CN107045553A - 人工智能客服机器人的问题分类方法及*** - Google Patents
人工智能客服机器人的问题分类方法及*** Download PDFInfo
- Publication number
- CN107045553A CN107045553A CN201710312838.8A CN201710312838A CN107045553A CN 107045553 A CN107045553 A CN 107045553A CN 201710312838 A CN201710312838 A CN 201710312838A CN 107045553 A CN107045553 A CN 107045553A
- Authority
- CN
- China
- Prior art keywords
- information
- several
- artificial intelligence
- target signature
- whole section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人工智能客服机器人的问题分类方法及***,所述问题分类方法包括以下步骤:S1、接收整段问题信息,对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息;S2、对若干个主要特征信息进行下采样处理,并且从若干个主要特征信息提取若干个目标特征信息;S3、根据若干个目标特征信息并基于人工智能分类算法输出问题类型信息。本发明提供的人工智能客服机器人的问题分类方法及***极大地提高了分类准确率,较好地满足工业化应用的需求,并且较好地防止梯度消失或梯度***的问题。
Description
技术领域
本发明涉及人工智能领域,特别涉及一种人工智能客服机器人的问题分类方法及***。
背景技术
人工智能领域常用的分类网络有很多,例如SVM(Support Vector Machine,支持向量机)、Bayes(贝叶斯分类算法)、CNN(Convolutional Neural Network,卷积神经网络)、RNN(Recurrent Neural Networks,循环神经网络)等。但是实际应用中,特别是在文本分类领域,分类准确率不能较好地满足工业化应用的需求。以多分类问题举例,通常在大规模语料的情况下,即使是使用深度模型,如CNN或RNN,准确率也较低,很难进一步提升。
发明内容
本发明要解决的技术问题是为了克服现有技术中人工智能客服机器人在问题分类方面,分类准确率不能较好地满足工业化应用的需求的缺陷,提供一种人工智能客服机器人的问题分类方法及***。
本发明是通过下述技术方案来解决上述技术问题:
一种人工智能客服机器人的问题分类方法,其特点在于,所述问题分类方法包括以下步骤:
S1、接收整段问题信息,对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息;
S2、对若干个主要特征信息进行下采样处理,并且从若干个主要特征信息提取若干个目标特征信息;
S3、根据若干个目标特征信息并基于人工智能分类算法输出问题类型信息。
较佳地,在步骤S1中,基于CNN模型对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息。
较佳地,在步骤S3中,若干个目标特征信息通过highway网络(一种解决深层次网络训练困难的网络框架)后,根据若干个目标特征信息并基于人工智能分类算法输出问题类型信息。
较佳地,在步骤S3中,所述人工智能分类算法为softmax算法(机器学习算法)。
一种人工智能客服机器人的问题分类***,其特点在于,所述问题分类***包括问题输入模块、特征提取模块及类型输出模块;
所述问题输入模块用于接收整段问题信息,并且将所述整段问题信息发送至所述特征提取模块;
所述特征提取模块用于对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息,所述特征提取模块还用于对若干个主要特征信息进行下采样处理,并且从若干个主要特征信息提取若干个目标特征信息,所述特征提取模块还用于将若干个目标特征信息发送至所述类型输出模块;
所述类型输出模块用于根据若干个目标特征信息并基于人工智能分类算法输出问题类型信息。
较佳地,所述特征提取模块用于基于CNN模型对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息。
较佳地,所述特征提取模块还用于将若干个目标特征信息通过highway网络后发送至所述类型输出模块。
较佳地,所述人工智能分类算法为softmax算法。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明提供的人工智能客服机器人的问题分类方法及***在CNN模型的基础上,提高神经网络层数、增加动态卷积核的同时加入了highway网络,从而极大地提高了分类准确率,较好地满足工业化应用的需求,并且较好地防止梯度消失或梯度***的问题。
附图说明
图1为本发明较佳实施例的人工智能客服机器人的问题分类方法的流程图。
图2为本发明较佳实施例的人工智能客服机器人的问题分类***的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
如图1所示,本实施例提供的人工智能客服机器人的问题分类方法包括以下步骤:
步骤101、接收整段问题信息。
在本步骤中,人工智能客服机器人接收用户输入的问题后,即整段问题信息,并且准备进行问题的分类工作。
