【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种基于智能培训的ai交互会话处理方法及系统。
技术介绍
1、在当前的智能培训系统中，准确地理解和分析用户与系统的交互会话是至关重要的。然而，传统的语义分析方法往往难以充分捕捉会话中的深层语义信息，导致对问答交互事件的理解不够深入。此外，用户在查看大量的会话文本时，很难快速定位到关键的问答词句单元，这在一定程度上影响了用户的使用体验和效率。
技术实现思路
1、为了改善上述问题，本申请提供了一种基于智能培训的ai交互会话处理方法及系统。
2、本申请实施例提供一种基于智能培训的ai交互会话处理方法，应用于人工智能处理系统，所述方法包括：
3、从拟分析的智能培训会话文本中提取出目标ai交互会话稠密语义；其中，所述智能培训会话文本中包含目标问答交互事件；
4、通过会话语义嵌入模型对所述目标ai交互会话稠密语义和参数重置得到的模板词句级交叉向量进行语义嵌入编码，得到所述目标问答交互事件的目标词句级交叉向量，其中，所述目标词句级交叉向量用于表征从所述智能培训会话文本中所包含的所述目标问答交互事件中提炼得到的问答词句单元的语义向量，所述会话语义嵌入模型是基于通用会话语义嵌入模型，对每个智能培训会话文本样例进行x轮迭代语义嵌入编码所得的；
5、在实施第u轮迭代语义嵌入编码的第u会话语义嵌入模型中，对第u-1轮迭代语义嵌入编码所得到的第u-1会话语义样例二元组实施语义嵌入编码，得到第u会话语义样例二元组，并依据所述第u-1会
6、所述第u会话语义样例二元组包括第u交互会话稠密语义样例和第u模板词句级交叉向量样例，所述第u交互会话稠密语义样例是基于从所述智能培训会话文本样例中提取出的基础交互会话稠密语义样例进行u轮迭代语义嵌入编码所得的，所述第u模板词句级交叉向量样例是基于参数重置得到的基础模板词句级交叉向量样例进行u轮迭代语义嵌入编码所得的；
7、根据所述目标词句级交叉向量确定出所述目标问答交互事件中问答词句单元在所述智能培训会话文本中所对应的文本掩码区域。
8、在优选的方案中，所述通过会话语义嵌入模型对所述目标ai交互会话稠密语义和参数重置得到的模板词句级交叉向量进行语义嵌入编码，得到所述目标问答交互事件的目标词句级交叉向量包括：
9、在所述会话语义嵌入模型中实施如下步骤：
10、将获取到的所述会话语义嵌入模型中的第v-1个语义嵌入编码分支生成的第v-1目标ai交互会话稠密语义和第v-1模板词句级交叉向量，传入所述会话语义嵌入模型中的第v个语义嵌入编码分支，其中，所述会话语义嵌入模型中包括y个语义嵌入编码分支，v大于1，且不大于y，y为正整数；
11、在所述第v个语义嵌入编码分支中，对所述第v-1目标ai交互会话稠密语义和第v-1模板词句级交叉向量进行语义嵌入编码，得到第v目标ai交互会话稠密语义和第v模板词句级交叉向量；
12、响应于v=y，将所述第v模板词句级交叉向量确定为所述目标词句级交叉向量；
13、响应于v<y，将获取到的所述第v目标ai交互会话稠密语义和所述第v模板词句级交叉向量，传入第v+1语义嵌入编码分支实施第v+1轮语义嵌入编码。
14、在优选的方案中，所述在所述第v个语义嵌入编码分支中，对所述第v-1目标ai交互会话稠密语义和第v-1模板词句级交叉向量进行语义嵌入编码，得到第v目标ai交互会话稠密语义和第v模板词句级交叉向量包括：
15、在所述第v个语义嵌入编码分支中实施如下步骤：
16、在所述第v个语义嵌入编码分支的第1个语义嵌入编码模块中，对第v-1个语义嵌入编码分支生成的初始局部语义嵌入编码进行语义特征映射，得到第1个交互会话局部稠密语义；
17、对第v-1个语义嵌入编码分支生成的初始模板问答词句语义进行语义特征映射，得到第1个模板词句级问答交叉向量；
18、在所述第v个语义嵌入编码分支的第w个语义嵌入编码模块中，将所述第v个语义嵌入编码分支的第w-1个语义嵌入编码模块生成的第w-1交互会话局部稠密语义和第w-1模板词句级问答交叉向量传入所述第v个语义嵌入编码分支中的第w个语义嵌入编码模块，其中，w为不小于2的正整数；
19、在所述第w个语义嵌入编码模块中，对所述第w-1交互会话局部稠密语义进行语义特征映射，得到第一问答语义映射特征，并将所述第一问答语义映射特征确定为所述第w个语义嵌入编码模块生成的第w交互会话局部稠密语义；
20、并对所述第w-1模板词句级问答交叉向量进行语义特征映射，得到第二问答语义映射特征；
21、根据所述第一问答语义映射特征与所述第二问答语义映射特征，得到所述第w个语义嵌入编码模块生成的第w模板词句级问答交叉向量；
22、在所述第w个语义嵌入编码模块是所述第v个语义嵌入编码分支中的末尾语义嵌入编码模块的基础上，将所述第w交互会话局部稠密语义确定为所述第v个语义嵌入编码分支所生成的第v目标ai交互会话稠密语义，并将所述第w模板词句级问答交叉向量确定为所述第v个语义嵌入编码分支所生成的第v模板词句级交叉向量。
