【技术实现步骤摘要】
本专利技术涉及智能语言应答，具体为一种基于注意力机制的智能语言应答识别系统及方法。
技术介绍
1、智能语言应答是指使用人工智能技术，让计算机能够理解和生成人类语言，从而实现与人类的自然语言交互；智能语言应答系统通常包括语音识别、自然语言处理、机器学习、深度学习等技术，可以通过文本、语音、图像等多种方式与用户进行交互，并提供各种服务和解决方案；智能语言应答系统也存在一些挑战和问题，例如语言理解的准确性、语义歧义的处理、知识图谱的构建等；因此，在实际应用中，需要不断地优化和改进智能语言应答系统，以提高其性能和效果。
2、目前，针对传统的智能语音应答系统的使用过程中：
3、自动回复方向的设计往往基于固定模板或简单关键词匹配，难以提供高度相关且精确的回复，同时在来回的提问和回复对话过程中，采用同一应答系统的用户并非只有一个，虽然能够限定每次仅供单用户进行系统登录，但对话过程可以有多个用户依次进行，不同用户的提问习惯不同，满意度也存在区别，这样就会导致使用场景的复杂度增加，后续在对用户反馈信息进行收集时，若继续传统固定模式下进行的反馈满意度评估，则会因复杂度的增加或是部分用户进行恶意评估，而导致评估结果存在较大误差，无法针对不同的情况进行具体有效的评估，继而影响到后续针对系统优化策略的执行，容易造成系统运行不够稳定。
技术实现思路
1、（一）解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于注意力机制的智能语言应答识别系统及方法，在多用户和单
3、（二）技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：
5、一种基于注意力机制的智能语言应答识别系统，包括：
6、文本输入处理模块，接收输入文本，并进行预处理，以识别出关键信息；
7、上下文管理模块，管理当前文本会话的上下文信息，包括历史对话内容、用户偏好和当前任务状态，采用注意力机制动态调整对上下文信息的关注度；
8、应答生成模块，将解析得到的用户意图和上下文信息，转化并生成语言回复；
9、知识库查询模块，在选定详尽回复的模式下，于预定义的知识库中进行查询，并利用注意力机制提取相关信息进行补充回复；
10、系统反馈优化模块，其内置用户判定单元、反馈数据获取单元以及评估调整单元；用户判定单元，用于对历史数据的分析，以判断当前为多用户或单用户，反馈数据获取单元，用于在判定为单用户的条件下，定期获取所有对话的反馈数据集，在判定为多用户的条件下，定期获取每段对话的反馈数据子集；评估调整单元，用于在单用户的条件下依据所有对话的反馈数据集，生成一级综合满意度评估值，在多用户的条件下依据每段对话的反馈数据子集，生成二级综合满意度评估值，并将一级/二级综合满意度评估值与对应预设的评估阈值进行对比，根据对比结果选择是否执行优化调整策略。
11、进一步的，对输入文本进行预处理的过程如下：
12、分词：将输入文本分解成单个词或词组，并去除停用词；
13、词向量表示：使用预训练的词向量模型，将每个词转换为一个高维向量；
14、语法分析：使用依存句法分析，以确定输入文本中各个词之间的关系；
15、注意力权重计算：应用注意力机制，计算输入文本中每个词的注意力权重；
16、上下文向量生成：根据计算出的注意力权重，生成一个上下文向量。
17、进一步的，管理当前文本会话的过程如下：
18、接收文本输入处理模块的输出：接收生成的上下文向量；
19、历史对话内容的维护：在满足s轮对话的条件下，将当前的输入文本和上下文向量与历史对话内容进行整合和存储；
20、用户偏好的管理：根据用户的历史行为，动态更新和维护用户的偏好信息；
21、当前任务状态的维护：确定当前会话中所处的任务状态；
22、注意力机制的应用：在维护上下文信息时，应用注意力机制来动态调整对不同部分信息的关注度，优先处理与当前任务状态相关的历史对话和用户偏好。
23、进一步的，解析得到用户意图的过程如下：
24、输入整合：接收并整合来自文本输入处理模块和上下文管理模块的输出；
25、意图识别：利用意图分类模型分析用户输入，获取用户意图。
26、进一步的，解析上下文信息的过程如下：
27、模板匹配：根据用用户意图，从预定义的回复模板库中检索相关对应的模板；
28、内容填充：将用户输入中的关键信息和上下文中的相关信息均填充至选定的模板中，生成初步的候选回复。
29、进一步的，转化并生成语言回复的过程如下：
