一种语境感知网络聊天的方法、计算机可读介质和系统技术方案

本发明专利技术公开了一种语境感知网络聊天的方法、计算机可读介质和系统。所述语境感知网络聊天的方法包括接收用户的语音；将所述用户的语音转化为准备回答的问题；确定准备回答的所述问题的问题类型；根据语境感知神经会话模式至少生成一个对应所述问题的答案；验证通过语境感知神经会话模式生成的答案；向用户传达验证后的所述答案；所述语境感知神经会话模式会考虑所述问题的语境信息，并且将所述问题的所述语境信息分解为多个高维向量。

【技术实现步骤摘要】
一种语境感知网络聊天的方法、计算机可读介质和系统
本专利技术涉及计算机信息领域，特别涉及一种语境感知网络聊天的方法、计算机可读介质和系统。
技术介绍
随着电子商务的出现，在电子商务网址上访问到满足消费者需要和商业需求的信息变得至关重要。导航指引的菜单和通过大部分商业网址提供的关键词搜索有很多限制，如他们往往因为冗长和呆板的反应会击溃和阻挠用户。在特定的网址上的用户兴趣常常随着鼠标点击次数的增加呈指数型的减少。因此，缩短交互的路径来提供有用的信息是关键。许多电子商务网址尝试通过提供关键词搜索能力来解决问题，然而，关键词搜索引擎常常需要用户知道领域特定术语。不幸的是，关键词搜索不允许用户精确地描述用户需求，更为重要的是，关键词搜索缺乏对搜索词和语句的语义意思的理解。例如，关键词搜索通常无法理解“夏天的衣服(summerdress)”，应该会在女士衣服下搜索“裙子(dress)”，与之相反的是，“礼服衬衣”很可能是在男士衣服下搜索“衬衣”，“衬衣”的搜索常常会显示几十或者几百个项目，而这些项目对于有特定风格和模式的人来说是无用的。由于上述所说的限制，当前的解决方案是自然语言(多种形式)对话，即，网络聊天。网络聊天应用于各种领域，例如，呼叫中心/路由应用，邮件路由，信息检索和数据访问，和电话银行等等，最近网络聊天在访问大量用户数据中越来越受欢迎。然而，根据现有技术，现有的网络聊天技术通常限制于具特定领域和应用(例如预定飞机票)并且需要手动输入规则。进一步来说，在用户和机器人之间真实的对话中，用户的语境相当多是复杂且不断变化的，因此，语境感知和主动式技术网络聊天系统是急需应用于网络聊天系统。本专利技术公开的方法及其系统用于解决现有技术中的一个或者多个问题。
技术实现思路
本专利技术提供了一种语境感知网络聊天的方法，所述语境感知网络聊天的方法包括接收用户的语音；将所述用户的语音转化为准备回答的问题；确定准备回答的所述问题的问题类型；根据语境感知神经会话模式至少生成一个对应所述问题的答案；验证通过语境感知神经会话模式生成的答案；向用户传递验证后的所述答案；所述语境感知神经会话模式考虑到所述问题的语境信息，并且将所述问题的所述语境信息分解为多个高维度向量。本专利技术还提供了一种具有计算机程序的非暂时性计算机可读介质，当由处理器执行时，执行语境感知网络聊天的方法，其特征在于，所述方法包括：接收用户的语音；将所述用户的语音转化为准备回答的问题；确定准备回答的所述问题的问题类型；根据语境感知神经会话模式至少生成一个对应所述问题的答案；验证通过语境感知神经会话模式生成的答案；向用户传递验证后的所述答案；其中，所述语境感知神经会话模式考虑到所述问题的语境信息，并且将所述问题的所述语境信息分解为多个高维度向量。本专利技术还提供了一种语境感知网络聊天的系统，所述语境感知网络聊天的系统包括问题获取模块用于接收用户的语音，并将所述用户的语音转化为准备回答的问题；问题确定模块用于确定准备回答的所述问题的问题类型；语境感知神经会话模块用于根据语境感知神经会话模式至少生成一个对应所述问题的答案；证据验证模块用于验证通过语境感知神经会话模式生成的答案；答案传递模块向用户传递验证后的所述答案。本依据本专利技术充分公开的权利要求书、说明书、以及附图，本领域技术人员将充分理解本专利技术的其他方面内容。