一种多轮对话意图识别、澄清与执行中可切换编排的方法与流程

摘要: 本发明涉及人工智能与自然语言处理,具体涉及一种多轮对话意图识别、澄清与执行中可切换编排的方法。背景技术:1、随着人工智能技术和智能助理服务的发展,多轮对话系统已...
一种多轮对话意图识别、澄清与执行中可切换编排的方法与流程

本发明涉及人工智能与自然语言处理,具体涉及一种多轮对话意图识别、澄清与执行中可切换编排的方法。

背景技术:

1、随着人工智能技术和智能助理服务的发展,多轮对话系统已广泛应用于客户服务、办公协同、专业咨询等业务场景;相较于传统的一问一答式交互,多轮对话通常需要围绕一个或多个任务目标持续进行信息交互,用户的表达内容、任务目标以及关注重点可能随着对话过程不断发生变化,并且同一用户的交互过程还可能跨越多个会话周期。因此,多轮对话系统不仅需要理解用户当前输入,还需要结合历史对话信息持续判断用户意图,并在不同任务之间保持较好的执行连续性。

2、现有多轮对话系统通常基于当前输入内容或者预设的上下文窗口进行用户意图识别,也有部分方案通过历史对话拼接、对话摘要或者固定规则对用户需求进行判断;然而,在实际多轮交互过程中,用户意图并非始终保持稳定,其可能随着语义表达的补充、修正或者转移而发生变化。当不同轮次之间的语义变化较为明显,或者用户表达本身具有模糊性时,现有系统容易仅根据局部语句确定意图类别,难以及时识别用户意图的变化程度以及当前表达中仍待明确的信息,从而导致意图识别结果与用户实际需求不一致。在用户意图存在不确定性的情况下,现有对话系统通常需要通过追加询问的方式进行澄清,以获取业务类型、处理对象、目标参数或者其他必要信息。但是,在跨轮次或者跨会话场景中,澄清过程中形成的信息通常分散在历史对话文本中,或者仅作为当前会话中的临时上下文使用。当后续发生会话中断、任务切换或者任务恢复时,先前已经确认的实体信息、关系信息以及槽位信息可能无法被稳定保留和重新关联,导致系统重复发起澄清、遗漏已有信息或者对已经确认的用户需求进行错误解释,进而增加用户重复输入的负担。此外,在复杂业务场景中,用户还可能在多个任务之间进行临时切换。例如,用户在尚未完成当前任务时转而处理另一业务事项,并在后续会话中重新恢复原任务。现有系统在此类跨会话、跨任务切换过程中,往往将不同任务产生的上下文信息共同保存在统一历史记录中,或者仅依据最近对话内容恢复任务状态。当多个任务涉及相近的业务实体、参数或语义表达时,不同任务上下文之间容易出现信息混杂或者相互干扰,使系统难以准确判断当前应当继承哪些历史信息以及应当屏蔽哪些无关信息,从而影响任务切换后的上下文准确性。进一步地,当用户从一个任务切换至另一任务,或者重新恢复此前暂停的任务时,对话系统不仅需要恢复相应的上下文信息,还需要确定当前任务应继续执行的处理节点及后续调用顺序。现有基于固定流程或者简单状态保存的任务管理方式,在用户频繁改变任务目标、跨会话恢复任务或者存在多任务交叉执行的情况下,容易出现执行节点选择错误、调用顺序不准确、已完成步骤被重复执行或者未完成步骤被跳过等问题。同时,如果任务切换前后的槽位信息和对话状态不能保持一致,也可能造成后续输出内容与用户此前已确认的信息不匹配。

技术实现思路

1、本发明的目的在于提供一种多轮对话意图识别、澄清与执行中可切换编排的方法,解决现有技术存在的问题。

2、为实现上述目的,本发明提供如下技术方案:一种多轮对话意图识别、澄清与执行中可切换编排的方法,包括:

3、s1、获取多轮对话中用户意图的初始文本序列,判断初始文本序列中语义向量的动态变化程度,获得意图特征向量;

4、s2、根据意图特征向量,采用支持向量机进行高维空间映射与分类处理,得到用户意图类别、主动澄清标识及对应的澄清槽位节点;

5、s3、若主动澄清标识对应的标识值大于预设的阈值,则提取当前对话中历史信息对应的实体关系三元组,并拼接澄清槽位节点生成第一语境张量;

6、s4、获取跨期会话中任务切换指令携带的目标领域标签,通过长短期记忆网络处理第一语境张量与目标领域标签,获得第二语境张量;

7、s5、针对第二语境张量,判断第二语境张量中是否存在互相干扰特征,若存在互相干扰特征,则对第二语境张量进行奇异值分解与降噪处理,得到第三语境张量;若未检测到互相干扰特征,则提取第二语境张量作为第三语境张量;

