基于多轮对话引擎的智能访谈问卷方法及系统与流程

本发明涉及智能访谈问卷，尤其涉及基于多轮对话引擎的智能访谈问卷方法及系统。

背景技术：

1、传统的访谈问卷实施主要依赖静态问卷和人工访员两种方式。静态问卷将预先设计好的题项、选项和跳转逻辑固化在纸面或电子表单中，受访者按固定顺序作答，事后由调查方统一回收处理。人工访谈则依靠访员现场或远程提问，根据访谈提纲逐项推进。随着自然语言处理技术发展，智能问卷系统开始出现在线访谈场景，通过语音或文本交互向受访者呈现问题，并记录回答。这些系统通常基于事先编排的对话树或意图识别规则，将问卷题目映射为对话节点，依据受访者的选项或关键词跳转到相应分支题目。

2、现有常规做法多将访谈问卷视为一次性的信息收集过程，重点在于问题排序、分支路径选择和作答记录存储。设计与执行的核心是在访谈前完成问题配置，在访谈中尽量保证流程稳定。系统对受访者回答的处理停留在文本采集和浅层语义匹配层面，例如识别选项、抽取关键词或进行简单情感判断。对受访者回答中的额外信息或前后不一致的表述，常规做法缺乏动态核实与深入追问的能力。受访者可能在客观题型中选择了某一选项，却在对话式开放题中给出了相反的解释，或者对同一主题给出前后矛盾的回答。现有系统往往机械地记录这些内容，将其作为独立答案，不会在访谈过程中察觉异常并引导受访者澄清。

3、另一个常见缺陷是数据质量控制后置。由于访谈过程缺少对回答一致性的实时判断，矛盾信息只能留到数据整理阶段通过人工或算法检测，导致返工成本高、样本可用率下降。这两方面局限都源于对访谈过程中信息冲突的识别与响应能力不足，使得智能问卷在获取深层真实信息方面难言高效。

技术实现思路

1、本发明实施例提供基于多轮对话引擎的智能访谈问卷方法及系统，能够解决现有技术中的问题。

2、本发明实施例的第一方面，提供基于多轮对话引擎的智能访谈问卷方法，包括：

3、接收访谈目的描述和访谈参数配置，调用语言模型接口生成初始访谈问题序列；

4、构建包括结构化题型和对话式访谈题型的问卷项目，获取被调查者对结构化题型的作答结果，从作答结果中提取约束特征；

5、在对话式访谈题型中，向被调查者呈现初始访谈问题序列中的访谈问题，接收被调查者针对访谈问题的回答内容，从回答内容中提取语义信息，将语义信息与约束特征进行一致性校验，根据一致性校验结果生成矛盾标记；

6、将矛盾标记、语义信息和约束特征输入对话引擎，对话引擎根据矛盾标记定位语义信息与约束特征之间的矛盾点并生成针对矛盾点的追问问题；

7、向被调查者呈现追问问题，接收被调查者针对追问问题的补充回答，将补充回答与约束特征进行一致性校验，根据校验结果更新矛盾标记，将补充回答与回答内容合并形成完整对话记录并输出。

8、接收访谈目的描述和访谈参数配置，调用语言模型接口生成初始访谈问题序列包括：

9、对访谈目的描述进行语义解析，识别访谈目的描述中的约束性描述语句和非约束性描述语句，从约束性描述语句中提取数值范围表达和类别枚举表达作为约束性要素，从非约束性描述语句中提取观点表达和行为表达作为探索性要素；

10、根据约束性要素构造包含选项的封闭式问题模板并标记为结构化题型模板，根据探索性要素构造不包含选项的开放式问题模板并标记为对话式访谈题型模板；

11、将结构化题型模板、对话式访谈题型模板和访谈参数配置组合为结构化提示文本，将结构化提示文本传递至语言模型接口；

12、语言模型接口基于结构化题型模板生成用于获取约束特征的结构化题型问题，基于对话式访谈题型模板生成用于接受约束特征校验的对话式访谈题型问题，形成初始访谈问题序列。

