一种基于知识图谱的对话管理方法及对话系统

    公开(公告)号:CN113010692A

    公开(公告)日:2021-06-22

    申请号:CN202110342068.8

    申请日:2021-03-30

    摘要: 一种基于知识图谱的对话管理方法及对话系统,对话管理方法包括以下步骤:步骤1,用户输入内容,进行自然语言理解,输出对话意图和实体词;步骤2,根据实体词,采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态,记为全局状态数组g;步骤3,将全局状态数组g进行层级压缩,采用另一个一维数组表示用户围绕该实体的对话意图,记为局部状态数组l;步骤4,使用局部状态数组l,通过Q‑learning进行训练得到Q表,选择Q值最大的动作作为最优动作,进行自然语言生成,向用户输出应答。用知识图谱来表示对话状态可以使得对话系统建模更复杂的对话任务,同时层级压缩的方法也解决了状态空间过大的问题。在相似的领域内,易于进行领域迁移。

    一种基于知识图谱的对话管理方法及对话系统

    公开(公告)号:CN113010692B

    公开(公告)日:2023-09-22

    申请号:CN202110342068.8

    申请日:2021-03-30

    摘要: 一种基于知识图谱的对话管理方法及对话系统,对话管理方法包括以下步骤:步骤1,用户输入内容,进行自然语言理解,输出对话意图和实体词;步骤2,根据实体词,采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态,记为全局状态数组g;步骤3,将全局状态数组g进行层级压缩,采用另一个一维数组表示用户围绕该实体的对话意图,记为局部状态数组l;步骤4,使用局部状态数组l,通过Q‑learning进行训练得到Q表,选择Q值最大的动作作为最优动作,进行自然语言生成,向用户输出应答。用知识图谱来表示对话状态可以使得对话系统建模更复杂的对话任务,同时层级压缩的方法也解决了状态空间过大的问题。在相似的领域内,易于进行领域迁移。

    适用于工单的数据处理方法、装置、设备及存储介质

    公开(公告)号:CN116228195A

    公开(公告)日:2023-06-06

    申请号:CN202310078200.8

    申请日:2023-01-30

    摘要: 本申请提供一种适用于工单的数据处理方法、装置、设备及存储介质。该方法基于呼叫设备向虚拟电话平台所上报的电力故障处理请求生成待处理工单,根据故障处理文本信息以及预设工单分类模型确定待处理工单的第一分类,根据当前位置以及预设工单评估模型确定待处理工单的第二分类,根据第一分类、第二分类以及预设工单等级确定模型确定待处理工单的优先等级,然后,根据优先等级以及第一分类对工单预编号进行更新,以生成工单编号,最后,将标识有工单编号的待处理工单下发至对应的维修终端,并根据维修反馈信息生成存档工单编号。从而对基于电力故障处理请求所生成的待处理工单进行多级自动分类,有效地提高了分类的效率以及准确度。

    基于图注意力机制的电力实体链指方法

    公开(公告)号:CN114780749A

    公开(公告)日:2022-07-22

    申请号:CN202210482147.3

    申请日:2022-05-05

    摘要: 本发明公开了一种基于图注意力机制的电力实体链指方法,从输入文本中抽取待链指实体集合及每个实体的初始高维向量表征;获取电力知识图谱中与每个待链指实体最相似的指称项实体集合;并获取每个指称项实体在图谱中的一跳实体和关系组成指称项实体连接图;利用图注意力机制网络对每个指称项实体进行高维向量表征;利用每个指称项实体的高维向量表征及每个待链指实体的高位向量表征,计算待链指实体与指称项实体的置信度得分;将置信度得分进行排序,选取得分最高的指称项实体作为抽取实体的链指对象。本发明利用图注意力机制将图谱中的指称项实体进行融合拓扑结构的高维向量表征,再进行置信度评价,进一步提升实体链指效果。

    基于语境响应与结构增强的电力营销实体识别方法及系统

    公开(公告)号:CN114048747B

    公开(公告)日:2024-07-26

    申请号:CN202111333363.3

    申请日:2021-11-11

    摘要: 基于语境响应与结构增强的电力营销实体识别方法及系统,首先采集电力营销的工单以及客户互动数据,然后构建NER语境响应模式,并利用电力营销关键词词表对每条待检测数据进行分词;之后,根据分词结果构建每条待检测文本的语义结构图,再对每条待检测文本进行编码与结构增强;使用解码器对每条待检测文本进行解码,最后根据语境响应模式,计算生成文本的损失优化模型并提取得到实体。本发明提出的NER语境响应模式以及结构增强能够最大限度利用语言模型对上下文的优势,有效地处理电力营销领域文本数据并取得更好的训练效果;所提出的结构增强计算方法能够有效增强每个分词的领域特性,其计算复杂性和增强效果远高于现有技术。