8、s6、根据第三语境张量和目标领域标签,采用条件随机场进行隐藏状态序列标注与概率转移计算,确定目标任务对应的准确调用序列;

9、s7、根据准确调用序列对任务执行节点进行切换编排,并通过准确调用序列更新对话状态追踪矩阵中的槽位填充值,获得任务连贯输出序列。

10、优选的,所述s1包括获取多轮对话中用户意图的初始文本序列,对初始文本序列进行处理得到初始语义向量;对初始语义向量进行比对获得语义偏移量,若语义偏移量大于预设的阈值,则确定动态变化程度;根据动态变化程度提取第一意图特征;对第一意图特征进行处理,获得意图特征向量。

11、优选的,所述s2包括获取意图特征向量,根据意图特征向量获得高维空间映射数据;通过支持向量机对高维空间映射数据进行分类处理,得到分类处理结果;若分类处理结果的得分小于预设的阈值,则确定主动澄清标识并获得意图特征向量的用户意图类别;根据主动澄清标识及用户意图类别得到澄清槽位节点。

12、优选的,所述s3包括获取当前对话的历史对话文本,对历史对话文本进行特征提取,获得节点特征向量;根据节点特征向量提取当前对话中历史信息对应的实体关系三元组;根据意图分类标签对实体关系三元组进行处理,提取澄清槽位节点;若获取的主动澄清标识对应的标识值大于预设的阈值,则对实体关系三元组与澄清槽位节点进行拼接处理,生成第一语境张量。

13、优选的,所述s4包括获取跨期会话中的任务切换指令,所述任务切换指令携带目标领域标签及时间间隔特征;根据时间间隔特征对第一语境张量进行语义衰减计算,获得衰减语境张量;通过长短期记忆网络处理衰减语境张量与目标领域标签,提取衰减语境张量对应的槽位继承特征与意图转移向量;若槽位继承特征的置信度大于预设的阈值,则对槽位继承特征与意图转移向量及衰减语境张量进行拼接融合处理,获得第二语境张量。

14、优选的,所述s5包括获取第二语境张量,计算第二语境张量对应的特征相关性矩阵;判断特征相关性矩阵中是否存在互相干扰特征;如果存在互相干扰特征,则对第二语境张量进行奇异值分解与过滤处理,获得降噪对角矩阵;根据降噪对角矩阵进行重构得到重构张量,提取重构张量作为第三语境张量;如果未检测到互相干扰特征,则提取第二语境张量作为第三语境张量。

15、优选的,所述s6包括获取第三语境张量与目标领域标签,通过多层感知机对第三语境张量与目标领域标签进行映射,得到领域特征向量;根据领域特征向量采用条件随机场模型进行计算,获得发射概率分布。

16、优选的,所述s6还包括根据发射概率分布与预设的概率转移矩阵进行解码计算,得到隐藏状态序列;若隐藏状态序列的解码得分大于预设的置信度阈值,则根据隐藏状态序列提取状态节点,确定目标任务对应的准确调用序列。

17、优选的,所述s7包括获取准确调用序列,所述准确调用序列用于解析任务执行节点并生成节点切换编排图;根据节点切换编排图提取状态转移概率,所述状态转移概率用于查询对话状态追踪矩阵获得待更新槽位坐标。

18、优选的,所述s7还包括根据待更新槽位坐标替换对话状态追踪矩阵中的槽位填充值,得到目标状态追踪矩阵;如果目标状态追踪矩阵的连贯性评分大于预设的评分阈值,则对目标状态追踪矩阵进行解码处理,获得任务连贯输出序列。

19、由上述技术方案可知,本发明具有如下有益效果:

20、该多轮对话意图识别、澄清与执行中可切换编排的方法,通过判断多轮对话中语义向量的动态变化程度获得意图特征向量,并结合支持向量机识别用户意图类别及主动澄清需求,有利于提高用户意图发生补充、修正或转移时的识别准确性;通过将历史信息对应的实体关系三元组与澄清槽位节点进行关联,能够保留澄清过程中形成的上下文信息;在跨期会话发生任务切换时,结合目标领域标签对语境信息进行处理,并对存在互相干扰特征的语境信息进行降噪,有利于降低不同任务上下文之间的信息混杂和相互干扰;进一步根据处理后的语境信息确定目标任务对应的准确调用序列,并据此对任务执行节点进行切换编排以及更新对话状态追踪矩阵中的槽位填充值,使任务切换或恢复后能够保持执行节点、调用顺序及对话状态的衔接,从而提高多轮对话在跨会话、多任务动态切换场景下的意图识别准确性、任务执行连续性和输出可靠性。