旅游景点问答系统技术方案

公开了一种旅游景点问答系统，其将旅游景点的智能问答理解为特征匹配问题，具体地，采用基于深度学习的人工智能语义理解技术，以在将客户的咨询语音信号转换为咨询文本后，提取出所述咨询文本中基于全局的上下文语义特征信息以及备选答案的文本描述中基于全局的上下文语义特征信息，以此来建立两者的关联性特征分布，再利用分类器进行所述备选答案与所述游客自行是否相适配的分类处理，进而在两者相适配时返回所述备选答案的文本描述所对应的语音信号。这样，能够对于旅游景点的客户的咨询信号提供精准地语音答案回复。询信号提供精准地语音答案回复。询信号提供精准地语音答案回复。

【技术实现步骤摘要】
旅游景点问答系统


[0001]本申请涉及智慧旅游领域，且更为具体地，涉及一种旅游景点问答系统。

技术介绍

[0002]智慧旅游的研究是当前科研领域的一大研究热点。当前，国内外学者针对问答系统领域的研究做了很多相关工作，但是鲜有直接针对旅游行业进行研究的问答系统。因此，现有的旅游景点会配置大量的人工导游来进行讲解工作，虽然人工导游能满足游客的问答需求，但一个导游通常会带领一个游客团，并非所有游客的问答需求都能得到及时的满足。
[0003]因此，期待一种旅游景点问答系统。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种旅游景点问答系统，其将旅游景点的智能问答理解为特征匹配问题，具体地，采用基于深度学习的人工智能语义理解技术，以在将客户的咨询语音信号转换为咨询文本后，提取出所述咨询文本中基于全局的上下文语义特征信息以及备选答案的文本描述中基于全局的上下文语义特征信息，以此来建立两者的关联性特征分布，再利用分类器进行所述备选答案与所述游客自行是否相适配的分类处理，进而在两者相适配时返回所述备选答案的文本描述所对应的语音信号。这样，能够对于旅游景点的客户的咨询信号提供精准地语音答案回复。
[0005]相应地，根据本申请的一个方面，提供了一种旅游景点问答系统，其包括：咨询语音接收模块，用于获取由客户提供的旅游景点咨询语音信号；语音识别模块，用于对所述旅游景点咨询语音信号进行语音识别以得到咨询文本；咨询文本上下文理解模块，用于对所述咨询文本进行分词处理后通过基于转换器的上下文编码器以得到咨询语义特征向量；备选答案获取模块，用于获取备选答案的文本描述；备选答案上下文编码模块，用于对所述备选答案的文本描述进行分词处理后通过基于转换器的上下文编码器以得到备选答案语义特征向量；关联编码模块，用于对所述咨询语义特征向量和所述备选答案语义特征向量进行关联编码以得到关联特征矩阵；交互强化模块，用于对所述关联特征矩阵进行基于可区分性物理激励的交互强化以得到校正后关联特征矩阵；分类模块，用于将所述校正后关联特征矩阵通过分类器以得到分类结果，所述分类结果用于表示备选答案是否与游客咨询相适配；以及反馈模块，用于响应于所述分类结果为备选答案与游客咨询相适配，返回与所述备选答案的文本描述对应的语音信号。
[0006]在上述旅游景点问答系统中，所述咨询文本上下文理解模块，包括：第一分词单元，用于对所述咨询文本进行分词处理以获得多个咨询词；第一词嵌入单元，用于将所述多个咨询词通过嵌入层以将所述多个咨询词中各个咨询词转化为咨询词嵌入向量以得到咨询词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个咨询词进行嵌入编码；第一上下文语义编码单元，用于将所述咨询词嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个咨询特征向量；以及第一级联单元，用于将所述多个咨
询特征向量进行级联以得到所述咨询语义特征向量。
[0007]在上述旅游景点问答系统中，所述第一上下文语义编码单元，进一步用于：将所述咨询词嵌入向量的序列排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及，将所述自注意力特征矩阵与以所述咨询词嵌入向量的序列中各个咨询词嵌入向量作为值向量分别进行相乘以得到所述多个咨询特征向量。
[0008]在上述旅游景点问答系统中，所述备选答案上下文编码模块，包括：第二分词单元，用于对所述备选答案的文本描述进行分词处理以获得多个备选答案词；第二词嵌入单元，用于将所述多个备选答案词通过嵌入层以将所述多个备选答案词中各个备选答案词转化为备选答案词嵌入向量以得到备选答案词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个备选答案词进行嵌入编码；第二上下文语义编码单元，用于将所述备选答案词嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个备选答案特征向量；以及，第二级联单元，用于将所述多个备选答案特征向量进行级联以得到所述备选答案语义特征向量。