23、在优选的方案中，在所述从拟分析的智能培训会话文本中提取出目标ai交互会话稠密语义之前，还包括：
24、利用如下方法调试通用会话语义嵌入模型：
25、从获取到的第r个智能培训会话文本样例中提取出基础交互会话稠密语义样例，并获取参数重置得到的基础模板词句级交叉向量样例，其中，r为不小于1且不大于z的正整数，z为正整数；
26、对所述基础交互会话稠密语义样例与所述基础模板词句级交叉向量样例重复实施如下步骤，直到符合x轮迭代语义嵌入编码：
27、在实施第u轮迭代语义嵌入编码的第u会话语义嵌入模型中，对第u-1轮迭代语义嵌入编码所得到的第u-1会话语义样例二元组实施语义嵌入编码，得到第u会话语义样例二元组，其中，在所述u为1的基础上，所述第u-1轮迭代语义嵌入编码所得到的第u-1会话语义样例二元组用于表征基础会话语义样例二元组，所述基础会话语义样例二元组中包括所述基础交互会话稠密语义样例与所述基础模板词句级交叉向量样例；
28、依据所述第u-1会话语义样例二元组与所述第u会话语义样例二元组之间的语义向量比较结果，确定所述第u-1会话语义样例二元组与所述第u会话语义样例二元组之间的语义向量样例比较结果；
29、对前u个语义向量样例比较结果进行整合，得到第u个语义处理调试误差；
30、在基于前u轮迭代语义嵌入编码后得到的所有语义向量样例比较结果确定出的语义处理调试误差还没有满足量化判定要求的基础上，优化所述第u会话语义嵌入模型中的模型权本文档来自技高网...
【技术保护点】
1.一种基于智能培训的AI交互会话处理方法，其特征在于，应用于人工智能处理系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过会话语义嵌入模型对所述目标AI交互会话稠密语义和参数重置得到的模板词句级交叉向量进行语义嵌入编码，得到所述目标问答交互事件的目标词句级交叉向量包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述第v个语义嵌入编码分支中，对所述第v-1目标AI交互会话稠密语义和第v-1模板词句级交叉向量进行语义嵌入编码，得到第v目标AI交互会话稠密语义和第v模板词句级交叉向量包括：
4.根据权利要求1所述的方法，其特征在于，在所述从拟分析的智能培训会话文本中提取出目标AI交互会话稠密语义之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述依据所述第u-1会话语义样例二元组与所述第u会话语义样例二元组之间的语义向量比较结果，确定所述第u-1会话语义样例二元组与所述第u会话语义样例二元组之间的语义向量样例比较结果包括：
6.根据权利要求5所述的方法，其特征在于，所述对前u个语义向量
7.根据权利要求4所述的方法，其特征在于，在所述在实施第u轮迭代语义嵌入编码的第u会话语义嵌入模型中，对第u-1轮迭代语义嵌入编码所得到的第u-1会话语义样例二元组实施语义嵌入编码，得到第u会话语义样例二元组之后，还包括：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
10.一种人工智能处理系统，其特征在于，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种基于智能培训的ai交互会话处理方法，其特征在于，应用于人工智能处理系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过会话语义嵌入模型对所述目标ai交互会话稠密语义和参数重置得到的模板词句级交叉向量进行语义嵌入编码，得到所述目标问答交互事件的目标词句级交叉向量包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述第v个语义嵌入编码分支中，对所述第v-1目标ai交互会话稠密语义和第v-1模板词句级交叉向量进行语义嵌入编码，得到第v目标ai交互会话稠密语义和第v模板词句级交叉向量包括：
4.根据权利要求1所述的方法，其特征在于，在所述从拟分析的智能培训会话文本中提取出目标ai交互会话稠密语义之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述依据所述第u-1会话语义样例二元组与所述第u会话语义样例二元组之间的语义向量比较结果，确...
【专利技术属性】
技术研发人员：李壮壮，李昕玉，
申请(专利权)人：北京中科金有限元技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。