[发明专利]一种智能语音客服机器人自动对话方法及装置

权利要求书

1.一种智能语音客服机器人自动对话方法，其特征在于，包括：

将获取的用户语音数据转换为字符序列；

基于训练好的意图神经网络模型，确定所述字符序列对应的包含意图关键词及实体关键词的期望值；

根据所述期望值匹配给定的树状流程中的当前话术节点的下一个话术节点分支，并将这些关键词填充在所述话术节点分支对应的指令信息的槽位中；

根据用户的所述指令信息确定需要对话的文本语言；

将所述文本语言转换为语言，并输出给用户；

其中，将获取的用户语音数据转换为字符序列之后进一步包括：

根据所述字符序列确定各词语出现的次数；

根据各词语及其出现的次数填充与所述意图神经网络模型训练时所采用的训练输入向量维度相同的计算输入向量，其中，所述计算输入向量中的每一维度对应于标注字典中的一特定词语，每一维度的数值对应于该特定词语在用于进行计算的字符序列中出现的次数。

2.如权利要求1所述的智能语音客服机器人自动对话方法，其特征在于，将获取的用户语音数据转换为字符序列包括：

将所述用户语音数据转换为离散数字信号；

通过预加重提高高频特性；

提取语音的MFCC特征信息；

将所述MFCC特征信息通过声学模型和语音模型转换为字符序列。

3.如权利要求1所述的智能语音客服机器人自动对话方法，其特征在于，所述标注字典基于以下步骤获取：

以高频模式对在指定领域中用户的多条真实输入的语句进行BIO标注，所述高频模式是指BIO标注过程中，以给定词典中的所命中的最长的单词进行标注；

根据高频模式提取的准确字典，标记出其他低频模式中的POI信息；

进行CRF模型训练，识别POI信息，加入到标注字典中。

4.如权利要求1所述的智能语音客服机器人自动对话方法，其特征在于，所述意图神经网络模型通过以下步骤训练：

获取样本数据，所述样本数据的每一条样本包括输入语料及输出期望值；

根据输入语料所包含的词语及其出现的次数构建输入向量；

构建神经网络模型，所述神经网络模型包括4层；

通过构建二次代价函数并对其进行迭代优化，确定输入向量的各维度的权重及偏置，其中，二次代价函数包括：

其中，y(x)为输出期望值，a为实际输出，x＝w1x1+w2x2+...+wnxn+b，x1～xn为输入向量的各维度值，w1～wn为各维度值对应的权重，b为偏置。

5.一种智能语音客服机器人自动对话装置，其特征在于，包括：

语音识别模块，用于将获取的用户语音数据转换为字符序列；

语言理解模块，用于基于训练好的意图神经网络模型，确定所述字符序列对应的包含意图关键词及实体关键词的期望值；

对话管理模块，用于根据所述期望值匹配给定的树状流程中的当前话术节点的下一个话术节点分支，并将这些关键词填充在所述话术节点分支对应的指令信息的槽位中；

语言生成模块，用于根据用户的所述指令信息确定需要对话的文本语言；

语音合成模块，用于将所述文本语言转换为语言，并输出给用户；

所述自动对话装置还包括预处理模块，所述预处理模块包括：

词语统计单元，用于根据所述字符序列确定各词语出现的次数；

输入向量填充单元，用于根据各词语及其出现的次数填充与所述意图神经网络模型训练时所采用的训练输入向量维度相同的计算输入向量，其中，所述计算输入向量中的每一维度对应于标注字典中的一特定词语，每一维度的数值对应于该特定词语在用于进行计算的字符序列中出现的次数。

6.如权利要求5所述的智能语音客服机器人自动对话装置，其特征在于，所述语音识别模块包括：

数据转换单元，用于将所述用户语音数据转换为离散数字信号；

高频处理单元，用于通过预加重提高高频特性；

语音提取单元，用于提取语音的MFCC特征信息；

字符序列生成单元，用于将所述MFCC特征信息通过声学模型和语音模型转换为字符序列。