一种多轮对话智能问询处理方法、系统、介质及设备

摘要

本发明涉及人工智能技术领域，特别涉及一种多轮对话智能问询处理方法，与现有技术相比，本发明提供的一种多轮对话智能问询方法触发对话流程后初步获取用户信息；并从交互中抓取入口信息，根据入口信息向意图库进行用户意图识别，以生成问询路径和待定结果范围；根据问询路径所涉及的项目通过问询流程逐一向用户问询并记录过程，问询流程通过向用户采集信息；通过推理模型对所述待定结果进行推理计算；最后将推理计算结果和问询过程记录反馈至用户，大大提高了对话系统的智能程度，在与用户交互的过程中采集信息，并通过数据库中的信息提高反馈结果的准确性。

说明书

技术领域

本发明涉及人工智能技术领域，特别涉及一种多轮对话智能问询处理方法、系统、介质及设备。

背景技术

随着社会进步和科学技术的发展，人类逐渐步入人工智能的时代，人工智能的发展应用呈现快速增长的势头，越来越多的人工智能产品进入到了人们的日常生活生产活动中，其中智能音箱或者对话机器人一类的人机交互产品受到了广大消费者的喜爱和追捧，该类产品可与用户进行聊天对话，也可以根据用户指令执行一些简单操作，而实现这些功能的核心技术是其智能对话系统。

对于对话系统的研究，现有技术中聊天机器人的对话系统多采用命令+闲聊两种对话系统，在通常情况下，命令模式以对话模板的形式，帮助用户调取应用程序，闲聊模式需要通过命令开启，闲聊内容空洞且无意义，两种模式的对话系统都较为呆板，无法满足用户多样复杂的需求。为了解决上述问题，申请号为CN201610383236.7的专利(公布日期为2016年11月9日)公开了一种人机对话内容处理方法，主要是通过得到用户画像信息，结合常识信息，创建图谱数据库，并创建分类器，根据对话内容信息，判定用户身份，然后通过分类器对话内容信息进行分类，得到分类结果，分类后提取对话内容信息对应的三元组信息，最后通过对三元组信息进行查询以反馈给用户不同的应答。

虽然上述专利通过补捉用户其他外部信息的方式给予差别反馈方式一定程度上改善了对话系统的机械呆板，但是现有对话系统中还是存在面对用户多样复杂的要求，其反馈的准确度较低的问题。

发明内容

为解决上述现有对话系统中存在的对于复杂多样的用户反馈不够准确、无法实现复杂的问询功能的不足，本发明提供了一种多轮对话智能问询处理方法，包括以下步骤：

S10：接收用户激活指令，开启对话流程；

S20：向用户发起对话交互以抓取入口信息，根据入口信息向意图库进行用户意图识别；

S30：通过用户意图向数据库查询，以生成问询路径和待定结果范围；

S40：根据问询路径所涉及的项目通过问询流程逐一向用户问询并记录过程，所述问询流程通过向用户采集信息；通过推理模型对所述待定结果进行推理计算；

S50：根据所述推理计算结果和问询过程记录生成报告并反馈至用户。

进一步地，步骤S20中意图识别过程包括以下步骤，且在当前步骤无法完成意图识别时才执行后一步骤；

S21：根据用户选择获取用户意图；

S22：根据所述入口信息通过正则匹配向意图库中查询用户意图；

S23：根据所述入口信息通过自然语言处理的文本分类和命名实体识别向意图库中查询用户意图。

进一步地，所述问询路径为所述数据库根据用户意图而生成的概率图模型，所述概率图模型包括所述用户意图涉及的若干所述待定结果以及若干所述待定结果相关的项目关系。

进一步地，步骤S40包括以下步骤：

S41：根据所述问询路径所涉及的所述待定结果相关的项目设计问询流程以向用户采集各项目信息，生成可供推理模型进行计算的特征，所述特征为所述项目信息对应的先验概率。

S42：由所述推理模型根据所述特征对所述待定结果进行推理计算，以概率的形式呈现推理计算结果。所述推理模型根据所述问询路径的数据结构，采用贝叶斯网络、决策树、神经网络或者其他机器学习算法中的一种或者多种的组合，推理结果由其一种模型或者多种模型的结果聚合而成。

