适配于多场景的人工智能沟通辅助方法、装置、设备与流程

摘要: 本技术涉及信息处理,特别是涉及一种适配于多场景的人工智能沟通辅助方法、装置、设备。背景技术:1、现有面向对话沟通的智能辅助工具功能高度碎片化,仅可独立完成录音转...
适配于多场景的人工智能沟通辅助方法、装置、设备与流程

本技术涉及信息处理,特别是涉及一种适配于多场景的人工智能沟通辅助方法、装置、设备。

背景技术:

1、现有面向对话沟通的智能辅助工具功能高度碎片化,仅可独立完成录音转写、情绪识别、话术推荐等单一任务,各功能模块相互独立、数据无法自动流转。在用户开展沟通分析时,需在多款软件间反复切换,手动导出、导入对话数据,操作流程冗长繁杂,大幅降低沟通辅助的分析效率;同时在用户跨工具搬运数据的过程中,对话情绪波动、对方隐性诉求、过往累积矛盾等核心上下文信息极易发生遗漏、丢失;在后续环节因缺失完整对话语境作为分析基础,推理得出的沟通应对方案与真实对话场景脱节,参考价值不足。

技术实现思路

1、鉴于相关技术中的上述缺陷或不足,本技术的目的是提供一种适配于多场景的人工智能沟通辅助方法、装置、设备,可提高沟通效率和智能体的实用性。

2、为实现上述目的,本技术提供了如下方案:

3、第一方面,本技术提供了一种适配于多场景的人工智能沟通辅助方法,所述方法包括:获取对话音频或导入对话文本;对所述对话音频或对话文本进行场景识别、情绪温度测算及交互阶段判定,得到包含场景、情绪及交互阶段的结构化上下文数据;采用bert多任务回归模型和关键词正则规则引擎对所述结构化上下文数据进行依存句法分析,得到多维度问题定位;从行为动机、对象特征、交互习惯、外部环境四类维度对所述多维度问题定位的根因进行分析,得到多维度根因集合;基于识别场景、情绪阶段和所述多维度根因集合,生成即时应答话术。

4、可选地,所述对所述对话音频或对话文本进行场景识别、情绪温度测算及交互阶段判定,得到包含场景、情绪及交互阶段的结构化上下文数据,包括:将获取到的对话音频转写为第一标准化对话文本;对对话文本进行清洗预处理得到第二标准化对话文本;将所述第一标准化对话文本和/或所述第二标准化对话文本输入预训练场景分类模型,输出各候选场景对应的置信度;并选取置信度阈值以上的最高置信度场景作为识别结果,全部场景置信度未达阈值则标记为未知场景;采用情感分析模型逐句计算单条对话的情绪分值,基于对话窗口内全部情绪分值计算平均情绪分值与情绪波动方差,结合平均情绪分值、情绪波动方差共同得到当前对话整体情绪状态;提取每轮对话的多维度观测特征,形成时序观测特征序列;通过高斯混合模型拟合各交互阶段隐状态下观测特征向量的发射概率;通过隐马尔可夫模型获取交互阶段之间的状态转移概率;利用维特比解码算法,基于发射概率与状态转移概率对所述时序观测特征序列求解最优隐状态路径,得到每一轮对话所处的交互阶段。

5、可选地,所述采用bert多任务回归模型和关键词正则规则引擎对所述结构化上下文数据进行依存句法分析,得到多维度问题定位,包括:对所述结构化上下文数据的每条对话语句进行句法解析,将句法解析后的对话文本输入bert多任务回归模型,同步输出执行端、需求端、关系端三个维度的预测分值;启动关键词正则规则引擎,匹配执行端、需求端、关系端对应的指责句式、隐性需求、历史矛盾类特征词句,分别得到各维度规则得分;若bert多任务回归模型输出的预测分值置信度高于预设阈值,采用预测分值与各维度规则得分加权融合得到各维度最终问题评分;若bert多任务回归模型输出的预测分值置信度低于预设阈值,则以所述各维度规则得分作为各维度最终问题评分。

