[发明专利]人机对话上下文语义拒识方法

权利要求书

1.人机对话上下文语义拒识方法，其特征在于，包括：

步骤1、建立强弱语义模型及上下文关系模型并训练，所述强弱语义模型用于判断语句是否是针对机器作出的，所述上下文关系模型用于判断当前语句与前一轮语句是否有关联；

步骤2、获取用户当前语句，并将其输入强弱语义模型进行判断，若语句不是针对机器的，则将语句输入上下文关系模型；

步骤3、上下文关系模型判断当前语句与前一轮语句是否有关联：若不相关，则当前语句为拒识；若相关且前一轮语句为拒识，则当前语句为拒识。

2.根据权利要求1所述的人机对话上下文语义拒识方法，其特征在于，所述强弱语义模型包括：词嵌入层、卷积层、池化层及输出层。

3.根据权利要求1所述的人机对话上下文语义拒识方法，其特征在于，所述上下文关系模型包括：输入层、Embedding层、LSTM层、Attention层及输出层。

4.根据权利要求1所述的人机对话上下文语义拒识方法，其特征在于，所述步骤2具体为：

步骤21、获取用户当前语句并使用bert模型将其转换为向量；

步骤22、将步骤21得到的向量输入强弱语义模型进行判断，若语句不是针对机器的，则将语句输入上下文关系模型。

5.根据权利要求1所述的人机对话上下文语义拒识方法，其特征在于，所述步骤1还包括建立关键词库，对应的，所述步骤2中，若语句不是针对机器的，则将其输入上下文关系模型前，还包括判断语句中是否包含关键词，若不包含，则将语句输入上下文关系模型，若包含，则当前语句不拒识。

6.根据权利要求1-5任意一项所述的人机对话上下文语义拒识方法，其特征在于，所述步骤3具体为：上下文关系模型判断当前语句与前一轮语句是否有关联：若不相关，则当前语句拒识；若相关，前一轮语句为拒识、且两轮时间间隔小于设定值，则当前语句为拒识。

7.根据权利要求6所述的人机对话上下文语义拒识方法，其特征在于，所述步骤3将当前语句判定为拒识后，还包括判断当前语句与前一轮语句的拼音相似度，若拼音相似度大于阈值，则当前语句不拒识。