进一步地，步骤S41中问询流程的设计根据应用场景和问询路径对需要的项目信息进行采集，所述问询流程中的每一轮问询包含以下步骤，且在当前步骤无法完成用户信息采集时才执行后一步骤；

S411：根据用户的选择获取项目信息；

S412：根据用户对话通过正则匹配获取所述项目信息；

S413：根据用户对话通过自然语言处理的文本分类和命名实体识别获取所述项目信息。

进一步地，所述问询流程会根据当前轮的推理结果改变下一轮的问题。

进一步地，所述问询流程中问询的形式包括对话、选项卡或者二者的组合。

本发明还提供一种多轮对话智能问询系统，包括通信相连的入口模块、意图识别模块、路径查询模块、问询模块和反馈模块；

所述入口模块接收用户激活指令，开启对话流程；向用户发起对话交互以抓取入口信息，根据入口信息向意图库进行用户意图识别；通过用户意图向数据库查询，以生成问询路径和待定结果范围；根据问询路径所涉及的项目通过问询流程逐一向用户问询并记录过程，所述问询流程通过向用户采集信息；通过推理模型对所述待定结果进行推理计算；推理计算结果和问询过程记录生成报告并反馈至用户。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机被处理器执行时实现如上任一项所述的一种多轮对话智能问询方法。

本发明还提供一种计算机设备，包括至少一个处理器、及与所述处理器通信连接的存储器，其中所述存储器存储可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使所述处理器执行如上任一项所述的一种多轮对话智能问询方法。

与现有技术相比，本发明提供的一种多轮对话智能问询方法触发对话流程后初步获取用户信息；并从交互中抓取入口信息，根据入口信息向意图库进行用户意图识别，以生成问询路径和待定结果范围；根据问询路径所涉及的项目通过问询流程逐一向用户问询并记录过程，问询流程通过向用户采集信息；通过推理模型对所述待定结果进行推理计算；最后将推理计算结果和问询过程记录反馈至用户，大大提高了对话系统的智能程度，在与用户交互的过程中采集信息，并通过数据库中的信息提高反馈结果的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的多轮对话智能问询处理方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种多轮对话智能问询处理方法，通过意图库和复杂问询流程的结合、问询路径与概率模型的结合根据任务所设计的数据结构与查询流程实现，如图1所示，包括以下步骤：

S10：接收用户激活指令，开启对话流程；

S20：向用户发起对话交互以抓取入口信息，根据入口信息向意图库进行用户意图识别；

S30：通过用户意图向数据库查询，以生成问询路径和待定结果范围；

S40：根据问询路径所涉及的项目通过问询流程逐一向用户问询并记录过程，所述问询流程通过向用户采集信息；通过推理模型对所述待定结果进行推理计算；

S50：根据所述推理计算结果和问询过程记录生成报告并反馈至用户。

具体实施时，本实施例提供了一种交互式导诊流程，接收到用户激活指令后开启导诊流程；首先进入第一个页面，以搜索页面的方式向用户发起问询请求或者搜索请求，接收用户的问询内容或者搜索内容；通过NER模型和/或正则表达式对对话过程进行语义识别，从中抓取有效入口信息，其中通过NER模型和/或正则表达式抓取入口信息的方法为现有技术，此处不作赘述；抓取到入口信息后根据入口信息向意图库识别用户意图。

优选地，当上述处理未能获得有效入口信息时，反馈给用户并根据已有关键词调用模板问题库，以新的对话模板对用户发起问询，同时通过NER模型和/或正则表达式抓取入口信息，直到抓取到有效入口信息进入下一流程，或者直到退出流程。其中，入口信息的有效性判断通过与数据库的对比得出。

