[发明专利]一种智能多轮对话定制方法及系统

说明书

本发明提供了一种智能多轮对话定制方法及系统，包括获取用户输入的问题；经过决策器判断用户的问题类型，所述问题类别包括问答型问题、闲聊型问题和任务型问题；若判断为问答型问题，流转到问答模块，通过知识库中的数据生成相应的问题模型，获取问题的标准答案返回用户；若判断为闲聊型问题，流转到闲聊模块，调用闲聊模型计算答案返回用户；若判断为任务型问题，触发多轮任务模块，通过规则引擎解析，执行多轮流程。本发明无需编程，所有操作都是页面配置，不需改动程序代码即可应用于多场景中，简化机器人创建的难度，有效节约人工成本。特别是内置函数功能，保证系统扩展性和可变性，不依赖于外部系统进行逻辑处理，缓解外围接口压力。

技术领域

本发明涉及机器人技术领域，尤其涉及一种智能多轮对话定制方法及系统。

背景技术

自然语言处理(NLP，Natural Language Processing)是一个信息时代最重要的技术之一，简单来讲，就是让计算机能够理解人类语言的一种技术。人机交互方式越来越接近以视觉加自然语言为主的人人交互方式，人机交互不再是人从机器，而是机器服从人。由于语言是人类最重要的信息输出方式，所以，以对话交互为核心的对话系统将成为人机交互的重要纽带和桥梁。

目前而言，对话交互/人机对话所解决的典型问题类型有三种，任务型(Task)、问答型(FAQ)和闲聊型(Chat)。任务型如“订一张明天上海到北京的火车票“；问答型，如”珠穆朗玛峰有多高”；闲聊型，如”我今天心情不好”。任务型机器人指特定条件下提供信息或服务的机器人。通常情况下是为了满足带有明确目的的用户，例如查流量，查话费，订餐，订票，咨询等任务型场景。由于用户的需求较为复杂，通常情况下需分多轮互动，用户也可能在对话过程中不断修改与完善自己的需求，任务型机器人需要通过询问、澄清和确认来帮助用户明确目的。

在问答场景中，客户一般咨询的是常见的FAQ问题，可以基于端到端的深度学习训练，将训练集中标注好的问题和FAQ库里的标准问题编码成语义向量，最后计算用户的输入和库里的标准问题的向量相似度，将最相似的FAQ返回给用户。在闲聊场景中，机器人检测到用户是在闲聊，就可以进入闲聊逻辑进行回复。机器人还要能够感知到用户情绪，比如用户愤怒了能安慰用户；能够对一些敏感词进行过滤；还应该对一些开放领域知识进行回答，比如下一届奥运会在哪里举行。

但是，目前机器人主要是单一类型，通过不断完善知识库提供用户回答的准确率，多轮对话技术通过规则决策解析模版，执行流程的运转，应用于单一场景中。在不同场景中，需要开发配置不同类型的机器人。并且，目前数据都是预先在外围系统处理好，外围系统同一接口需要根据不同需求做不同处理。每次用户需求变更时，外部系统需要更改代码。这样，同一接口如果拆分过多就会导致容易混乱。如果遇到外围系统资源紧张时，则导致机器人开发延期。在多轮对话场景中，机器人没有支持逻辑计算，数据都是调用外围接口处理的结果。但是，随着目前机器人的多轮需求越来越多，主流系统多轮对话配置相应也越来越复杂，非专业IT人员无法使用该系统，无法配置使其符合新的应用场景。由于很多公司的专业人员有限，将会限制机器人的开发效率，同时增加人力成本。另外，目前多轮词槽组、接口调用都无法进行页面模拟，需要第三方工具调用，每次调用时需要进行的参数配置非常复杂，显示不直观。此外，在多轮任务的功能每次发生变化时，需要修改代码，编写代码进行逻辑处理。可以看出，目前智能对话机器人系统的适应性能力差，变更流程复杂，变更困难，所调用外围系统资源经常紧张而有处理压力，需要AI专业人员才能进行开发。在用户使用过程中，使用难度大，用户需要经过长时间的培训才能正常使用。

因此，需要一种通用于多种应用场景、无需改动程序代码、配置简单、缓解外围接口资源紧张的智能多轮对话定制方法及系统，从而缓解上述问题的发生。

术语解释：

1)FAQ(Frequently Asked Questions):常见的问题项目与对应问题的解答，即常见问题解答。