基于知识图谱的多轮对话方法、系统、设备及存储介质与流程

本发明涉及多轮对话，具体而言，涉及一种基于知识图谱的多轮对话方法、系统、设备及存储介质。

背景技术：

1、随着深度学习技术、自然语言处理技术、知识图谱技术等人工智能领域的发展，人机对话被广泛应用于于智能家居、智能语音助手等领域，因此基于多轮对话搭建的人机对话技术得到巨大的发展。然而，基于知识图谱的多轮对话是以知识图谱为基础，根据用户输入的问题，采用知识图谱中的知识作为答案进行回答。

2、知识图谱的多轮对话属于任务型对话。通常任务型对话是基于具体任务进行多轮对话，从而完成用户所需要的任务、提供用户所需要的信息等。目前，知识图谱的多轮对话首先根据用户对话信息进行意图识别和槽填充，然后根据意图识别进行决策处理，最终将决策处理结果返回到用户；然而，随着多轮对话的句式和关键词的种类逐渐增多，槽填充这种预设槽位的方式逐渐不再适用于多轮对话，无法实现多轮对话之间的关联，从而失去上下轮对话的交互，不能更准确的回答。

技术实现思路

1、本发明提供一种基于知识图谱的多轮对话方法、系统、设备及存储介质，解决现有技术无法实现多轮对话之间的关联，不能准确处理用户的不同意图，回答不准确的问题。

2、在第一方面，本发明实施例中提供一种基于知识图谱的多轮对话方法，所述方法包括以下步骤：

3、获取问句信息，并且根据问句信息查询对话历史状态信息；

4、采用深度学习与句法分析的方式对问句信息进行意图识别，以获取问句类别；

5、基于问句类别和对话历史状态信息的状态追踪对问句信息进行意图问答，以获取当前状态答案；

6、对当前状态答案进行策略处理，以获取多轮对话的问答结果，并且基于多轮对话的问答结果进行状态回溯，以更新对话历史状态。

7、于上述实施例中，采用深度学习和句法分析的方式对问句信息进行意图识别，得到问句类别，进而针对不同的问句类别的意图进行准确问答，并且在意图识别过程中通过状态追踪和状态回溯实现多轮对话之间的关联，解决了现有技术无法实现多轮对话之间的关联，不能准确处理用户的不同意图，回答不准确的问题。

8、作为本技术一些可选实施方式，采用深度学习与句法分析的方式对问句信息进行意图识别的流程如下：

9、采用深度学习的方式对问句信息进行分类处理，以获取第一属性分类结果；

10、采用句法分析的方式对问句信息进行分类处理，以获取第二属性分类结果；

11、对问句信息的第一属性分类结果和第二属性分类结果进行加权处理，以获取问句信息的问句类别。

12、于上述实施例中，采用深度学习和句法分析的方式分别对问句信息进行分类，并且基于分类结果进行加权处理，使得问句信息的分类结果更加准确，便于后期针对不同的问句类别的意图进行准确问答。

13、作为本技术一些可选实施方式，所述问句信息的问句类别包括知识图谱问答问句和多条件联合查询问句。

14、于上述实施例中，针对问句信息的句式分析和词性分析结果，将问句信息的问句类别分为知识图谱问答问句和多条件联合查询问句，便于后期针对不同的问句类别的意图进行准确问答。

15、作为本技术一些可选实施方式基于问句类别和对话历史状态信息的状态追踪对问句信息进行意图问答的流程如下：

16、如果问句信息的问句类别为知识图谱问答问句，则基于对话历史状态信息的状态追踪对问句信息进行问句分类、实体识别、实体链接以及简单查询，以获取当前状态答案；

17、如果问句信息的问句类别为多条件联合查询问句，则基于对话历史状态信息的状态追踪对问句信息进行句法分析、条件划分、关系/属性抽取、联合查询，以获取当前状态答案。

18、于上述实施例中，通过对问句信息的问句类别进行预先判定，并且针对判定结果可以进行有针对性的意图问答，使得问答更加准确，问答效率更高。

19、作为本技术一些可选实施方式，基于对话历史状态信息的状态追踪对问句信息进行问句分类、实体识别、实体链接以及简单查询的流程如下：

20、采用深度学习的方式对问句信息进行二分类，以得到三元组分类结果；

21、采用深度学习的方式对问句信息或对话历史状态信息进行实体识别，以得到实体；

22、采用知识图谱的方式对实体进行实体链接，以得到实体链接结果；

23、采用深度学习的方式对实体链接结果进行相似度分析，以获取答案三元组；

24、基于答案三元组进行图数据库的简单查询，以获取当前状态答案。

25、于上述实施例中，在对话历史状态信息的状态追踪的基础上，结合深度学习技术和知识图谱技术对知识图谱问答问句进行意图问答，能够更加快速、直接的获取当前状态答案。

26、作为本技术一些可选实施方式，基于对话历史状态信息的状态追踪对问句信息进行句法分析、条件划分、关系/属性抽取、联合查询的流程如下：

27、采用句法分析的方式对问句信息进行句法分析，以得到词性标注结果，并且采用深度学习的方式对问句信息或对话历史状态信息进行条件词识别，以得到条件词；

28、基于词性标注结果和条件词对问句信息进行单条件问句划分，以得到若干单条件短句；

29、对所有单条件短句进行关系/属性词抽取，以得到所有条件词和关系/属性词；

30、基于所有条件词和关系/属性词进行图数据库的联合查询，以获取当前状态答案。

31、于上述实施例中，在对话历史状态信息的状态追踪的基础上，结合深度学习技术和句法分析技术对多条件联合查询问句进行意图问答，能够更加准确的获取当前状态答案。

32、作为本技术一些可选实施方式，对当前状态答案进行策略处理的流程如下：

33、对当前状态答案进行校验，如果存在问句信息中的实体或条件词，但是无答案，则返回包含实体或条件词的提问；如果有答案，则直接返回当前状态答案作为多轮对话的问答结果；

34、基于多轮对话的问答结果进行状态回溯，以维持对话历史状态信息管理。

35、于上述实施例中，通过对当前状态答案进行策略处理，能够准确获取用户意图，提供更加准确的问答结果，并且通过维持对话历史状态信息管理，能够确保状态追踪的正常进行，进而实现多轮对话之间的关联。

36、在第二方面，本发明提供一种基于知识图谱的多轮对话系统，所述系统包括：

37、问句获取单元，所述问句获取单元用于获取问句信息，并且根据问句信息查询对话历史状态信息；

38、问句分类单元，所述问句分类单元采用深度学习与句法分析的方式对问句信息进行意图识别，以获取问句类别；

39、分类问答单元，所述分类问答单元基于问句类别和对话历史状态信息的状态追踪对问句信息进行意图问答，以获取当前状态答案；

40、策略处理单元，所述策略处理单元用于对当前状态答案进行策略处理，以获取多轮对话的问答结果，并且基于多轮对话的问答结果进行状态回溯，以更新对话历史状态。

41、在第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行计算机程序时实现所述基于知识图谱的多轮对话方法。

42、在第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于知识图谱的多轮对话方法。

43、本发明的有益效果如下：本发明采用深度学习和句法分析的方式，基于知识图谱对问句信息进行意图识别、意图问答，针对不同问句类别的文件信息进行准确问答，并且在意图识别、意图问答过程中通过状态追踪和状态回溯实现多轮对话之间的关联，解决了现有技术无法实现多轮对话之间的关联，不能准确处理用户的不同意图，回答不准确的问题。