13、构建包括结构化题型和对话式访谈题型的问卷项目，获取被调查者对结构化题型的作答结果，从作答结果中提取约束特征包括：

14、根据初始访谈问题序列中的结构化题型模板生成结构化题型，根据初始访谈问题序列中的对话式访谈题型模板生成对话式访谈题型，将结构化题型和对话式访谈题型组合形成问卷项目；

15、向被调查者呈现问卷项目中的结构化题型，接收被调查者对结构化题型的作答结果；

16、对作答结果进行句法依存分析，从句法依存分析结果中识别修饰关系，提取修饰关系中被数词或量词修饰的中心词作为数值型约束单元，提取修饰关系中被形容词或副词修饰的中心词作为文本型约束单元；

17、根据句法依存分析结果判断数值型约束单元与文本型约束单元之间存在直接依存关系，将存在直接依存关系的数值型约束单元和文本型约束单元组合为约束单元对；

18、将数值型约束单元、文本型约束单元和约束单元对组合形成约束特征。

19、接收被调查者针对访谈问题的回答内容，从回答内容中提取语义信息，将语义信息与约束特征进行一致性校验，根据一致性校验结果生成矛盾标记包括：

20、对回答内容进行多维语义解析，从回答内容中识别事件陈述和状态陈述，将事件陈述中的动作及动作发生频次提取为事件语义信息，将状态陈述中的属性及属性程度描述提取为状态语义信息，组合事件语义信息和状态语义信息形成语义信息；

21、将语义信息中事件语义信息的动作发生频次与约束特征中数值型约束单元表示的数值范围进行交叉验证，当动作发生频次超出数值范围时标注频次矛盾类型；

22、将语义信息中状态语义信息的属性程度描述与约束特征中文本型约束单元表示的语义范畴进行匹配验证，当属性程度描述偏离语义范畴时标注程度矛盾类型；

23、标注频次矛盾类型和程度矛盾类型时记录对应的矛盾片段位置，根据频次矛盾类型对应的数值型约束单元和程度矛盾类型对应的文本型约束单元定位约束特征来源的结构化题型，将频次矛盾类型、程度矛盾类型、结构化题型和矛盾片段位置组合形成矛盾标记。

24、将语义信息中状态语义信息的属性程度描述与约束特征中文本型约束单元表示的语义范畴进行匹配验证，当属性程度描述偏离语义范畴时标注程度矛盾类型包括：

25、根据约束特征中的约束单元对识别与状态语义信息中属性对应的文本型约束单元，提取约束单元对中与文本型约束单元存在直接依存关系的数值型约束单元，将数值型约束单元表示的数值范围转换为程度等级区间；

26、将状态语义信息中的属性程度描述映射到程度等级区间，根据属性程度描述在程度等级区间中的映射位置确定属性程度描述对应的程度等级值，将程度等级值与文本型约束单元表示的语义范畴的范畴边界进行匹配验证；

27、当程度等级值超出语义范畴的范畴边界时判定为属性程度描述偏离语义范畴，标注程度矛盾类型，并在程度矛盾类型中记录约束单元对的标识、程度等级值和范畴边界。

28、根据矛盾标记定位语义信息与约束特征之间的矛盾点并生成针对矛盾点的追问问题包括：

29、根据矛盾标记中记录的矛盾片段位置在语义信息中定位矛盾语义片段，根据矛盾标记中记录的结构化题型标识在约束特征中定位矛盾约束单元，提取矛盾语义片段对应的语义表达和矛盾约束单元对应的约束内容；

30、对语义表达和约束内容进行语义解析，从语义表达中提取核心论述和论述强度，从约束内容中提取约束范围和约束边界；

31、比对核心论述与约束范围的语义一致性和论述强度与约束边界的数值一致性，当语义一致性或数值一致性的比对结果为不一致时将对应的核心论述、论述强度、约束范围和约束边界确定为语义信息与约束特征之间的矛盾点；

32、根据矛盾点中核心论述与约束范围的偏离方向和论述强度与约束边界的偏离程度确定冲突关系类型，根据冲突关系类型从追问模板库中选择对应的追问模板；

33、将核心论述和论述强度组合后填充到追问模板的疑问主体槽位，将约束范围和约束边界组合后填充到追问模板的参照对象槽位，基于疑问主体槽位填充的内容和参照对象槽位填充的内容生成针对矛盾点的追问问题。