步骤102、基于CNN模型对整段问题信息进行动态卷积,并且提取若干个主要特征信息。
在本步骤中,在CNN模型的基础上,提高神经网络层数,并且将原有的静态卷积核改为动态卷积核。
步骤103、进行下采样处理,并且从若干个主要特征信息提取若干个目标特征信息。
在本步骤中,对若干个主要特征信息进行下采样处理,从而进一步提取若干个目标特征信息。在本实施例中,并不具体限定主要特征信息及目标特征信息的提取数量,均可根据实际情况及实际算法来提取。
步骤104、若干个目标特征信息通过highway网络。
在本步骤中,提取出的若干个目标特征信息通过highway网络,进行优化,从而部分解决了梯度消失或梯度***的问题。
步骤105、根据若干个目标特征信息并基于Softmax算法输出问题类型信息。
通过所述问题分类方法,在理想情况下,分类准确率可达到98.7%,大大提升了用户体验度。
如图2所示,本实施例还提供一种人工智能客服机器人的问题分类***1,包括问题输入模块11、特征提取模块12及类型输出模块13。
问题输入模块11用于接收整段问题信息,并且将所述整段问题信息发送至特征提取模块12。在本实施例中,人工智能客服机器人用于接收用户输入的问题,即整段问题信息,并且准备进行问题的分类工作。
特征提取模块12用于基于CNN模型对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息。在本实施例中,在CNN模型的基础上,提高神经网络层数,并且将原有的静态卷积核改为动态卷积核。
特征提取模块12还用于对若干个主要特征信息进行下采样处理,并且从若干个主要特征信息提取若干个目标特征信息。在本实施例中,对若干个主要特征信息进行下采样处理,从而进一步提取若干个目标特征信息。在本实施例中,并不具体限定主要特征信息及目标特征信息的提取数量,均可根据实际情况及实际算法来提取。
特征提取模块12还用于将若干个目标特征信息通过highway网络后发送至类型输出模块13。在本实施例中,提取出的若干个目标特征信息通过highway网络,进行优化,从而部分解决了梯度消失或梯度***的问题。
类型输出模块13用于根据若干个目标特征信息并基于softmax算法输出问题类型信息。
使用所述问题分类***,在理想情况下,分类准确率可达到98.7%,大大提升了用户体验度。
本实施例提供的人工智能客服机器人的问题分类方法及***在CNN模型的基础上,提高神经网络层数、增加动态卷积核的同时加入了highway网络,从而极大地提高了分类准确率,较好地满足工业化应用的需求,并且较好地防止梯度消失或梯度***的问题。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种人工智能客服机器人的问题分类方法,其特征在于,所述问题分类方法包括以下步骤:
S1、接收整段问题信息,对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息;
S2、对若干个主要特征信息进行下采样处理,并且从若干个主要特征信息提取若干个目标特征信息;
S3、根据若干个目标特征信息并基于人工智能分类算法输出问题类型信息。
2.如权利要求1所述的问题分类方法,其特征在于,在步骤S1中,基于CNN模型对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息。
3.如权利要求1所述的问题分类方法,其特征在于,在步骤S3中,若干个目标特征信息通过highway网络后,根据若干个目标特征信息并基于人工智能分类算法输出问题类型信息。
4.如权利要求1~3中任意一项所述的问题分类方法,其特征在于,在步骤S3中,所述人工智能分类算法为softmax算法。
5.一种人工智能客服机器人的问题分类***,其特征在于,所述问题分类***包括问题输入模块、特征提取模块及类型输出模块;
所述问题输入模块用于接收整段问题信息,并且将所述整段问题信息发送至所述特征提取模块;
所述特征提取模块用于对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息,所述特征提取模块还用于对若干个主要特征信息进行下采样处理,并且从若干个主要特征信息提取若干个目标特征信息,所述特征提取模块还用于将若干个目标特征信息发送至所述类型输出模块;
所述类型输出模块用于根据若干个目标特征信息并基于人工智能分类算法输出问题类型信息。
6.如权利要求5所述的问题分类***,其特征在于,所述特征提取模块用于基于CNN模型对所述整段问题信息进行动态卷积,并且提取若干个主要特征信息。
7.如权利要求5所述的问题分类***,其特征在于,所述特征提取模块还用于将若干个目标特征信息通过highway网络后发送至所述类型输出模块。
8.如权利要求5~7中任意一项所述的问题分类***,其特征在于,所述人工智能分类算法为softmax算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312838.8A CN107045553A (zh) | 2017-05-05 | 2017-05-05 | 人工智能客服机器人的问题分类方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312838.8A CN107045553A (zh) | 2017-05-05 | 2017-05-05 | 人工智能客服机器人的问题分类方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107045553A true CN107045553A (zh) | 2017-08-15 |