以下附图仅仅是用于解释本专利技术的具体实施例，并不限制本专利技术的范围。附图说明图1为本专利技术具体实施方式的工作环境示意图；图2为本专利技术具体实施方式的计算系统的结构框图；图3为本专利技术具体实施方式的语境感知网络聊天的系统；图4为本专利技术具体实施方式的语境感知网络聊天的方法的流程图；图5为本专利技术具体实施方式的神经会话模式。具体实施方式为了便于理解本专利技术，下面参照相关附图对本专利技术进行更全面的描述。下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚，完整地描述。除非另外指出，在各图中相同的参考数字用于相同的部件。显然，描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。机器人系统是企业众多任务中至关重要的一项，机器人系统与它的供应商和伙伴必须清晰的交流，不仅仅是比喻还有字面意思，与客户进行持续性的对话，这是维持客户关系的关键。具有信息搜索和任务导向对话特征的交流是商业应用五大语族的核心：客户服务，咨询台，网址导航，引导销售，和技术支持。消费服务对应于消费者关于产品和服务常见问题，例如，询问如何申请车贷和房贷。咨询台对应内部员工问题：例如，对应HR问题。网址导航向客户指引复杂网址相关部分。“网址礼宾”对于帮助人们确定信息或者服务对应在公司网址哪一个地方是十分有用的。引导销售可提供在销售过程中回答问题和指引，尤其是，向新消费者售卖复杂商品。技术支持对应技术问题，例如诊断机器的问题。在商业中，清晰的交流是获取、服务和维系客户的关键。公司常常向潜在客户普及他们产品和服务，与此同时，通过清楚了解他们客户需求增强客户满意度和客户维系。虽然，客户常常对通过网址无效的搜索感到沮丧，并且延迟许多天后才邮件回应。因此，对于客户询问能准确和及时的回答是最为理想的。现有网络聊天系统着重于训练问题和回答的配对和向单个客户推荐最有可能的回答，但是没有考虑到语境信息。语境信息涉及到有关于文本理解的信息，例如，在文本中命名事件的身份：人，地点，书，等等。在文本中命名事件的信息：生日，地理位置，发布日期，等等，解释信息：主题，关键字，和衡量标准，日期等等。也就是说，传统的网络聊天仅仅处理用户和交流，但是在回答用户时，没有将交流对话放入语境中，在许多应用中只考虑用户和交流是不够的，例如，应用暂时语境，旅游交流系统可以提供不同于夏天假日推荐的冬天假日推荐，类似的，在客户对话系统中，确定何时向用户传递什么内容。因此在特定情况下非常需要在会话系统中融入语境信息。根据应用于神经机器翻译的神经网络将序列映射到序列，改善英语对法语，英语对德语的翻译任务。因为普通的递归神经网络(RNNs)容许梯度消失，采用变形的长短期记忆(LSTM)的递归神经网络，此外，提出机器人和会话代理。然而，大多数系统需要具有许多步骤的相对复杂加工流水线，并且相对应的方法没有考虑到所述用户的语境的改变。本专利技术根据神经会话模式提供了一种语境感知网络聊天方法，所述方法考虑到将语境特征。所述神经会话模式可以终端对终端训练，因此，可以显著性减少的手动输入规则的需求。本专利技术提供的语境感知网络聊天的方法可以将语境信息融入神经会话模式中，这可以使网络聊天在与用户交流的时候意识到语境。与每个词相关中所述语境实值输入向量以简化训练过程。将从所述语境中学习所述向量用于传递模式化的语句的语境信息。图1为本专利技术具体实施方式的工作环境示意图100。如图1所示，环境100包括用户终端102，服务器104，用户106，和网络110，其中也可以包括其他设备。所述用户终端102指具有一定运算能力的任何合适的用户移动终端，比如可穿戴设备(例如智能手表，智能手环)，移动电话，智能电话，平板电脑，个人电脑(PC)，服务器电脑，笔记本电脑，掌上电脑(PDA)等。所述服务器1本文档来自技高网...

