一种用于电力调控的多轮次语音交互智能检索方法及系统与流程

本公开涉及电力调控，尤其涉及一种用于电力调控的多轮次语音交互智能检索方法及系统。

背景技术：

1、随着电力系统规模和复杂性的不断增加，电力调控成为确保电力系统安全、稳定和高效运行的关键环节。传统的电力调控方法主要依赖人工操作，调控人员需要通过查阅大量技术文档、规程手册和历史记录来获取所需信息，不仅检索效率低下，而且容易出现遗漏或错误，难以支撑调度员在海量信息中快速准确地定位所需答案。为了解决这些问题，近年来，智能化和自动化技术在电力调控领域得到了广泛应用，其中智能语音交互技术作为一种新兴的交互方式，逐渐成为研究的热点。

2、智能语音交互技术能够通过语音识别和自然语言处理，实现人机之间的自然对话，为调度人员提供更加便捷的信息获取途径。然而，现有的智能语音交互技术在应用于电力调控领域时，主要存在以下问题：一是语音识别在电力专有名词和嘈杂环境下的准确性不足，导致后续检索的输入信息存在偏差；二是语义理解的深度不够，难以准确捕捉用户问题中的电力专业意图和关键实体，无法精准定位用户实际想要查询的内容；三是对话管理的智能化水平有限，缺乏对多轮对话上下文的有效利用，导致检索结果偏离用户真实需求。

3、因此亟需一种用于电力调控的多轮次语音交互智能检索方法，以实现对用户电力调控相关问题的精准语义理解和快速知识检索。

技术实现思路

1、本公开实施例提供了一种用于电力调控的多轮次语音交互智能检索方法及系统，用以解决现有的电力调控相关问题智能检索的技术在语义理解深度和检索精准度方面不足，难以快速准确地定位用户问题所对应答案信息的问题。

2、基于上述问题，第一方面，提供一种用于电力调控的多轮次语音交互智能检索方法，包括：

3、接收用户的语音输入，对语音输入进行识别并转换为文本形式的用户输入；

4、采用自然语言理解算法对用户输入进行语义分析和意图识别，得到用户的意图识别结果；

5、基于意图识别结果，从预先构建的电力调控知识图谱中检索对应的答案信息，生成回复内容；

6、根据回复内容和当前的对话上下文信息，生成回复语音并输出至用户；

7、跟踪并存储每一轮交互的对话上下文信息，实时更新对话历史、上下文状态和用户偏好信息；

8、基于对话上下文信息，采用强化学习算法确定对话策略，生成引导信息以引导用户的下一轮输入；

9、其中，上述各步骤循环迭代以形成多轮次语音交互。

10、结合第一方面，在一种可能的实施方式中，对语音输入进行识别并转换为文本形式的用户输入，包括：

11、对接收到的用户的语音输入进行降噪处理；

12、对降噪后的语音输入提取声学特征；

13、将提取的声学特征输入至语音识别模型，转换为初始文本；

14、对初始文本进行错误纠正和标点符号添加，得到文本形式的用户输入。

15、结合第一方面，在一种可能的实施方式中，采用自然语言理解算法对用户输入进行语义分析和意图识别，得到用户的意图识别结果，包括：

16、采用预训练语言模型对用户输入进行编码，提取特征向量和词汇向量；

17、从当前对话上下文信息中提取对应的背景知识向量；

18、其中，用户输入包括用户本轮输入文本和用户历史输入文本；经编码后得到对应的当前用户输入向量和历史对话向量；

19、将特征向量、词汇向量与背景知识向量进行非线性融合处理，生成意图识别结果；

20、其中，将特征向量、词汇向量与背景知识向量进行非线性融合处理，生成意图识别结果，包括：

21、若特征向量范数与背景知识向量范数之和超过第一阈值，采用对数函数对特征向量和背景知识向量进行非线性变换，生成第一融合特征；否则采用零填充处理，将第一融合特征全部设为0；

22、若词汇向量范数与当前用户输入向量范数之和超过第二阈值，采用点积和正弦函数对词汇向量、当前用户输入向量和历史对话向量进行非线性变换，生成第二融合特征；否则对输入向量进行平均池化处理；

23、若特征向量范数与词汇向量范数之积超过第三阈值，则采用余弦函数和指数函数对特征向量、词汇向量和当前用户输入向量进行非线性交互增强，生成第三融合特征；否则直接将特征向量和词汇向量作为第三融合特征；

