[发明专利]一种对话方法、系统、电子设备、存储介质和程序产品

说明书

本公开提供了一种对话方法，可以应用于人工智能技术领域。该对话方法包括：获取用户发送的对话信息；根据对话信息判断是否存在交易意图；若是，则与用户进行交易对话；若否，则与用户进行社交对话；其中，与用户进行社交对话时，继续判断用户发送的对话信息是否存在交易意图；若是，则与用户从社交对话转向交易对话。本公开的方法可同时与用户进行交易对话、社交对话，提高智能问答服务的效率与质量。本公开还提供了一种对话系统、电子设备、计算机可读存储介质和程序产品。

技术领域

本公开涉及人工智能技术领域，具体涉及一种对话方法、系统、电子设备、存储介质和程序产品。

背景技术

金融系统中，业务术语和交易具有高度专业性，数据量也十分庞大，并且面临更高等级的安全性，现有的智能问答系统仅仅用以匹配少量查询交易场景，采用简单的关键词匹配模式，不能很好的理解客户的意图，影响客户交易并给人工坐席带来负担。

目前，中文智能问答系统存在答非所问、应答场景有限等缺点。基于检索匹配模型的任务型会话系统旨在理解用户意图并完成具体任务，主要应用在客户服务系统领域，它能够理解用户以自然语言表达的请求，并提供相应的业务服务。任务型会话系统的核心是机器学习，辅以少量的手工设计规则，能够真正理解对话的内容，执行适当的策略或动作。但此类系统的检索数据量庞大，通常只关注任务结果，从而忽视了问答过程中会话的连续性和话轮转换技巧，使得用户与系统之间的交互体验欠佳。

基于生成式的社交型聊天系统致力于建立与用户的情感联系，成为用户的人工智能伴侣。互联网时代，用户的社交感情需求愈发凸显，社交型聊天机器人作为社交的补充手段，能够疏解人们的社交情感需求。社交型聊天系统一般使用深度学习技术，通过构建端到端的生成式模型，使得问答系统能够生成未出现在语料库中的回复，从而满足了开放领域的问答需求。基于生成式的社交型聊天机器人拥有强大的语言理解能力和丰富的知识库，能够与用户在开放领域内展开自然流畅的对话，并通过学习不断提升新的技能，在智能音响等产品中得到广泛应用。然而，此类系统对于语言中的情感、隐喻等深层语义信息仍不能很好的理解并加以应用，导致问答过程中常有“不合时宜”的回复，降低用户体验。

发明内容

(一)要解决的技术问题

针对上述问题，本公开提供了一种对话方法、系统、电子设备、存储介质和程序产品，用于至少部分解决传统智能问答难以同时兼顾交易场景和社交场景等技术问题。

(二)技术方案

本公开一方面提供了一种对话方法，包括：获取用户发送的对话信息；根据对话信息判断是否存在交易意图；若是，则与用户进行交易对话；若否，则与用户进行社交对话；其中，与用户进行社交对话时，继续判断用户发送的对话信息是否存在交易意图；若是，则与用户从社交对话转向交易对话。

进一步地，根据对话信息判断是否存在交易意图包括：将对话信息转化成词向量；根据词向量进行卷积神经网络意图分类；判断意图分类是否为交易意图。

进一步地，与用户进行交易对话包括：若根据对话信息判断存在交易意图；则与用户进行多轮对话，进行交易匹配；执行匹配成功的交易。

进一步地，与用户进行交易对话还包括：判断交易意图是否高于阈值；若是，则与用户进行多轮对话，进行交易匹配；若否，则进入按键服务。

进一步地，判断交易意图是否高于阈值包括：计算语料库中问句的词频矩阵，并进行归一化处理；采用词频-逆向文件频率算法得到每条候选问句对应的词频向量；计算对话信息的词频向量；采用相似度函数计算对话信息的词频向量与每条候选问句对应的词频向量的余弦相似度；判断余弦相似度的值是否高于阈值。

进一步地，判断余弦相似度的值是否高于阈值包括：若判断余弦相似度的值高于阈值，则将余弦相似度最高的候选问句所对应的答案作为应答，返还给用户，并与用户进行多轮对话；若判断余弦相似度的值低于阈值，则进入按键服务。