[发明专利]基于人工智能的针对多轮对话进行语义分析的方法和装置

权利要求书

1.一种基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，包括：

获取样本多轮对话数据，所述样本多轮对话数据中的各样本语句包括当前样本语句和至少一个历史样本语句；

基于预设的词语数据库，对各样本语句进行分词处理，得到各样本语句中的各个样本词语；

根据各样本语句中的各个样本词语，得到各样本语句的句向量；

将所述当前样本语句的句向量与各历史样本语句的句向量分别进行组合，得到句向量集合，并对所述句向量集合进行向量编码，得到上下文编码向量；

构建语义分析训练集，所述语义分析训练集包括所述上下文编码向量，并根据所述语义分析训练集，对语义分析模型进行训练；

根据训练得到的语义分析模型进行语义分析。

2.根据权利要求1所述的基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，所述基于预设的词语数据库，对各样本语句进行分词处理，得到各样本语句中的各个样本词语，具体为：

对于任意一个样本语句，将该样本语句输入至所述词语数据库中，获取该样本语句中存在于所述词语数据库中的各个词语，得到的各个词语为该样本语句中的各个样本词语。

3.根据权利要求2所述的基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，所述将该样本语句输入至所述词语数据库中，获取该样本语句中存在于所述词语数据库中的各个词语，得到的各个词语为该样本语句中的各个样本词语，具体为：

将该样本语句输入至所述词语数据库中，获取该样本语句中存在于所述词语数据库中的各个初始词语；

获取各个初始词语在所述样本多轮对话数据中出现的次数；

根据预设次数阈值，获取所述各个初始词语中的出现次数大于或者等于所述预设次数阈值的初始词语，获取得到的初始词语为该样本语句中的样本词语。

4.根据权利要求1所述的基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，所述根据各样本语句中的各个样本词语，得到各样本语句的句向量，具体为：

对于任意一个样本语句，将该样本语句中的各个样本词语进行向量转换，得到对应的词向量；

根据各个样本词语对应的词向量，以及各个样本词语在该样本语句中的顺序，对各个样本词语对应的词向量进行排序，得到词向量序列；

对所述词向量序列进行向量转换，得到该样本语句的句向量。

5.根据权利要求4所述的基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，所述将该样本语句中的各个样本词语进行向量转换，得到对应的词向量，具体为：

获取各个样本词语在所述样本多轮对话数据中出现的次数；

根据各个样本词语在所述样本多轮对话数据中的出现次数，将各个样本词语进行向量转换成对应维度的词向量。

6.根据权利要求1所述的基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，所述将所述当前样本语句的句向量与各历史样本语句的句向量分别进行组合，得到句向量集合，具体为：

根据向量矢量相加算法，将所述当前样本语句的句向量与各历史样本语句的句向量分别进行组合，得到句向量集合。

7.根据权利要求1所述的基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，所述对所述句向量集合进行向量编码，得到上下文编码向量，具体为：

将所述句向量集合输入至预设的全连接神经网络，得到句向量序列数据；

将所述句向量序列数据输入至预设的序列编码器中进行编码处理，得到所述上下文编码向量。

8.根据权利要求1所述的基于人工智能的针对多轮对话进行语义分析的方法，其特征在于，所述语义分析训练集的构建过程，包括：

根据所述样本多轮对话数据中的各样本语句在所述样本多轮对话数据中的顺序，以及所述上下文编码向量，构建所述语义分析训练集。

9.一种基于人工智能的针对多轮对话进行语义分析的装置，包括存储器和处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所可执行代码时，实现如权利要求1-8任一项所述的基于人工智能的针对多轮对话进行语义分析的方法。