24、将第一融合特征、第二融合特征和第三融合特征进行时间累积和组合计算，得到意图识别结果。

25、结合第一方面，在一种可能的实施方式中，将第一融合特征、第二融合特征和第三融合特征进行时间累积和组合计算，得到意图识别结果，包括：

26、将第一融合特征与第二融合特征在时间维度上进行积分运算，得到时间累积结果；

27、将时间累积结果与第三融合特征相乘，依次经sigmoid激活函数和双曲正切函数进行非线性组合计算，得到意图识别结果。

28、结合第一方面，在一种可能的实施方式中，基于意图识别结果，从预先构建的电力调控知识图谱中检索对应的答案信息，生成回复内容，包括：

29、判断意图识别结果的值是否大于预设的第四阈值；

30、若是，则直接执行检索，从电力调控知识图谱中检索对应的答案信息，生成回复内容；

31、若否，则执行“基于对话上下文信息，采用强化学习算法确定对话策略，生成引导信息以引导用户的下一轮输入”的步骤，并在满足意图识别结果的值大于第四阈值时执行检索，从电力调控知识图谱中检索对应的答案信息，生成回复内容。

32、结合第一方面，在一种可能的实施方式中，根据回复内容和当前的对话上下文信息，生成回复语音并输出至用户，包括：

33、根据当前的对话上下文信息，确定语音合成的语速参数、音调参数和情感表达参数；

34、将回复内容输入语音合成引擎，并按照语速参数、音调参数和情感表达参数进行语音合成，生成带有韵律特征和情感特征的回复语音；

35、将回复语音输出至用户。

36、结合第一方面，在一种可能的实施方式中，基于对话上下文信息，采用强化学习算法确定对话策略，生成引导信息以引导用户的下一轮输入，包括：

37、根据当前的对话上下文信息构建状态特征向量，对话上下文信息包括对话历史、当前意图识别结果的值、用户偏好信息以及上一轮回复类型；

38、将状态特征向量输入至预先训练好的强化学习策略网络，由策略网络输出动作决策结果，动作决策结果用于指示待生成的引导信息的类型；

39、根据动作决策结果，从预设的引导信息模板库中选取对应的模板，并结合对话上下文信息对模板中的变量进行填充，生成自然语言形式的引导信息；

40、将引导信息输出至用户，以引导用户的下一轮语音输入。

41、结合第一方面，在一种可能的实施方式中，将状态特征向量输入至预先训练好的强化学习策略网络，由策略网络输出动作决策结果，包括：

42、将状态特征向量输入至强化学习策略网络，经策略网络前向传播计算，输出对应各候选动作类型的q值；

43、选取q值最大的动作类型作为动作决策结果；

44、其中，候选动作类型至少包括请求补充信息、提供候选选项、确认意图和直接回答。

45、结合第一方面，在一种可能的实施方式中，生成自然语言形式的引导信息，包括：

46、根据动作决策结果确定引导信息的类型；

47、根据类型从引导信息模板库中选取对应的模板，模板中包含至少一个待填充变量；

48、从当前的对话上下文信息和意图识别结果中提取待填充变量对应的内容，并将内容填入模板中对应的变量位置，生成自然语言形式的引导信息。

49、第二方面，提供一种用于电力调控的多轮次语音交互智能检索系统，包括：

50、语音输入模块，用于接收用户的语音输入，并对语音输入进行识别，转换为文本形式的用户输入；

51、自然语言处理模块，用于采用自然语言理解算法对用户输入进行语义分析和意图识别，得到用户的意图识别结果；

52、知识图谱模块，用于存储和管理电力调控领域的知识图谱；

53、智能检索模块，用于根据意图识别结果，从知识图谱模块中检索对应的答案信息，并生成回复内容；

54、语音合成模块，用于将回复内容转换为回复语音并输出；

55、上下文管理模块，用于跟踪并存储每一轮交互的对话上下文信息，并实时更新对话历史、上下文状态和用户偏好信息；

56、对话策略模块，用于根据对话上下文信息，采用强化学习算法确定对话策略，生成引导信息；

57、虚拟交互模块，用于生成增强现实展示信息并提供虚拟助手进行自然语音交互。

58、第三方面，提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如第一方面，或者结合第一方面的任一种可能的实施方式所述的用于电力调控的多轮次语音交互智能检索方法的步骤。

59、第四方面，提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面，或者结合第一方面的任一种可能的实施方式所述的用于电力调控的多轮次语音交互智能检索方法的步骤。

60、本公开实施例的有益效果包括：

61、本公开实施例提供了一种用于电力调控的多轮次语音交互智能检索方法及系统，应用于用户有电力调控需求时，利用语音交互的方式快速准确的找到相关知识。本公开通过接收用户的语音输入并进行识别转换，采用自然语言理解算法进行语义分析和意图识别，基于意图识别结果从电力调控知识图谱中检索答案信息并生成回复内容，根据回复内容和对话上下文信息生成回复语音输出至用户，同时跟踪存储每一轮交互的对话上下文信息并实时更新对话历史、上下文状态和用户偏好信息，基于对话上下文信息采用强化学习算法确定对话策略并生成引导信息以引导用户的下一轮输入，各步骤循环迭代形成多轮次语音交互。本公开能够精准快速地定位并检索用户问题所对应的答案信息，提升了电力调控场景下语音交互智能检索的准确性和响应速度，通过多轮对话机制和强化学习策略引导用户逐步明确查询意图，有效避免因语义理解偏差导致的检索结果偏移，提高了电力调控信息检索的智能化水平和用户体验。