买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京中关村科金技术有限公司

摘要：本申请实施例提供一种面向智能客服的AI对话语义识别方法及系统，首先获取样例智能客服对话数据，并构建受教对话语义识别网络与教导对话语义识别网络。然后，基于这两个网络对候选样例智能客服对话数据进行对话语义识别，并根据识别结果确定训练误差参数，进而优化网络模型。通过不断迭代和优化，最终生成的目标对话语义识别网络能够高效、准确地识别任意输入的智能客服对话数据。也即，通过结合用户对话文本记录和用户页面行为路径数据，实现了更全面、准确的对话语义识别，通过迭代轮流知识学习的方式，提高了模型训练效率和泛化能力，生成的目标对话语义识别网络具有更强的适应性和鲁棒性，能够应对各种复杂的智能客服对话场景。

主权项：1.一种面向智能客服的AI对话语义识别方法，其特征在于，所述方法包括：获取样例智能客服对话数据并获取前一轮迭代轮流知识学习优化的受教对话语义识别网络与教导对话语义识别网络，每个所述样例智能客服对话数据包括用户对话文本记录以及对应的用户页面行为路径数据；基于所述受教对话语义识别网络与所述教导对话语义识别网络分别对从所述样例智能客服对话数据中获取的候选样例智能客服对话数据进行对话语义识别生成的语义识别数据确定候选受教训练误差参数，依据所述候选受教训练误差参数优化所述受教对话语义识别网络获得候选受教对话语义识别网络；基于所述候选受教对话语义识别网络对从所述样例智能客服对话数据中获取的测试样例对话数据进行对话语义识别生成的语义识别数据与所述测试样例对话数据的对话意图标注数据，确定受教响应训练误差参数，并基于所述教导对话语义识别网络对从所述样例智能客服对话数据中获取的教导样例智能客服对话数据进行对话语义识别生成的语义识别数据与所述教导样例智能客服对话数据的对话意图标注数据，确定教导训练误差参数；基于所述受教响应训练误差参数与所述教导训练误差参数获得本轮迭代轮流知识学习优化的教导对话语义识别网络，依据所述本轮迭代轮流知识学习优化的教导对话语义识别网络和所述样例智能客服对话数据对所述前一轮迭代轮流知识学习优化的受教对话语义识别网络进行知识学习，生成本轮迭代轮流知识学习优化的受教对话语义识别网络；依据本轮迭代轮流知识学习优化的受教对话语义识别网络与教导对话语义识别网络，返回所述获取前一轮迭代轮流知识学习优化的受教对话语义识别网络与教导对话语义识别网络的步骤继续进行轮流知识学习，基于网络收敛时优化的受教对话语义识别网络生成目标对话语义识别网络，所述目标对话语义识别网络用于对任意输入的智能客服对话数据进行对话语义识别；所述教导对话语义识别网络对样例智能客服对话数据进行对话语义识别的步骤包括：将所述样例智能客服对话数据加载到所述教导对话语义识别网络；利用所述教导对话语义识别网络中的文本意图预测单元，对所述样例智能客服对话数据中的用户对话文本记录进行识别，生成第一对话意图预测结果；利用所述教导对话语义识别网络中的行为意图预测单元，对所述样例智能客服对话数据中的用户页面行为路径数据进行识别，生成第二对话意图预测结果；利用所述教导对话语义识别网络中的融合意图预测单元，依据所述文本意图预测单元基于所述用户对话文本记录生成的语义映射特征与所述行为意图预测单元基于所述用户页面行为路径数据生成的图卷积特征，生成融合语义特征，依据所述融合语义特征，生成第三对话意图预测结果，所述图卷积特征反映了用户在页面上的行为模式和偏好；当所述受教对话语义识别网络用于局部节点对话语义识别时，所述利用所述教导对话语义识别网络中的融合意图预测单元，依据所述文本意图预测单元基于所述用户对话文本记录生成的语义映射特征与所述行为意图预测单元基于所述用户页面行为路径数据生成的图卷积特征，生成融合语义特征，依据所述融合语义特征，生成第三对话意图预测结果，包括：将所述语义映射特征与所述图卷积特征加载到教导对话语义识别网络的融合意图预测单元；利用所述融合意图预测单元的融合单元，将所述语义映射特征与所述图卷积特征进行融合，生成融合语义特征，利用所述融合意图预测单元的分类单元，基于所述融合语义特征，生成第三对话意图预测结果；以及，当所述受教对话语义识别网络用于全局对话语义识别时，所述利用所述教导对话语义识别网络中的融合意图预测单元，依据所述文本意图预测单元基于所述用户对话文本记录生成的语义映射特征与所述行为意图预测单元基于所述用户页面行为路径数据生成的图卷积特征，生成融合语义特征，依据所述融合语义特征，生成第三对话意图预测结果，包括：确定前置预测意图的上下文语义数据，所述上下文语义数据是指前置预测意图的语义信息，包括一个或多个之前对话轮次的意图识别结果或者是用户历史对话的摘要数据；将所述前置预测意图的上下文语义数据、所述文本意图预测单元基于所述用户对话文本记录生成的语义映射特征、所述行为意图预测单元基于所述用户页面行为路径数据生成的图卷积特征，加载到教导对话语义识别网络的融合意图预测单元；利用所述融合意图预测单元的交叉特征聚焦处理分支，基于所述上下文语义数据、所述语义映射特征与所述图卷积特征获得文本聚焦特征与行为聚焦特征；利用所述融合意图预测单元的融合单元，将所述文本聚焦特征与所述行为聚焦特征进行融合，生成融合语义特征，利用所述融合意图预测单元的分类单元，基于所述融合语义特征，生成第三对话意图预测结果；其中，所述利用所述融合意图预测单元的交叉特征聚焦处理分支，基于所述上下文语义数据、所述语义映射特征与所述图卷积特征获得文本聚焦特征与行为聚焦特征的步骤，包括：基于预训练的词嵌入模型或者上下文编码器对所述上下文语义数据进行编码，以将所述上下文语义数据转化为固定长度的上下文语义向量；将所述语义映射特征和所述图卷积特征进行外积运算，生成对应的交叉特征矩阵，所述交叉特征矩阵捕捉了所述语义映射特征和所述图卷积特征之间的交互信息；将编码后的上下文语义向量与所述交叉特征矩阵进行拼接或在预定义特征维度上进行广播，以便将所述上下文语义向量融入到所述交叉特征矩阵的交叉特征中；使用注意力机制对融合了上下文语义向量的交叉特征矩阵进行聚焦处理，输出对应的聚焦权重向量，所述聚焦权重向量表示了不同特征交互的重要性；将所述权重向量与所述交叉特征矩阵相乘，得到加权后的交叉特征矩阵，所述加权后的交叉特征矩阵包括文本聚焦特征和行为聚焦特征。

全文数据：

权利要求：

百度查询： 北京中关村科金技术有限公司 面向智能客服的AI对话语义识别方法及系统