【技术保护点】
一种语境感知网络聊天的方法，其特征在于，所述方法包括：接收用户的语音；将所述用户的语音转化为准备回答的问题；确定准备回答的所述问题的问题类型；根据语境感知神经会话模式至少生成一个对应所述问题的答案；验证通过语境感知神经会话模式生成的所述答案；向用户传达验证后的所述答案；其中，所述语境感知神经会话模式会考虑所述问题的语境信息，并且将所述问题的所述语境信息分解为多个高维向量。

【技术特征摘要】
2016.09.19 US 15/269,5511.一种语境感知网络聊天的方法，其特征在于，所述方法包括：接收用户的语音；将所述用户的语音转化为准备回答的问题；确定准备回答的所述问题的问题类型；根据语境感知神经会话模式至少生成一个对应所述问题的答案；验证通过语境感知神经会话模式生成的所述答案；向用户传达验证后的所述答案；其中，所述语境感知神经会话模式会考虑所述问题的语境信息，并且将所述问题的所述语境信息分解为多个高维向量。2.根据权利要求1所述的语境感知网络聊天的方法，其特征在于，确定准备回答的所述问题的问题类型包括：识别准备回答的所述问题的定型词。3.根据权利要求1所述的语境感知网络聊天的方法，其特征在于，根据语境感知神经会话模式至少生成一个对应于所述问题的答案包括：提供输入语句X＝{x1,x2,…,xn}，通过考虑到语境EC＝{ec1,ec2,…,ecm}得到回答语句Y＝{y1,y2,…,yn}，其中，x表示在所述输入语句中的词，y代表在回答语句中的词，所述回答语句Y代表答案，并且所述输入语句X代表准备回答的问题。4.根据权利要求3所述的语境感知网络聊天的方法，其特征在于，提供所述输入语句X＝{x1,x2,…,xn}，通过考虑到语境EC＝{ec1,ec2,…,ecm}得到回答语句Y＝{y1,y2,…,yn}包括：通过最大化概率P(yt|yt-1,…,y1,ec)来预测y的值。5.根据权利要求4所述的语境感知网络聊天的方法，其特征在于，通过最大化概率P(yt|yt-1,…,y1,ec)来预测y的值包括：通过所述语境感知神经会话模式，提供具有输入门为it、记忆门为ft，输出门ot的输入语句；及通过以下步骤计算单位时间步骤t的向量表示为htCt＝ftct-1+itlt其中Wi,Wf,Wo,Wl∈RK*2K，W是指已学习和已训练因素，xt是指在时间步骤t中单个文本单元的向量，ht指通过xt和ht-1组合在时间步骤t中由长短期记忆模型计算的向量，ct指在时间步骤t中所述单元格状态向量，θ是指所述sigmoid函数。6.根据权利要求5所述的语境感知网络聊天的方法，其特征在于，包括：根据softmax函数计算输出分布和按顺序预测的标记分布：其中，f(ht-1,eyt)指在ht-1和eyt之间的激活函数。7.根据权利要求6所述的语境感知网络聊天的方法，其特征在于，当预测到EOS标记时，结束所述输入语句的解码。8.根据权利要求1所述的语境感知网络聊天的方法，其特征在于，所述验证通过语境感知神经会话模式生成的答案包括：计算通过所述语境感知神经会话模式生成的答案的置信度分数，其中所述置信度分数是问题和答案之间的归一化KL距离。9.一种具有计算机程序的非暂时性计算机可读介质，当由处理器执行时，执行语境感知网络聊天的方法，其特征在于，所述方法包括：接收用户的语音；将所述用户的语音转化为准备回答的问题；确定准备回答的所述问题的问题类型；根据语境感知神经会话模式至少生成一个对应所述问题的答案；验证通过语境感知神经会话模式生成的答案；向用户传递验证后有效的答案；其中，所述语境感知神经会话模式考虑到所述问题的语境信息，并且将所述问题的所述语境信息分解为多个高维向量。10.根据权利要求9所述的具有计算机程序的非暂时性计算机可读介质，其特征在于，所述确定准备回答的所述问题的问题类型包括：识别准备回答的所述问题的定型词。11.根据权利要求9所述的具有计算机程序的非暂时性计算机可读介质，其特征在于，根据所述语境感知神经会话模式至少生成一个对应于所述问题的答案包括：假设输入语句X＝{x1,x2,…,xn}，通过考虑到语境EC＝{ec1,ec2,…,ecm}得到回答语句Y＝{y1,y2,…,yn}，其中，x表示在所述输入语句中的词，y代表在回答语句中的词，所述回答语句Y代表答案，并且所述输入语句X代表准备回答的问题。12.根据权利要求11所述的具有计算机程序的非暂时...

【专利技术属性】
技术研发人员：郭立帆，汪灏弘，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东,44