CN110516050A - 一种基于知识图谱的多路径训练场景的构建方法 - Google Patents
一种基于知识图谱的多路径训练场景的构建方法 Download PDFInfo
- Publication number
- CN110516050A CN110516050A CN201910634606.3A CN201910634606A CN110516050A CN 110516050 A CN110516050 A CN 110516050A CN 201910634606 A CN201910634606 A CN 201910634606A CN 110516050 A CN110516050 A CN 110516050A
- Authority
- CN
- China
- Prior art keywords
- map
- scene
- training scene
- training
- art
- 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
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于知识图谱的多路径训练场景的构建方法,包括根据话术问题的意图动机建立主知识图谱,涵盖训练场景中所有的意图,并按照业务模式和环节进行归类和关联;在意图图谱的每一个实体上建立对应的跟此意图相关联的话术问题对;在每一个问题对图谱里建立强关系和弱关系的知识推理路径,包括语义分析和各种知识推理模型;根据所选择的条件生成一个或多个训练场景,主要条件包括训练场景的环节、考核点关键词、问题对数量指标。本发明能够让用户选择千万条路径自动生成的训练场景中的其中一个场景进行训练,极大地提高了创建训练场景的方便性和场景的智能化程度。
Description
技术领域
本发明涉及知识图谱技术领域,具体涉及一种基于知识图谱的多路径训练场景的构建方法。
背景技术
目前,针对人机对练所设定的训练场景还需要人工通过配置流程创建训练场景,场景单一呆板、固化,智能化程度低,费时费力,且无法满足客户灵活多变创建训练场景的真实需求。
发明内容
本发明的目的是提供一种基于知识图谱的多路径训练场景的构建方法,该多路径训练场景能够让用户根据多条路径自由选择某一个训练场景进行人机对练,更加方便灵活。
为实现上述目的,本发明提供了如下方案:
一种基于知识图谱的多路径训练场景的构建方法,包括以下步骤:
(1)构建基于话术意图动机的意图图谱;根据话术问题的意图动机建立主知识图谱,涵盖训练场景中所有的意图,并按照业务模式和环节进行归类和关联;
(2)构建意图图谱上层的问题对图谱;在意图图谱的每一个实体上建立对应的跟此意图相关联的话术问题对;
(3)构建问题对图谱中的强关系和弱关系;在每一个问题对图谱里建立强关系和弱关系的知识推理路径,包括语义分析和各种知识推理模型;
(4)构建多路径分支走向的判断模型;根据所选择的条件生成一个或多个训练场景,主要条件包括训练场景的环节、考核点关键词、问题对数量指标。
进一步的,还包括:
构建人机对练训练场景的话术库;通过销售过程中消费者的问题,并针对问题拟定回复的标准话术,从而形成人机对练的话术库;
优选的,还包括:
构建话术流程框架体系;根据话术的业务模式和环节将话术内容归类,及依据销售流程将话术内容有逻辑的关联构建形成人机训练的场景,形成话术流程框架体系。同时也方便管理者整体管理话术内容,如增加新增的话术或修改完善已落后的话术。
本发明公开了一种基于知识图谱的多路径训练场景的构建方法,能够让用户选择千万条路径自动生成的训练场景中的其中一个场景进行训练,极大地提高了创建训练场景的方便性和场景的智能化程度。
与现在技术相比,本发明具有以下效果:第一,可实现自动创建多条路径的训练场景,甚至是千百个不同训练内容的训练场景,体现场景自动创建的智能化与灵活性。第二,基于知识图谱自动构建的训练场景,比人工手动创建的场景准确性更高,特别是复杂关系场景。第三,基于知识图谱的训练场景包含逻辑关联关系,问题与意图逻辑清晰,层次分明,更贴近真实业务场景。
附图说明
图1是本发明流程示意图;
图2是本发明实施例的意图图谱的结构示意图;
图3是本发明实施例的问题对图谱的结构示意图;
图4是本发明实施例的训练场景路径图;
具体实施方式
下面将结合本发明实施案例中的附图,对本发明实施案例中的技术方案进行清楚、完整的描述,显然,所述的实施例仅是本发明一部分实施例,并不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护的范围。
本发明的目的是提供一种基于知识图谱的多路径训练场景的构建方法,该方法构建的训练场景,能够让用户选择千万条路径自动生成的训练场景中的其中一个场景进行训练。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面将结合附图和具体实施方式对本发明做进一步详细说明。
图1为本发明提供的基于知识图谱多路径训练场景构建方法的实施例的流程示意图,如图1所示,所述的方法包括:
步骤101:构建基于话术意图动机的意图图谱;
根据话术问题的意图动机建立主知识图谱,涵盖训练场景中所有的意图,然后再按照业务模式和环节将意图进行分类,且模拟实际销售推广业务的方法建立意图之间的关联关系,最后形成话术意图图谱。
步骤102:构建意图图谱上层的问题对图谱;
在意图图谱的每一个实体上建立对应的跟此意图相关联的话术问题对,并将问题对进行编码,方便查看问题对归属于哪个意图;
步骤103:构建问题对图谱中的强关系和弱关系;
在每一个问题对图谱里建立强关系和弱关系的知识推理路径,包括语义分析和各种知识推理模型。
其中强关系指的是某一个问题指向下一个问题的路径是确定的,由箭头关系代表的强逻辑推理的下一个节点;弱关系指的是某一个问题指向下一个问题的路径是不确定的,需要通过语义分析或其他知识推理模型进一步确定指向的下一个节点在哪里。
步骤104:构建多路径分支走向的判断模型;
根据所选择的条件生成一个或多个训练场景,主要条件包括训练场景的环节、考核点关键词、问题对数量等指标。