[0009]在上述旅游景点问答系统中，所述关联编码模块，进一步用于：以如下公式对所述咨询语义特征向量和所述备选答案语义特征向量进行关联编码以得到关联特征矩阵；其中，所述公式为：，其中表示所述咨询语义特征向量量，表示所述备选答案语义特征向量，表示所述关联特征矩阵，表示矩阵相乘。
[0010]在上述旅游景点问答系统中，所述交互强化模块，进一步用于：以如下公式对所述关联特征矩阵进行基于可区分性物理激励的交互强化以得到所述校正后关联特征矩阵；其中，所述公式为：其中，所述公式为：其中，所述公式为：其中是所述关联特征矩阵，是所述校正后关联特征矩阵，和是预定超参数，和表示特征矩阵的按位置加法和减法，除法表示特征矩阵的每个位置除以相应值，且表示通过单个卷积层的卷积操作。
[0011]在上述旅游景点问答系统中，所述分类模块，包括：展开单元，用于将所述校正后关联特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以
及，分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0012]根据本申请的另一方面，还提供了一种旅游景点问答方法，其包括：获取由客户提供的旅游景点咨询语音信号；对所述旅游景点咨询语音信号进行语音识别以得到咨询文本；对所述咨询文本进行分词处理后通过基于转换器的上下文编码器以得到咨询语义特征向量；获取备选答案的文本描述；对所述备选答案的文本描述进行分词处理后通过基于转换器的上下文编码器以得到备选答案语义特征向量；对所述咨询语义特征向量和所述备选答案语义特征向量进行关联编码以得到关联特征矩阵；对所述关联特征矩阵进行基于可区分性物理激励的交互强化以得到校正后关联特征矩阵；将所述校正后关联特征矩阵通过分类器以得到分类结果，所述分类结果用于表示备选答案是否与游客咨询相适配；以及响应于所述分类结果为备选答案与游客咨询相适配，返回与所述备选答案的文本描述对应的语音信号。
[0013]在上述旅游景点问答方法中，所述对所述咨询文本进行分词处理后通过基于转换器的上下文编码器以得到咨询语义特征向量，包括：对所述咨询文本进行分词处理以获得多个咨询词；将所述多个咨询词通过嵌入层以将所述多个咨询词中各个咨询词转化为咨询词嵌入向量以得到咨询词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个咨询词进行嵌入编码；将所述咨询词嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个咨询特征向量；以及，将所述多个咨询特征向量进行级联以得到所述咨询语义特征向量。
[0014]在上述旅游景点问答方法中，所述将所述咨询词本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种旅游景点问答系统，其特征在于，包括：咨询语音接收模块，用于获取由客户提供的旅游景点咨询语音信号；语音识别模块，用于对所述旅游景点咨询语音信号进行语音识别以得到咨询文本；咨询文本上下文理解模块，用于对所述咨询文本进行分词处理后通过基于转换器的上下文编码器以得到咨询语义特征向量；备选答案获取模块，用于获取备选答案的文本描述；备选答案上下文编码模块，用于对所述备选答案的文本描述进行分词处理后通过基于转换器的上下文编码器以得到备选答案语义特征向量；关联编码模块，用于对所述咨询语义特征向量和所述备选答案语义特征向量进行关联编码以得到关联特征矩阵；交互强化模块，用于对所述关联特征矩阵进行基于可区分性物理激励的交互强化以得到校正后关联特征矩阵；分类模块，用于将所述校正后关联特征矩阵通过分类器以得到分类结果，所述分类结果用于表示备选答案是否与游客咨询相适配；以及反馈模块，用于响应于所述分类结果为备选答案与游客咨询相适配，返回与所述备选答案的文本描述对应的语音信号。2.根据权利要求1所述的旅游景点问答系统，其特征在于，所述咨询文本上下文理解模块，包括：第一分词单元，用于对所述咨询文本进行分词处理以获得多个咨询词；第一词嵌入单元，用于将所述多个咨询词通过嵌入层以将所述多个咨询词中各个咨询词转化为咨询词嵌入向量以得到咨询词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个咨询词进行嵌入编码；第一上下文语义编码单元，用于将所述咨询词嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个咨询特征向量；以及第一级联单元，用于将所述多个咨询特征向量进行级联以得到所述咨询语义特征向量。3.根据权利要求2所述的旅游景点问答系统，其特征在于，所述第一上下文语义编码单元，进一步用于：将所述咨询词嵌入向量的序列排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及将...

【专利技术属性】
技术研发人员：韦小良，汪永旗，范平，徐慧慧，詹兆宗，
申请(专利权)人：浙江旅游职业学院，
类型：发明
国别省市：