一种可自我学习的智能对话管理系统、方法及处理设备与流程

技术特征：
1.一种可自我学习的智能对话管理系统，其特征在于，包括新意图检测模块、新意图发现模块和辅助更新模块；所述新意图检测模块对用户聊天内容中的系统新意图进行感知；所述新意图发现模块对所述系统新意图进行分类管理，并通知系统管理员审核，得到全局新意图并进行相应配置；所述辅助更新模块对所述新意图检测模块、新意图发现模块及相应的配置信息进行数据更新。2.一种可自我学习的智能对话管理方法，其特征在于，通过权利要求1中所述的一种可自我学习的智能对话管理系统运行，包括以下步骤：s100：所述新意图检测模块对至少一个用户的聊天内容进行自动检测，得到用户意图；s200：判断所述用户意图是否为系统新意图，若是，执行s300，否则执行s500；s300：对每个所述系统新意图进行保存，在设定条件下自动触发新意图发现模块对全部的所述系统新意图进行分类，并通知系统管理员；s400：所述系统管理员对所述系统新意图是否为全局新意图进行审核，若是，执行s500，否则执行s200；s500：根据所述用户意图或全局新意图执行相应动作，或进行回复，并通过所述辅助更新模块更新所述对话管理系统。3.根据权利要求2所述的一种可自我学习的智能对话管理方法，其特征在于，所述s100中，所述新意图检测模块通过以下方法得到：s110：采用预训练bert稠密特征提取器，提取出每个token的特征向量；s120：对全部的所述特征向量进行平均池化操作，提取出句向量；s130：通过bilstm网络学习所述token之间及前后的上下文知识；s140：对现有的意图进行学习更新，得到所述新意图检测模块。4.根据权利要求3所述的一种可自我学习的智能对话管理方法，其特征在于，所述s200中，所述预训练bert稠密特征提取器根据置信度阀值判断所述用户意图是否为系统新意图。5.根据权利要求2所述的一种可自我学习的智能对话管理方法，其特征在于，所述s300中，每个所述系统新意图送入全局缓存中进行保存，所述设定条件为所述全局缓存的存储容量或所述系统新意图数量达到设定阈值。6.根据权利要求2所述的一种可自我学习的智能对话管理方法，其特征在于，所述s300具体包括以下步骤：s310：所述新意图发现模块采用mean-shift均值漂移聚类算法，对全部的所述系统新意图进行区分；s320：根据每个类簇中样本单词的tf-idf值提取关键词，作为所述系统新意图的描述；s330：抽取距离所述类簇的中心最近和最远的多条意图样本和意图描述，发送给所述系统管理员审核。7.根据权利要求6所述的一种可自我学习的智能对话管理方法，其特征在于，所述s500之后还包括s600：将审核通过并完成动作配置或回复的所述类簇移交给辅助更新模块，更新所述对话管理系统。8.根据权利要求7所述的一种可自我学习的智能对话管理方法，其特征在于，所述辅助更新模块对每个所述用户意图和系统新意图加入的训练数据进行管理。
9.根据权利要求7所述的一种可自我学习的智能对话管理方法，其特征在于，所述辅助更新模块还能够根据所述意图样本的数量进行抽样。10.一种处理设备，其特征在于，包括：一个或多个处理器；存储器，用于存储一个或多个计算机程序，一个或多个所述处理器用于执行所述存储器存储的一个或多个计算机程序，以使一个或多个所述处理器执行如权利要求2-9任一项所述的一种可自我学习的智能对话管理方法。

技术总结
本发明公开了一种可自我学习的智能对话管理系统、方法及处理设备，涉及对话管理系统技术领域，解决了对话管理系统无自我学习更新机制，更新周期长、难度大、维护成本高的技术问题。该方法包括新意图检测模块对至少一个用户的聊天内容进行自动检测，得到用户意图；判断用户意图是否为系统新意图；新意图发现模块对全部的系统新意图进行分类，并通知系统管理员；系统管理员对系统新意图是否为全局新意图进行审核；根据用户意图或全局新意图执行相应动作，并通过辅助更新模块更新对话管理系统。本发明通过新意图检测模块、新意图发现模块对全局新意图进行感知、判断，配置操作信息，并对数据进行更新，实现系统的自适应学习更新。实现系统的自适应学习更新。实现系统的自适应学习更新。


技术研发人员：龙涛 杨恒 李轩 杜虹江
受保护的技术使用者：深圳爱莫科技有限公司
技术研发日：2022.09.05
技术公布日：2022/10/11