词节点至汇节点的映射。

可选地，在根据本发明的语句选取方法中，预设的容量条件包括：流入任一语句节点的流量，不超过语句节点对应的语句所包括词的数量；流入和流出任一词节点的流量，均不超过1。

可选地，在根据本发明的语句选取方法中，求解流向图模型的最大流包括：通过Ford-Fulkerson算法，求解流向图模型的最大流。