一种用于智能对话的话题抽取方法及系统与流程

本发明涉及通信技术领域，特别是一种用于智能对话的话题抽取方法及其应用该方法的系统。

背景技术：

随着互联网及电子商务的普及应用，智能客服也越来越多。智能客服是在大规模知识处理基础上发展起来的一项面向行业应用的，涉及大规模知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等等，具有行业通用性，不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息，并可为企业节约大量人力资源和成本。

在智能客服整个技术的实现中，主要涉及对话语料预处理、模型构建、语义解析、强化学习等技术，因为中文的博大精深，同一个对话话题往往有多种表述方式，例如存在同义词、近义词、完整表达、简化表达、歧义等，这就使得对话语料库中每一个相同的话题，往往存在多种表达；即，一个对话话题不仅由一个问题和一个答案组成，而是可能由多个问题和多个答案组成。如何定位并准确抽取其中最为理想的问答语句，关系到智能对话的正确性与完整性，以及用户的体验度。

技术实现要素：

本发明为解决上述问题，提供了一种用于智能对话的话题抽取方法及系统，通过将对话记录进行标签处理和量化计算，从而实现自动化提取对话话题，使得智能客服回答访客的问题时更准确，访客体验更好。

为实现上述目的，本发明采用的技术方案为：

一种用于智能对话的话题抽取方法，其包括以下步骤：

10)通过提取访客与客服的对话记录，对所述对话记录设置对话标签；

20)统计所述对话记录中的每个话题对所述对话标签的贡献度；

30)根据所述贡献度对语料库中每个对话标签下的每个话题进行排序，并抽取贡献度较大的话题，将该话题中的问题作为推荐问题，并将该话题中对应的答案作为推荐答案；

40)根据访客提出的问题自动提取当前的问题标签，并将该当前的问题标签与语料库中的对话标签进行匹配，向访客提供该对话标签下贡献度较大的话题中的推荐问题所对应的推荐答案。

优选的，所述的步骤10)之前，还预先进行构建标签模型，其根据语料库中的语料的对话主题对所有语料进行分类，对不同类型的语料进行设置对话标签，得到标签模型。

优选的，所述的步骤10)中进行设置对话标签，是根据所述标签模型中的对话标签对所述对话记录进行选择和设置相应的对话标签。

优选的，所述的步骤30)中对每个话题进行排序，是指将新增的对话记录及对语料库中的历史对话记录中的所有话题，在各自对应的对话标签下进行贡献度的排序，并且，每次新增对话记录后则自动重新排序。

对应的，本发明还提供一种用于智能对话的话题抽取系统，其包括：

对话标签设置模块，其通过提取访客与客服的对话记录，对所述对话记录设置对话标签；

贡献度计算模块，用于统计所述对话记录中的每个话题对所述对话标签的贡献度；

话题抽取模块，其根据所述贡献度对语料库中每个对话标签下的每个话题进行排序，并抽取贡献度较大的话题，将该话题中的问题作为推荐问题，并将该话题中对应的答案作为推荐答案；

智能对话模块，其根据访客提出的问题自动提取当前的问题标签，并将该当前的问题标签与语料库中的对话标签进行匹配，向访客提供该对话标签下贡献度较大的话题中的推荐问题所对应的推荐答案。

优选的，还包括模型构建模块，其根据语料库中的语料的对话主题对所有语料进行分类，对不同类型的语料进行设置对话标签，得到标签模型。

优选的，所述对话标签设置模块是根据所述标签模型中的对话标签对所述对话记录进行选择和设置相应的对话标签。

优选的，所述话题抽取模块中对每个话题进行排序，是指将新增的对话记录及对语料库中的历史对话记录中的所有话题，在各自对应的对话标签下进行贡献度的排序，并且，每次新增对话记录后则自动重新排序。

本发明的有益效果是：

(1)本发明的一种用于智能对话的话题抽取方法及系统，其通过对每次对话记录设置对话标签，通过计算所述对话标签下的每个话题对所述对话标签的贡献度，并根据贡献度大小对所述话题进行排序，通过将对话记录进行标签处理和量化计算，并将贡献度较大的话题中的问题和答案作为推荐问题和推荐答案，从而实现自动化提取对话话题，使得智能客服回答访客的问题更准确、完整，访客体验更好；

(2)本发明通过构建标签模型，并对新增的对话记录及对语料库中的历史对话记录进行设置对话标签，并将所有话题在各自对应的对话标签下进行贡献度的排序，并且，每次新增对话记录后则自动重新排序，使得标签模型能够循环持续更新，并使得语料库能够持续自动更新和完善，访客体验越来越好。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的智能对话中话题抽取方法的流程简图；