接着，确定有效入口信息后，向数据库中搜索入口信息以识别用户意图，用户意图的识别包括以下步骤：

步骤21：根据入口信息通过正则匹配的方式向意图库中进行搜索获取用户意图；

步骤22：判断是否获取到用户意图；如果是，则退出意图识别过程；如果否，则执行步骤23；

步骤23：根据入口信息通过自然语言处理的文本分类和命名实体识别的方式向意图库中进行搜索获取用户意图。

具体地，本实施例提供的交互式导诊流程根据用户的不同入口信息可识别到用户的意图为问诊或者百科搜索。较佳地，本实施例中采用但不限于步骤21和步骤23的搜索方式获取用户意图，搜索方式的顺序也可以变换；本实施例中首先执行在前的搜索方式，当无法完成意图识别任务时，才会调用之后的搜索方式，以降低资源的占用以及提升流程效率。

然后，根据用户意图向数据库中查询，以生成问询路径，同时确定待定结果范围。问询路径的生成可通过两种方式生成，一种是根据使用场景由人工设计而成，例如当应对对话要求高，对话内容范围窄的场景，需要通过人工设计问询路径，若问询路径由人工设计，其数据结构由设计过程决定，仅完成问询流程，不进行参数计算，仅以问询过程记录生成报告反馈至用户。此外，问询路径的另外一种生成方法是由数据库自动生成，根据数据库的不同的数据结构如串、列表、树或者图等结构，自动生成的问询路径也可表现为不同的形式，问询路径的形式可采用但不限于马尔可夫链、决策树、贝叶斯网络或神经网络等概率图模型中的一种，还可以采用上述各概率图模型的组合形式。

具体地，问询路径表现形式为马尔可夫链时，其转移概率矩阵的作为其推理参数，问询结果展现为转移概率矩阵的数值变化。问询路径表现形式为决策树或者贝叶斯网络时，问询路径的结构设计需要满足效率最高的要求，可通过最大熵原理进行结构计算。问询路径表现形式为知识图谱，根据知识图谱的SPO结构进行实体关系抽取查询，完成问询流程，不进行参数计算。

例如，本实施例提供的交互式导诊流程中，当用户意图为问诊时，将调用问诊模块的相关知识图谱作为问询路径并进入问诊流程根据问询路径进行问诊，当对感冒进行问诊时，其中问询路径的内容包括了用户意图涉及的若干待定结果以及若干待定结果相关的项目关系，待定结果比如治感冒的科室或者治感冒的药物，其他相关的项目比如感冒相关的症状头疼、咳嗽以及流鼻涕等及其持续时间，相互关系等；当用户意图为百科搜索时，则调用百科模块，根据搜索关键词直接给出疾病或者药品等的百科信息。

接着，确定好问询路径之后，所涉及的项目通过问询流程逐一向用户问询并记录过程，所述问询流程通过向用户采集信息；通过推理模型对所述待定结果进行推理计算；首先根据不同的问询路径结构完成问询推理，如上所述，不同的问询路径结构决定了问询方式和问询结果的推理模式，当采用模板问询时，用户信息被包含在模板问询过程中，由用户进行选择；当采用非模板问询时，用户信息需通过问询流程向用户信息库获取，具体地，包括以下步骤：

步骤41：根据问询路径设计问询流程，向用户采集信息；采集用户的相关项目信息的形式与用户意图识别的形式相类似，包括如下步骤：

步骤411：根据用户对话通过正则匹配的方式向用户的相关项目信息库中进行搜索获取用户的相关项目信息；

步骤412：判断是否获取到用户的相关项目信息；如果是，则退出当前项用户的相关项目信息获取过程；如果否，则执行步骤413；

步骤413：根据用户对话通过自然语言处理的文本分类和命名实体识别的方式向用户的相关项目信息库中进行搜索获取用户的相关项目信息。

较佳地，本实施例中采用但不限于步骤411和步骤413的搜索方式获取用户信息，搜索方式的顺序也可以变换；本实施例中首先执行在前的搜索方式，当无法完成当前用户信息获取任务时，才会调用之后的搜索方式，以降低资源的占用以及提升流程效率。

较佳地，所述问询流程中问询的形式采用但不限于对话、选项卡或者其组合等交互形式。以更为精确的获取用户的相关项目信息。

接着，步骤42：根据所述用户信息生成可供推理模型进行计算的特征；对于马尔可夫链、决策树和贝叶斯网络等形式的问询路径，需对其进行数值推理，推理结果以概率的形式呈现，首先需要将文本式的用户信息提取和转换为可以提供给推理模型完成计算的特征，较佳地，特征的形式可采用但不限于特征矩阵或者经过Embedding处理的特征矩阵中的一种。

