[发明专利]一种智能交互培训系统在审
申请号: | 201911221001.8 | 申请日: | 2019-12-03 |
公开(公告)号: | CN110956142A | 公开(公告)日: | 2020-04-03 |
发明(设计)人: | 朱丙坤;林砺;张建辉;卢凌云;沈海先;何雪海;毛国庆;覃亚芬 | 申请(专利权)人: | 中国太平洋保险(集团)股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08;G06Q10/06;G06Q40/08;G06Q50/20 |
代理公司: | 上海宝鼎专利代理有限公司 31222 | 代理人: | 张宝让 |
地址: | 200010*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 智能 交互 培训 系统 | ||
1.一种智能交互培训系统,其特征在于,包括:
虚拟场景引擎(1),其用于进行实务场景模拟并展现所述模拟实务场景;
自然语言处理引擎(2),其用于对所述模拟实务场景中接收到的自然语言信息进行处理;
多模态情感分析引擎(3),其用于对所述模拟实务场景中接收到的培训输入信息进行建模分析;
多维度智能剖析引擎(4),其与所述自然语言处理引擎、所述多模态情感分析引擎相通讯,并基于所述自然语言处理引擎、所述多模态情感分析引擎的输出结果对培训内容进行分析;
其中,所述自然语言处理引擎(2)、所述多模态情感分析引擎(3)以及所述多维度智能剖析引擎(4)均分别与所述虚拟场景引擎(1)相连接并通讯。
2.根据权利要求1所述的智能交互培训系统,其特征在于,还包括:
深度培训挖掘引擎(5),其与所述多维度智能剖析引擎(4)相通讯,并基于所述多维度智能剖析引擎(4)的输出结果在所述模拟实务场景中触发新的模拟培训内容,其中所述新的模拟培训内容与所述多维度智能剖析引擎(4)的输出结果相适应。
3.根据权利要求1或2所述的智能交互培训系统,其特征在于,所述虚拟场景引擎(1)至少包括一VR生成装置(11),其用于至少根据模拟客户的年龄、性别、职业、家庭结构进行场景模拟,并输出所述模拟实务场景。
4.根据权利要求1至3中任一项所述的智能交互培训系统,其特征在于,所述多模态情感分析引擎(3)至少包括:
至少一个捕捉装置(31),其用于捕捉人物微表情和/或声音输入信息;
情感分析引擎(32),其用于至少根据所述人物微表情和/或声音输入信息进行分析建模。
5.根据权利要求4所述的智能交互培训系统,其特征在于,所述情感分析引擎通过如下算法进行分析建模:
a.基于深度学习MTCNN算法进行人脸检测和关键点标定,基于标定的关键点进行人脸对齐处理;
b.将标准人脸数据集输入到卷积神经网络进行训练,构建深度表情识别模型:
c.将标准人脸图像输入到所述深度表情识别模型,利用softmax函数确定所述标准人脸图像属于每种表情的概率,取概率值最大的表情为最终的识别结果。
6.根据权利要求5所述的智能交互培训系统,其特征在于,将标准人脸数据集输入到卷积神经网络进行训练采用h-swish激活函数提高网络的精度,其公式为:
7.根据权利要求1至6中任一项所述的智能交互培训系统,其特征在于,所述自然语言处理引擎(2)至少包括:
意图识别装置(21),其用于对所述自然语言进行建模后进行意图预测;
对话管理装置(22),其用于对所述自然语言对应语义匹配最优答案。
8.根据权利要求6所述的智能交互培训系统,其特征在于,所述对话管理装置还用于基于所述最优答案开展后续对话。
9.根据权利要求7或8所述智能交互培训系统,其特征在于,所述意图识别装置采用Word2vector算法训练生成词向量模型,并使用Bi-LSTM算法进行意图预测。
10.根据权利要求1至9中任一项所述的智能交互培训系统,其特征在于,所述多维度智能剖析引擎通过如下算法实现对培训内容进行分析的过程:
i:确定一个或多个单模态数据;
ii:基于多模态深度玻尔兹曼机,进行多模态融合建模,确定多模态融合训练模型;
iii:将一个或多个单模态数据输入至所述多模态融合训练模型,确定一个或多个评价结果。
11.根据权利要求10所述的智能交互培训系统,其特征在于,所述单模态数据至少包括:
-语调、语义、面部微表情;
-语句的先后顺序逻辑以及知识点覆盖率的完整程度;
-语速、辅助词运用的熟练程度;
-与标准语句的相似度;
-面部移动、身体姿态。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国太平洋保险(集团)股份有限公司,未经中国太平洋保险(集团)股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911221001.8/1.html,转载请声明来源钻瓜专利网。