6、可选地,所述从行为动机、对象特征、交互习惯、外部环境四类维度对所述多维度问题定位的根因进行分析,得到多维度根因集合,包括:提取所述多维度问题定位的沟通卡点、未满足需求、累积矛盾标签作为根因推理输入片段;将根因推理输入片段分别从行为动机、对象特征、交互习惯、外部环境四类维度推理匹配潜在根因,并输出每条根因对应的推理置信度;调用预设关键词正则规则库对模型推理结果补充校验,针对模型置信度低于预设阈值的类别,匹配对应特征语句补充生成根因条目;依据推理置信度对全部根因条目进行降序排序,筛选置信度靠前的多条根因作为有效根因;所述有效根因包括所属维度、文字描述、置信度信息。

7、可选地,所述基于识别场景、情绪阶段和所述多维度根因集合,生成即时应答话术,包括:提取当前场景标签、对话情绪阶段、有效根因对应的问题类型,形成索引检索条件;基于所述索引检索条件检索预设话术模板库,若检索到匹配模板,则提取模板内槽位占位符;从对话上下文、根因描述中抽取实体信息填充模板槽位,生成初步话术内容;若检索不到匹配模板,则加载标准化提示词,将场景、情绪阶段、根因、对话原文输入大语言模型动态生成多条候选话术;调取当前场景对应的禁忌词库,对所述初步话术内容或所述多条候选话术进行筛查剔除违规表述,生成所述即时应答话术。

8、可选地,所述方法还包括:依据置信度最高的前两项根因匹配根因-建议映射模板,生成包含当日行动任务、工具使用练习事项、关系修复举措与知识学习内容的结构化长期改善建议;对所述即时应答话术和所述结构化长期改善建议添加显式标识和隐式溯源元数据,得到可内容溯源的历史即时应答话术和历史结构化长期改善建议。

9、可选地,所述依据置信度最高的前两项根因匹配根因-建议映射模板,生成包含当日行动任务、工具使用练习事项、关系修复举措与知识学习内容的结构化长期改善建议,包括:将所述多维度根因集合按照置信度降序排序,截取排序靠前的两项根因;读取预配置的根因-建议映射模板库,根据截取的两项根因的根因类型以及根因描述,检索对应的改善建议模板条目得到所述根因-建议映射模板;从对话文本、根因描述中提取与人物、事件、业务实体相关的上下文信息;将所述上下文信息代入所述根因-建议映射模板,分别生成当日行动任务、工具使用练习事项、关系修复举措、知识学习内容;对所述当日行动任务、工具使用练习事项、关系修复举措、知识学习内容打上对应类型标签,组装形成结构化长期改善建议。

10、第二方面,本技术提供了一种适配于多场景的人工智能沟通辅助装置,所述装置包括:

11、获取模块,用于获取对话音频或导入对话文本;

12、处理模块,用于对所述对话音频或对话文本进行场景识别、情绪温度测算及交互阶段判定,得到包含场景、情绪及交互阶段的结构化上下文数据;

13、定位模块,用于采用bert多任务回归模型和关键词正则规则引擎对所述结构化上下文数据进行依存句法分析,得到多维度问题定位;

14、分析模块,用于从行为动机、对象特征、交互习惯、外部环境四类维度对所述多维度问题定位的根因进行分析,得到多维度根因集合;

15、生成模块,用于基于识别场景、情绪阶段和所述多维度根因集合,生成即时应答话术。

16、第三方面,本技术提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述中第一方面所述的适配于多场景的人工智能沟通辅助方法的步骤。

17、根据本技术提供的具体实施例,本技术公开了以下技术效果:

18、本技术提供了一种适配于多场景的人工智能沟通辅助方法、装置、设备,通过对话音频或对话文本进行场景识别、情绪温度测算、交互阶段判定得到结构化上下文数据,可以为全流程分析提供统一、完整的对话基础信息,减少多工具切换导致的上下文丢失问题;依托依存句法分析结合bert多任务回归模型与关键词正则规则引擎联合完成多维度问题定位,兼顾模型泛化推理能力与规则精准兜底优势,可识别执行端、需求端、关系端各类沟通卡点;再从行为动机、对象特征、交互习惯、外部环境四大维度开展分层根因挖掘,穿透表面沟通矛盾定位深层诱因;最后结合场景、情绪阶段与多维度根因集合针对性生成即时应答话术;整套处理流程无需人工跨软件搬运数据,可提高对话分析效率;同时依托多模型融合、多维度分层推理机制,分析结果贴合真实对话语境,输出的应答话术高度适配当前沟通场景与矛盾根源,解决了现有智能沟通辅助工具功能碎片化、分析片面、输出方案空洞脱离实际的缺陷,可提高对话辅助的时效性与实用性。