图2为本发明的智能对话系统的流程简图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1和图2所示，本发明的一种用于智能对话的话题抽取方法，其包括以下步骤：

10)通过提取访客与客服的对话记录，对所述对话记录设置对话标签；

20)统计所述对话记录中的每个话题对所述对话标签的贡献度；

30)根据所述贡献度对语料库中每个对话标签下的每个话题进行排序，并抽取贡献度较大的话题，将该话题中的问题作为推荐问题，并将该话题中对应的答案作为推荐答案；

40)根据访客提出的问题自动提取当前的问题标签，并将该当前的问题标签与语料库中的对话标签进行匹配，向访客提供该对话标签下贡献度较大的话题中的推荐问题所对应的推荐答案。

传统的智能客服系统主要采用以下方式进行自主学习：

1.将相似问题，推荐给库中已有的问题；

2.自动合并相似度非常高的问题。

但是，这样的自主学习对智能客服系统而言仍然存在很大缺陷：一方面，需要人工导入更多新问题或者相似问题，语料库不能快速增长与更新；另一方面，部分优秀客服的优秀话术，不能及时被发现与学习。

本实施例中通过构建标签模型并对模型进行循环滚动加强，能够实现语料库持续自动更新和完善，访客体验越来越好。具体的：

所述的步骤10)之前，还预先进行构建标签模型，其根据语料库中的语料的对话主题对所有语料进行分类，对不同类型的语料进行设置对话标签，得到标签模型。

所述的步骤10)中进行设置对话标签，是根据所述标签模型中的对话标签对所述对话记录进行选择和设置相应的对话标签。

所述的步骤30)中对每个话题进行排序，是指将新增的对话记录及对语料库中的历史对话记录中的所有话题，在各自对应的对话标签下进行贡献度的排序，并且，每次新增对话记录后则自动重新排序。

另外，本发明还提供一种与前述话题抽取方法相对应的话题抽取系统，其包括：

模型构建模块，其根据语料库中的语料的对话主题对所有语料进行分类，对不同类型的语料进行设置对话标签，得到标签模型；

对话标签设置模块，其通过提取访客与客服的对话记录，对所述对话记录设置对话标签；

贡献度计算模块，用于统计所述对话记录中的每个话题对所述对话标签的贡献度；

话题抽取模块，其根据所述贡献度对语料库中每个对话标签下的每个话题进行排序，并抽取贡献度较大的话题，将该话题中的问题作为推荐问题，并将该话题中对应的答案作为推荐答案；

智能对话模块，其根据访客提出的问题自动提取当前的问题标签，并将该当前的问题标签与语料库中的对话标签进行匹配，向访客提供该对话标签下贡献度较大的话题中的推荐问题所对应的推荐答案。

本实施例中，所述对话标签设置模块是根据所述标签模型中的对话标签对所述对话记录进行选择和设置相应的对话标签。所述话题抽取模块中对每个话题进行排序，是指将新增的对话记录及对语料库中的历史对话记录中的所有话题，在各自对应的对话标签下进行贡献度的排序，并且，每次新增对话记录后则自动重新排序。

具体的，本发明的话题抽取过程如下：

1.构建模型

首先对语料库进行梳理，按照对话主题及关键词，为所有的语料进行设置对话标签，所述对话标签一般按照对话主题进行分类，例如包括质量、价格、物流、售后服务等，从而形成标签模型。

2.贴标签

在使用时，如一组完整的对话，共有10次访客与智能客服的对话互动记录。先利用标签模型为本次对话贴上相应的对话标签，所述对话标签来自于构建模型时所形成的标签(一组完整的对话，可能包括多个标签)。

3.计算贡献度

计算本组对话中，每一句话(每个话题)对本组对话的对话标签的贡献度，并用数值进行表示。因一组对话可能存在多个对话标签，同时，一句话可能会对两个及以上的对话标签产生贡献度，或多句话都能同一个对话标签产生贡献度，所以为本组对话计算完贡献度后，每个相应的标签下，将产生相应的对其生产贡献度的多句对话，将这些对话按贡献度值进行排序。

4.自动抽取话题

当智能客服回答访客的问话时，首先提取其访客问题对应的问题标签(例如，根据问题中的关键字)，并与所构建的模型中的对话标签进行匹配。完成标签匹配后，将该对话标签下按数值排序的贡献度较大的话题或问题(推荐问题)进行提取，并将该话题或问题所对应的答案(推荐答案)用于回答访客的问题，从而使访客获得较为准确和完善的问题答复。

5.循环滚动加强模型

当有新的语料及标签产生时，模型持续更新，并根据贡献度的计算，持续更新每个标签下的相应的问题的贡献度数值与排序，持续完善智能对话的问题回复。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。并且，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。