Family
ID=59547158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710312838.8A Pending CN107045553A (zh) | 2017-05-05 | 2017-05-05 | 人工智能客服机器人的问题分类方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107045553A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947932A (zh) * | 2017-10-27 | 2019-06-28 | 中移(苏州)软件技术有限公司 | 一种推送信息分类方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834747A (zh) * | 2015-05-25 | 2015-08-12 | 中国科学院自动化研究所 | 基于卷积神经网络的短文本分类方法 |
CN105574133A (zh) * | 2015-12-15 | 2016-05-11 | 苏州贝多环保技术有限公司 | 一种多模态的智能问答***及方法 |
CN106339718A (zh) * | 2016-08-18 | 2017-01-18 | 苏州大学 | 一种基于神经网络的分类方法及装置 |
-
2017
- 2017-05-05 CN CN201710312838.8A patent/CN107045553A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834747A (zh) * | 2015-05-25 | 2015-08-12 | 中国科学院自动化研究所 | 基于卷积神经网络的短文本分类方法 |
CN105574133A (zh) * | 2015-12-15 | 2016-05-11 | 苏州贝多环保技术有限公司 | 一种多模态的智能问答***及方法 |
CN106339718A (zh) * | 2016-08-18 | 2017-01-18 | 苏州大学 | 一种基于神经网络的分类方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947932A (zh) * | 2017-10-27 | 2019-06-28 | 中移(苏州)软件技术有限公司 | 一种推送信息分类方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108763326B (zh) | 一种基于特征多样化的卷积神经网络的情感分析模型构建方法 | |
CN105184312B (zh) | 一种基于深度学习的文字检测方法及装置 | |
CN108763216A (zh) | 一种基于中文数据集的文本情感分析方法 | |
CN106202032B (zh) | 一种面向微博短文本的情感分析方法及其*** | |
CN107169504B (zh) | 一种基于扩展非线性核残差网络的手写字符识别方法 | |
CN106776713A (zh) | 一种基于词向量语义分析的海量短文本聚类方法 | |
CN107122375A (zh) | 基于图像特征的图像主体的识别方法 | |
CN106445919A (zh) | 一种情感分类方法及装置 | |
CN106294590B (zh) | 一种基于半监督学习的社交网络垃圾用户过滤方法 | |
CN108229341A (zh) | 分类方法和装置、电子设备、计算机存储介质、程序 | |
CN113610540B (zh) | 一种河蟹防伪溯源方法及*** | |
CN109934260A (zh) | 基于随机森林的图文数据融合情感分类方法和装置 | |
CN106506327A (zh) | 一种垃圾邮件识别方法及装置 | |
CN107491729B (zh) | 基于余弦相似度激活的卷积神经网络的手写数字识别方法 | |
CN111143567B (zh) | 一种基于改进神经网络的评论情感分析方法 | |
CN107145573A (zh) | 人工智能客服机器人的问题解答方法及*** | |
CN108153727B (zh) | 利用语义挖掘算法标识营销电话的方法及治理营销电话的*** | |
CN108959265A (zh) | 跨领域文本情感分类方法、装置、计算机设备及存储介质 | |
CN109712108A (zh) | 一种基于多样鉴别性候选框生成网络的针对视觉定位方法 | |
CN105117740A (zh) | 字体识别方法及装置 | |
CN110287311A (zh) | 文本分类方法及装置、存储介质、计算机设备 | |
CN111488732A (zh) | 一种变形关键词检测方法、***及相关设备 | |
Laishram et al. | Simulation and modeling of handwritten Meitei Mayek digits using neural network approach | |
CN115456043A (zh) | 分类模型处理、意图识别方法、装置和计算机设备 | |
CN109359198A (zh) | 一种文本分类方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170815 |