[发明专利]基于知识图谱的人机对话方法及人机对话装置

权利要求书

1.一种基于知识图谱的人机对话方法，其特征在于，包括：

获取用户输入的语句；

对所述语句进行词向量处理；

将处理结果输入至卷积神经网络模型中；

利用所述卷积神经网络模型，识别所述语句的意图；

对所述语句中的词语进行槽位预测；

将所述意图及槽位预测结果输入至知识图谱中；

根据所述知识图谱中实体间的对应关系，确定所述词语的对应关系；及

搜索所述知识图谱，并将所述知识图谱中与所述关系对应的内容输出，以实现人机对话。

2.如权利要求1所述的基于知识图谱的人机对话方法，其特征在于，所述将处理结果输入至卷积神经网络模型中的步骤之前，还包括步骤：

建立两层卷积层，并设置大小分别为1、3及5的卷积核进行特征的提取；

在所述两层卷积层的基础之上，构建池化层与连接层；及

通过softmax函数输出，以实现意图分类。

3.如权利要求2所述的基于知识图谱的人机对话方法，其特征在于，所述建立两层卷积层，并设置大小分别为1、3及5的卷积核进行特征的提取的步骤之后，还包括步骤：

在所述两层卷积层的基础之上，新增卷积层，其中，所述新增卷积层与所述两层卷积层构成全卷积网络，以实现对词语的槽位预测，所述槽位预测的结果为所述词语的属性，以完成所述卷积神经网络模型的建立。

4.如权利要求3所述的基于知识图谱的人机对话方法，其特征在于，所述在所述两层卷积层的基础之上，新增卷积层的步骤之后，还包括步骤：

获取语料数据；

对所述语料数据进行分词处理以获取相应的词语；

将所述词语输入至word2vector模型中，并生成相应的词向量；

对所述词语进行槽位标注，所述标注包括所述词语的槽位标注及所述词语的意图标注；及

将标记结果输入至所述卷积神经网络模型中，以使所述卷积神经网络模型根据所述意图及所述属性训练所述卷积神经网络模型。

5.如权利要求1所述的基于知识图谱的人机对话方法，其特征在于，所述将所述意图及槽位预测结果输入至知识图谱中的步骤之前，还包括步骤：

获取所述用户根据问答数据的意图，对所述问答数据中的实体及所述实体间的关系的标注结果；及

根据所述实体及所述标注结果建立所述知识图谱，以建立所述对应关系。

6.一种人机对话装置，其特征在于，包括：

获取模块，用于获取用户输入的语句；

处理模块，用于对所述语句进行词向量处理；

输入模块，用于将处理结果输入至卷积神经网络模型中；

识别模块，用于利用所述卷积神经网络模型，识别所述语句的意图；

预测模块，用于对所述语句中的词语进行槽位预测；

所述输入模块，还用于将所述意图及槽位预测结果输入至知识图谱中；

确定模块，用于根据所述知识图谱中实体间的对应关系，确定所述词语的对应关系；及

对话模块，用于搜索所述知识图谱，并将所述知识图谱中与所述关系对应的内容输出，以实现人机对话。

7.如权利要求6所述的人机对话装置，其特征在于，还包括建立模块，用于：

建立两层卷积层，并设置大小分别为1、3及5的卷积核进行特征的提取；

在所述两层卷积层的基础之上，构建池化层与连接层；及

通过softmax函数输出，以实现意图分类。

8.如权利要求7所述的人机对话装置，其特征在于，所述建立模块还用于：

在所述两层卷积层的基础之上，新增卷积层，其中，所述新增卷积层与所述两层卷积层构成全卷积网络，以实现对词语的槽位预测，所述槽位预测的结果为所述词语的属性，以完成所述卷积神经网络模型的建立。