34、向被调查者呈现追问问题，接收被调查者针对追问问题的补充回答，将补充回答与约束特征进行一致性校验，根据校验结果更新矛盾标记，将补充回答与回答内容合并形成完整对话记录并输出包括：

35、根据矛盾标记中记录的矛盾片段位置在语义信息中定位原矛盾语义片段，对补充回答进行语义解析提取补充语义片段；

36、计算补充语义片段与原矛盾语义片段的语义相似度，当语义相似度高于预设相似度阈值时确定补充语义片段与原矛盾语义片段之间为修正关系，并将补充语义片段替换原矛盾语义片段生成更新语义片段；

37、当语义相似度低于预设相似度阈值时确定补充语义片段与原矛盾语义片段之间为补充关系，并将补充语义片段与原矛盾语义片段合并生成更新语义片段；

38、将更新语义片段与矛盾标记中记录的矛盾约束单元进行一致性校验，当校验结果为一致时在矛盾标记中删除对应的矛盾类型，当校验结果为不一致时在矛盾标记中保留对应的矛盾类型，输出更新后的矛盾标记；

39、将更新语义片段替换语义信息中原矛盾语义片段对应的位置，将补充回答按照追问问题的时间顺序插入回答内容对应的位置，形成完整对话记录并输出完整对话记录。

40、本发明实施例的第二方面，提供一种基于多轮对话引擎的智能访谈问卷系统，包括：

41、问题生成单元，用于接收访谈目的描述和访谈参数配置，调用语言模型接口生成初始访谈问题序列；

42、问卷构建单元，用于构建包括结构化题型和对话式访谈题型的问卷项目，获取被调查者对结构化题型的作答结果，从作答结果中提取约束特征；

43、语义校验单元，用于在对话式访谈题型中，向被调查者呈现初始访谈问题序列中的访谈问题，接收被调查者针对访谈问题的回答内容，从回答内容中提取语义信息，将语义信息与约束特征进行一致性校验，根据一致性校验结果生成矛盾标记；

44、矛盾追问单元，用于将矛盾标记、语义信息和约束特征输入对话引擎，对话引擎根据矛盾标记定位语义信息与约束特征之间的矛盾点并生成针对矛盾点的追问问题；

45、对话输出单元，用于向被调查者呈现追问问题，接收被调查者针对追问问题的补充回答，将补充回答与约束特征进行一致性校验，根据校验结果更新矛盾标记，将补充回答与回答内容合并形成完整对话记录并输出。

46、本发明实施例的第三方面，提供一种电子设备，包括：

47、处理器；

48、用于存储处理器可执行指令的存储器；

49、其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

50、本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

51、本方法将结构化题型作答与对话式访谈有机结合，利用作答结果中的约束特征对后续对话回答进行一致性校验，能够显著提升访谈数据的内部一致性质量。当被调查者在对话中出现与前期作答相矛盾的信息时，系统可即时生成矛盾标记并精准锁定矛盾点，避免常规访谈中矛盾信息被忽略或事后难以追溯的问题，有效降低数据清洗成本，保证最终输出数据的可信度与可用性。本发明利用对话引擎针对矛盾点自动生成追问问题，使访谈过程具备动态纠偏能力。追问并非机械重复，而是围绕已识别的矛盾点展开的定向深挖，能够引导被调查者重新审视自身表述，进而补充更准确、更完整的背景信息。该机制有助于消除语义歧义，揭示隐藏的态度或行为动因，使采集到的对话数据在逻辑性和细节丰富度上同时得到增强，为后续分析提供更扎实的证据链支撑。完整的对话记录将补充回答与原有回答合并，并同步更新矛盾标记状态，使最终输出结果既涵盖连贯的语义脉络，又带有清晰可追溯的一致性校验证信息。在保障数据收集效率的同时，兼顾了量化数据的结构化优势与质性数据的灵活性，适用于满意度调研、用户需求洞察、健康筛查等多种访谈场景，可有效减少因信息不一致导致的返访或重访，提升调研项目的整体执行效能。