步骤43：由推理模型根据特征对待定结果进行推理计算，以概率的形式呈现推理计算结果。其中推理模型的类型与问询路径的表现形式类型相匹配，推理模型用于根据特征对所述待定结果进行概率计算。

具体实施时，在本实施例提供的交互式导诊流程中，进入问诊流程后，通过对话、文字选项卡、图片选项卡的形式采集用户信息，如基本信息性别、年龄，体征体重、身高，病史，药物过敏史，生活习惯，早餐午餐晚餐时间等，并将这些用户信息导入到问询路径中，调用相关的先验概率；较佳地问询流程会根据当前轮的推理结果改变下一轮的问题。

本实施例还提供了推理计算实例，当根据用户意图确定问询路径为贝叶斯网络结构时，假如对于某待定结果(x1,x2,x3,x4,x5,x6,x7)的全概率公式为：

P(x1,x2,x3,x4,x5,x6,x7)＝P(x1)P(x2)P(x3)P(x4∣x1,x2,x3)P(x5∣x1,x3)P(x6∣x4)P(x7∣x4,x5)

此时，根据该问询路径需要设计问询流程向用户采集关于x1,x2,x3,x4,x5,x6,x7的用户信息并将其转化为特征，特征中包含各概率或条件概率P(x1)，P(x2)，P(x3)，P(x4∣x1,x2,x3)，P(x5∣x1,x3)，P(x6∣x4)，P(x7∣x4,x5)等信息，最后根据上述推理模型推理计算出待定结果的概率值P(x1,x2,x3,x4,x5,x6,x7)，并将其反馈至用户信息库以更新先验概率图。

最后，根据推理计算结果组成的概率结果表以及问询过程记录生成结果报告并反馈至用户，本实施例中，取概率结果表中概率前三的结果反馈至用户；优选地，可根据实际需求确定不同的反馈策略，如进行概率排序、概率划分后进行反馈。本实施例提供的交互式导诊流程中，最终以问诊流程中涉及的因素，也即过程记录反馈病因内容，将诊断情况即概率推理计算结果比如患病诊断结果概率，建议用药概率等反馈给用户。

本发明提供的一种多轮对话智能问询方法触发对话流程后通过模板问询的方式初步获取用户信息；并从中抓取入口信息，根据入口信息向意图库进行用户意图识别，以生成问询路径和待定结果范围；然后通过模板问询+非模板问询的方式根据问询路径向用户采集信息，以生成特征进而对待定结果进行推理计算；最后将推理计算结果和问询过程记录反馈至用户，大大提高了对话系统的智能程度，在与用户交互的过程中采集信息，并通过数据库中的信息提高反馈结果的准确性。

本发明还提供一种多轮对话智能问询系统，包括通信相连的入口模块、意图识别模块、路径查询模块、问询模块和反馈模块；

所述入口模块接收用户激活指令，开启对话流程；向用户发起对话交互以抓取入口信息，根据入口信息向意图库进行用户意图识别；通过用户意图向数据库查询，以生成问询路径和待定结果范围；根据问询路径所涉及的项目通过问询流程逐一向用户问询并记录过程，所述问询流程通过向用户采集信息；通过推理模型对所述待定结果进行推理计算；推理计算结果和问询过程记录生成报告并反馈至用户。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机被处理器执行时实现如上任一项所述的一种多轮对话智能问询处理方法。

具体实施时，计算机可读存储介质为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；计算机可读存储介质还可以包括上述种类的存储器的组合。

本发明还提供一种电子设备，包括至少一个处理器及与所述处理器通信连接的存储器，其中所述存储器存储可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述处理器执行如上任一项所述的多轮对话智能问询处理方法。

具体实施时，处理器的数量可以是一个或多个，处理器可以为中央处理器，(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器与处理器可以通过总线或其他方式通信连接，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使处理器执行如上任一项所述的多轮对话智能问询处理方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。