【技术实现步骤摘要】
本申请涉及人机对话，适用于金融科技领域，尤其涉及一种对话应答方法、对话应答装置、电子设备及存储介质。
技术介绍
1、对话应答系统能够自动回答用户的问题，为用户提供个性化的服务建议。例如，在银行业，对话应答系统可以为用户提供账户查询、转账汇款、贷款咨询等服务。但是，对话应答系统无法快速学习新的领域知识，容易生成错误的答案，导致对话应答的准确性较低。
技术实现思路
1、本申请实施例的主要目的在于提出一种对话应答方法、对话应答装置、电子设备及存储介质，旨在提高对话应答的准确性。
2、为实现上述目的，本申请实施例的第一方面提出了一种对话应答方法，所述方法包括：
3、获取目标问题；
4、对所述目标问题进行意图识别，得到对象意图类别；
5、根据预设知识库对所述对象意图类别进行分类，得到意图分类结果；所述意图分类结果用于表示所述对象意图类别为已知类别或者未知类别；
6、若所述对象意图类别为已知类别，则根据所述对象意图类别调用所述预设知识库的预设对话模板，并根据所述预设对话模板生成所述目标问题的目标答案；或者，若所述对象意图类别为未知类别，则根据所述对象意图类别调用预设对话模型，并根据所述预设对话模型生成所述目标问题的目标答案。
7、在一些实施例，所述对所述目标问题进行意图识别，得到对象意图类别，包括：
8、对所述目标问题进行意图特征提取，得到对象意图特征；
9、对所述目标问题进行槽位特征提取，得到问题
10、对所述对象意图特征和所述问题槽位特征进行门控特征提取，得到目标门控特征；
11、根据所述对象意图特征、所述问题槽位特征和所述目标门控特征进行意图识别，得到所述对象意图类别。
12、在一些实施例，所述根据所述对象意图特征、所述问题槽位特征和所述目标门控特征进行意图识别，得到所述对象意图类别，包括：
13、根据所述目标门控特征对所述问题槽位特征进行特征加权，得到加权槽位特征；
14、通过预设的目标意图识别模型对所述对象意图特征和所述加权槽位特征进行意图识别，得到所述对象意图类别。
15、在一些实施例，所述目标意图识别模型包括第一子模型和第二子模型，所述通过预设的目标意图识别模型对所述对象意图特征和所述加权槽位特征进行意图识别，得到所述对象意图类别，包括：
16、通过所述第一子模型对所述对象意图特征和所述加权槽位特征进行特征提取，得到参考问题特征；
17、通过所述第二子模型对所述参考问题特征进行意图识别，得到所述对象意图类别。
18、在一些实施例，所述第一子模型包括自注意力层、第一目标低秩适应层、第二目标低秩适应层和前馈注意力层，所述通过所述第一子模型对所述对象意图特征和所述加权槽位特征进行特征提取，得到参考问题特征，包括：
19、对所述对象意图特征和所述加权槽位特征进行特征拼接，得到目标拼接特征；
20、通过所述自注意力层对所述目标拼接特征进行注意力特征提取，得到查询特征向量、键特征向量和值特征向量；
21、通过所述第一目标低秩适应层对所述目标拼接特征进行第一低秩特征提取，得到第一低秩适应特征；
22、通过所述第二目标低秩适应层对所述目标拼接特征进行第二低秩特征提取，得到第二低秩适应特征；
23、对所述查询特征向量、所述键特征向量、所述值特征向量、所述第一低秩适应特征和所述第二低秩适应特征进行特征融合，得到初始问题特征；
24、通过所述前馈注意力层对所述初始问题特征进行前馈特征提取，得到所述参考问题特征。
25、在一些实施例，所述对所述查询特征向量、所述键特征向量、所述值特征向量、所述第一低秩适应特征和所述第二低秩适应特征进行特征融合，得到初始问题特征，包括：
26、对所述查询特征向量和所述第一低秩适应特征进行特征融合，得到第一融合特征；
27、对所述键特征向量和所述第二低秩适应特征进行特征融合，得到第二融合特征；
28、对所述第一融合特征、所述第二融合特征和所述值特征向量进行注意力变换，得到所述初始问题特征。
29、在一些实施例，所述目标意图识别模型根据以下步骤训练得到：
30、获取样本对话数据和原始意图识别模型；所述样本对话数据包括样本对话问题和意图类别标签，所述原始意图识别模型包括自注意力层、第一初始低秩适应层、第二初始低秩适应层和前馈注意力层；
31、通过所述自注意力层对所述样本对话问题进行注意力特征提取，得到样本查询特征、样本键特征和样本值特征；
32、通过所述第一初始低秩适应层对所述样本对话问题进行第一低秩特征提取，得到第一样本低秩特征；
33、通过所述第二初始低秩适应层对所述样本对话问题进行第二低秩特征提取，得到第二样本低秩特征；
