本發(fā)明公開一種單輪對話和多輪對話的融合方法，所述方法能自動適應判定對話業(yè)務類型并自動調(diào)用相應的對話模式，在誤差允許的范圍內(nèi)減少對話輪數(shù)，解決用戶特殊需求以及臨時性需求。將單輪對話和多輪對話融合起來，根據(jù)用戶對話的真實意圖實時給出符合用戶意圖的答案或者引導性問題，避免由于場景模型靈活性不足導致某個話題的對話論數(shù)過多，嚴重影響用戶體驗；同時在用戶的特殊需求出現(xiàn)以及需求臨時性變更時，能在不影響穩(wěn)定需求問答的情況下，快速解決用戶可變需求。

技術(shù)領(lǐng)域

本發(fā)明涉及一種單輪對話和多輪對話的融合方法，屬于人工智能交互領(lǐng)域。

背景技術(shù)

智能人機交互系統(tǒng)需要具備單輪對話能力和多輪對話能力，單輪對話用于解決非業(yè)務類簡單問答咨詢問題；多輪對話解決深層復雜的業(yè)務問題。但是多數(shù)的人機交互系統(tǒng)單輪對話系統(tǒng)和多輪對話系統(tǒng)往往隔離開來，往往出現(xiàn)單輪對話不夠智能而多輪對話有時過于復雜現(xiàn)象。在現(xiàn)實情景中往往出現(xiàn)用戶在單輪對話過程中無法進行同一場景問題拓展性問答，同理在多輪對話過程中用戶突然決定結(jié)束對話或者想盡快獲取意見或建議，但多輪對話在對話模型信息不完整時，系統(tǒng)會多次進行引導性問答和提示，無法或者不便于靈活地進行對話流程的調(diào)整。上述情況嚴重影響了智能人機交互系統(tǒng)的用戶體驗。

用戶有可能就原本屬于單輪對話內(nèi)容的進行延拓性問答，此時需要多輪對話技術(shù)進行技術(shù)支撐，同時用戶在多輪對話過程中突然結(jié)束對話或在準確度允許的范圍內(nèi)盡快結(jié)束對話，需要單輪對話機制進行支撐。智能人機交互系統(tǒng)單輪對話和多輪對話的有機融合可以有效的解決上述問題。

現(xiàn)在常見的人機交互系統(tǒng)往往將研究重點放在多輪對話，獲取到用戶問題后進行自然語言處理獲取內(nèi)在信息以及隱含信息，同時利用上下文信息進行對話場景建模，根據(jù)對話過程中已提供的信息以及預設模型中缺少的信息進行針對性的問答。只要預設模型中的信息收集工作沒有完成，系統(tǒng)會不斷生成引導性問句返回給用戶。由于場景模型靈活性不足可能導致某個話題的對話論數(shù)過多，嚴重影響用戶體驗。同時用戶的特殊需求出現(xiàn)以及需求臨時性變更均要求人機交互系統(tǒng)具有彈性機制，在不影響穩(wěn)定需求問答的情況下，能夠快速解決用戶可變需求。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的缺陷，本發(fā)明提供一種單輪對話和多輪對話的融合方法，能自動適應判定對話業(yè)務類型并自動調(diào)用相應的對話模式，在誤差允許的范圍內(nèi)減少對話輪數(shù)，解決用戶特殊需求以及臨時性需求。

為了解決所述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種單輪對話和多輪對話的融合方法，包括以下步驟：S01)、獲取用戶輸入的多模態(tài)輸入信息；S02）、對輸入信息進行實體信息的抽取和結(jié)構(gòu)化切片處理，獲得結(jié)構(gòu)化文本信息；S03）、基于結(jié)構(gòu)化文本信息抽取用戶意圖；S04）、基于歷史信息、結(jié)構(gòu)化文本信息以及用戶意圖，融合單輪對話系統(tǒng)和多輪對話系統(tǒng)，自適應判斷生成符合用戶真實意圖的對話模式；S05）、基于用戶意圖和對話模式，構(gòu)建對話場景，獲得結(jié)構(gòu)化引導性問題或者答案；S06）、基于結(jié)構(gòu)化引導性問題或者答案生成對應的自然語言問題或者答案。

本發(fā)明所述單輪對話和多輪對話的融合方法，步驟S04中，通過緩存機制完成單輪對話和多輪對話的融合，緩存機制緩存多輪對話的概要歷史信息和單輪對話的關(guān)鍵信息。

本發(fā)明所述單輪對話和多輪對話的融合方法，用戶由單輪對話轉(zhuǎn)為多輪對話時，首先緩存單輪對話的關(guān)鍵信息，然后再基于用戶的多輪對話信息進行用戶意圖的再判斷，通過意圖判決算法發(fā)現(xiàn)前后對話為統(tǒng)一場景，將其拓展為多輪對話，給出符合用戶真實意圖的合理性推薦；如果前后對話為非統(tǒng)一場景，則直接開啟新一輪對話。

本發(fā)明所述單輪對話和多輪對話的融合方法，用戶由多輪對話轉(zhuǎn)為單輪對話時，立即結(jié)束多輪對話，將多輪對話轉(zhuǎn)換為單輪對話并清空緩存信息。

本發(fā)明所述單輪對話和多輪對話的融合方法，多模態(tài)輸入信息包括語音、文本和觸摸動作。