30、关键信息加权：利用注意力机制对候选回复中的各个部分进行重要性评估，根据用户输入中的关键信息，对回复中相应的部分增加权重，且增加权重的量根据默认值调整；
31、综合评估：结合注意力机制对候选回复进行综合评估，输出最终回复；
32、语言润色：采用文本生成模型对最终回复进行润色。
33、进一步的，历史数据包括历史用户提问过程中所使用客户端的ip地址；
34、对历史数据进行分析的过程为：选定历史数据中的连续周期t，并在该周期t内获取每次提问时所使用客户端的ip地址，若ip地址的种类数量未超过1，则判定为单用户，若ip地址的种类数量超过1，则判定为多用户；
35、所有对话的反馈数据集包括正面反馈总量和负面反馈总量；
36、正面反馈包括用户赞同当前回复的次数、默认赞同的次数以及继续提问的次数，正面反馈总量表示在该周期内所有赞同当前回复的次数、默认赞同的次数以及继续提问的次数的总和；负面反馈包括用户不赞同当前回复的次数和重复提问的次数，负面反馈总量表示该周期内所有不赞同当前回复的次数和重复提问的次数的总和。
37、进一步的，生成一级综合满意度评估值的过程如下：
38、依据经过归一化处理的所有对话的反馈数据集，建立公式计算得出一级综合满意度评估值，所依据的公式如下：
39、
40、式中，satisfaction_level_1表示一级综合满意度评估值，p表示正面反馈总量，n表示负面反馈总量；
41、生成二级综合满意度评估值的过程如下：
42、先计算每段对话所对应的综合满意度评估指数，并筛选出满意度评估指数为0%的对话，对剩余对话所对应的综合满意度评估指数进行计算，得出二级综合满本文档来自技高网...
【技术保护点】
1.一种基于注意力机制的智能语言应答识别系统，其特征在于，包括：
2.根据权利要求1所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：对输入文本进行预处理的过程如下：
3.根据权利要求2所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：管理当前文本会话的过程如下：
4.根据权利要求3所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：解析得到用户意图的过程如下：
5.根据权利要求4所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：解析上下文信息的过程如下：
6.根据权利要求5所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：转化并生成语言回复的过程如下：
7.根据权利要求6所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：历史数据包括历史用户提问过程中所使用客户端的IP地址；
8.根据权利要求7所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：生成一级综合满意度评估值的过程如下：
9.根据权利要求8所述的一种基于注意力
10.一种基于注意力机制的智能语言应答识别方法，使用权利要求1至9中的任一种所述系统，其特征在于：包括如下步骤：
...【技术特征摘要】
1.一种基于注意力机制的智能语言应答识别系统，其特征在于，包括：
2.根据权利要求1所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：对输入文本进行预处理的过程如下：
3.根据权利要求2所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：管理当前文本会话的过程如下：
4.根据权利要求3所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：解析得到用户意图的过程如下：
5.根据权利要求4所述的一种基于注意力机制的智能语言应答识别系统，其特征在于：解析上下文信息的过程如下：
6.根据权利要求5所述的一种基于注意力机制的...
【专利技术属性】
技术研发人员：丁东照，李浩天，郝增，卓凌云，梁宇龙，黄涛，潘露彬，黄鑫，张彤，
申请(专利权)人：杭州字节方舟科技有限公司，
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。