本發明涉及一種辦公場景的任務型多輪對話方法及系統。該方法包括：對不同辦公應用任務進行場景定義，得到不同辦公應用任務的意圖和槽值；將所述不同辦公應用任務的意圖和槽值進行數據采集，得到采集后的數據；根據所述采集后的數據使用深度學習模型訓練方法和定制規則處理方法，確定意圖識別模型和槽提取模型；進行對話管理，直到收集必要信息；根據所述意圖識別模型、所述槽提取模型和所述必要信息，確定當前用戶意圖和當前槽值；根據所述當前用戶意圖和當前槽值執行業務。本發明能夠覆蓋不同的辦公任務場景，準確完成用戶的需求，提升辦公的效率。

技術領域

本發明涉及辦公場景的任務對話領域，特別是涉及一種辦公場景的任務型多輪對話方法及系統。

背景技術

人機交互作為信息時代人類與計算機之間信息交流的基礎技術，受到學術界和工業界的廣泛關注。人機對話是人機交互技術的核心領域，旨在最大限度地模仿人與人之間的對話方式，使得人類能夠用更自然的方式與機器進行交流。一般來說，人機對話系統大致可分為兩種：任務對話系統和非任務型對話系統，非任務型系統又稱為閑聊機器人。

以微軟小冰為代表的聊天機器人使得人機對話技術更具實用價值和商業價值，但仍在自然性、邏輯性和流暢性等方面和人類有一定的差距。任務型對話系統因場景明確，易于評估對話質量等特點，相比于非任務型具有更大的應用價值。任務型對話系統面向垂直領域，目的是使用盡可能少的對話輪數幫助用戶完成預定任務或動作，例如預定機票、酒店和餐館等。

隨著互聯網技術的發展，辦公系統也不斷普及和發展，在辦公系統中加入任務型對話系統，能夠幫助用戶完成任務，更好地處理辦公場景。目前的任務型多輪對話構建過程有完全基于深度學習算法，可以利用大數據的優勢。但是辦公領域的數據量較少，對于業務完成的準確度有一定要求，因此完全基于深度學習算法并不能獲得很好的效果。此外，也有使用單輪對話或者簡單多輪對話的系統，對于辦公系統來說不能完全滿足需求。

發明內容

本發明的目的是提供一種辦公場景的任務型多輪對話方法及系統，能夠覆蓋不同的辦公任務場景，準確完成用戶的需求，提升辦公的效率。

為實現上述目的，本發明提供了如下方案：

一種辦公場景的任務型多輪對話方法，包括：

對不同辦公應用任務進行場景定義，得到不同辦公應用任務的意圖和槽值；

將所述不同辦公應用任務的意圖和槽值進行數據采集，得到采集后的數據；

根據所述采集后的數據使用深度學習模型訓練方法和定制規則處理方法，確定意圖識別模型和槽提取模型；

進行對話管理，直到收集必要信息；

根據所述意圖識別模型、所述槽提取模型和所述必要信息，確定當前用戶意圖和當前槽值；

根據所述當前用戶意圖和當前槽值執行業務。

可選地，所述根據所述采集后的數據使用深度學習模型訓練方法和定制規則處理方法，確定意圖識別模型和槽提取模型，具體包括：

根據所述采集后的數據對深度學習模型Bert+TextCnn進行訓練，得到意圖識別模型；

根據所述采集后的數據對Bert-BiLSTM-CRF模型進行訓練，得到非時間槽提取模型；

采用基于常識日期的正則表達式規則對所述采集后的數據進行處理，得到時間槽提取模型。

可選地，所述進行對話管理，直到收集必要信息，具體包括：

為不同的辦公應用任務指定回復的話術和模板，與用戶多輪對話直到收集必要信息。

可選地，所述根據所述當前用戶意圖和當前槽值執行業務，具體包括：