34、对所述样本查询特征、所述样本键特征、所述样本值特征、所述第一样本低秩特征和所述第二样本低秩特征进行特征融合，得到样本初始特征；
35、通过所述前馈注意力层对所述样本初始特征进行前馈特征提取，得到样本目标特征；
36、根据所述样本目标特征进行意图识别，得到预测意图类别；
37、根据所述意图类别标签和所述预测意图类别进行损失计算，得到目标损失数据；
38、根据所述目标损失数据调整所述第一初始低秩适应层的参数，得到第一目标低秩适应层，根据所述目标损失数据调整所述第二初始低秩适应层的参数，得到第二目标低秩适应层；
39、根据所述自注意力层、所述第一目标低秩适应层、所述第二目标低秩适应层和所述前馈注意力层，确定所述目标意图识别模型。
40、为实现上述目的，本申请实施例的第二方面提出了一种对话应答装置，所述对话应答装置包括：
41、获取模块，用于获取目标问题；
42、意图识别模块，用于对所述目标问题进行意图识别，得到对象意图类别；
43、分类模块，用于根据预设知识库对所述对象意图类别进行分类，得到意图分类结果；所述意图分类结果用于表示所述对象意图类别为已知类别或者未知类别；
44、对话应答模块，用于若所述对象意图类别为已知类别，则根据所述对象意图类别调用所述预设知识库的预设对话模板，并根据所述预设对话模板生成所述目标问题的目标答案；或者，若所述对象意图类别为未知类别，则根据所述对象意图类别调用预设对话模型，并根据所述预设对话模型生成所述目标问题的目标答案。
45、为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
46、为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序本文档来自技高网...
【技术保护点】
1.一种对话应答方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述目标问题进行意图识别，得到对象意图类别，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述对象意图特征、所述问题槽位特征和所述目标门控特征进行意图识别，得到所述对象意图类别，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标意图识别模型包括第一子模型和第二子模型，所述通过预设的目标意图识别模型对所述对象意图特征和所述加权槽位特征进行意图识别，得到所述对象意图类别，包括：
5.根据权利要求4所述的方法，其特征在于，所述第一子模型包括自注意力层、第一目标低秩适应层、第二目标低秩适应层和前馈注意力层，所述通过所述第一子模型对所述对象意图特征和所述加权槽位特征进行特征提取，得到参考问题特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述查询特征向量、所述键特征向量、所述值特征向量、所述第一低秩适应特征和所述第二低秩适应特征进行特征融合，得到初始问题特征，包括：
7.根据权利要求3所述
8.一种对话应答装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种对话应答方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述目标问题进行意图识别，得到对象意图类别，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述对象意图特征、所述问题槽位特征和所述目标门控特征进行意图识别，得到所述对象意图类别，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标意图识别模型包括第一子模型和第二子模型，所述通过预设的目标意图识别模型对所述对象意图特征和所述加权槽位特征进行意图识别，得到所述对象意图类别，包括：
5.根据权利要求4所述的方法，其特征在于，所述第一子模型包括自注意力层、第一目标低秩适应层、第二目标低秩适应层和前馈注意力层，所述通过所述第一子模型对所述对象意图特征和所述加权槽位...
【专利技术属性】
技术研发人员：邱谱，
申请(专利权)人：中国平安财产保险股份有限公司，
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。