需要说明的是,意图动机是指消费者购买并消费商品时最直接的原因和动力,所以,获取话术的意图动机是从销售过程中消费者的问题抽象出来的,然后再依据销售流程将抽象出的意图有逻辑的关联组合,最终形成的意图图谱便会更贴近实际的销售过程,同时也实现了本发明的目的。
结合多路径分支走向判断模型推理出一个或多个路径生成训练场景,有助于更灵活的建立训练场景,通过选择训练场景的环节、考核点关键词等条件筛选出不同路径的走向,避免创建非常简单或者非常复杂各种不符合真实需求的训练场景,能够让用户选择千万条路径生成的训练场景中的其中一个场景,提高创建训练场景的智能化。
图2为本发明的意图图谱的结构示意图,所述方法包括上述实施例中的步骤101-102,还包括了:
构建意图之间语义关系;意图之间的路径走向是通过语义关系来判定,若语义符合了分支中的某个语义关系,则进入语义关系指向的该意图,最终形成千万条路径中的其中一个场景路径。
图3为本发明问题对图谱的结构示意图,所述方法包括上述第一实施例中的步骤103:
构建问题对图谱中的强关系和弱关系;所述的构建问题对图谱中的强关系和弱关系是在每一个问题对图谱里建立强关系和弱关系的知识推理路径,包括语义分析和各种知识推理模型。
图4为本发明的场景路径图,所述方法包括上述第一实施例中的步骤104:
构建多路径分支走向的判断模型;所述的构建多路径分支走向的判断模型是根据所选择的条件生成一个或多个训练场景,主要条件包括训练场景的环节、考核点关键词、问题对数量等指标。每一条路径自动构建成了一个完整的训练场景。
本文对本发明的原理及实施方式进行了介绍说明,以上实施例的表述只是用于理解本发明的核心思想;同时,本领域普通技术人员依据本发明的思想,在具体的实施例及应用范围上均会有变化之处,但是在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护的范围。
Claims (3)
1.一种基于知识图谱的多路径训练场景的构建方法,其特征在于,包括以下步骤:
(1)构建基于话术意图动机的意图图谱;根据话术问题的意图动机建立主知识图谱,涵盖训练场景中所有的意图,并按照业务模式和环节进行归类和关联;
(2)构建意图图谱上层的问题对图谱;在意图图谱的每一个实体上建立对应的跟此意图相关联的话术问题对;
(3)构建问题对图谱中的强关系和弱关系;在每一个问题对图谱里建立强关系和弱关系的知识推理路径,包括语义分析和各种知识推理模型;
(4)构建多路径分支走向的判断模型;根据所选择的条件生成一个或多个训练场景,主要条件包括训练场景的环节、考核点关键词、问题对数量指标。
2.根据权利要求1所述的一种基于知识图谱的多路径训练场景的构建方法,其特征在于,还包括:
构建人机对练训练场景的话术库;通过销售过程中消费者的问题,并针对问题拟定回复的标准话术或优秀推荐话术,从而形成人机对练的话术库。
3.根据权利要求1或2所述的一种基于知识图谱的多路径训练场景的构建方法,其特征在于,还包括:
构建话术流程框架体系;根据话术的业务模式和环节将话术意图动机进行抽象归类,及依据销售流程将话术内容有逻辑的关联组合形成人机训练的场景,形成话术流程框架体系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634606.3A CN110516050A (zh) | 2019-07-15 | 2019-07-15 | 一种基于知识图谱的多路径训练场景的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634606.3A CN110516050A (zh) | 2019-07-15 | 2019-07-15 | 一种基于知识图谱的多路径训练场景的构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110516050A true CN110516050A (zh) | 2019-11-29 |
Family
ID=68623207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910634606.3A Pending CN110516050A (zh) | 2019-07-15 | 2019-07-15 | 一种基于知识图谱的多路径训练场景的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516050A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309879A (zh) * | 2020-01-20 | 2020-06-19 | 北京文思海辉金信软件有限公司 | 基于知识图谱的人机训练场景构建方法和装置 |
CN111339278A (zh) * | 2020-02-28 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 训练话术生成模型、生成应答话术的方法和装置 |
CN111552814A (zh) * | 2020-03-26 | 2020-08-18 | 平安医疗健康管理股份有限公司 | 基于考核指标图谱的考核方案生成方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589828A (zh) * | 2016-07-07 | 2018-01-16 | 深圳狗尾草智能科技有限公司 | 基于知识图谱的人机交互方法及*** |
CN107590216A (zh) * | 2017-08-31 | 2018-01-16 | 北京百度网讯科技有限公司 | 答案获得方法、装置和计算机设备 |
CN108415932A (zh) * | 2018-01-23 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 人机对话方法及电子设备 |
CN108415898A (zh) * | 2018-01-19 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 深度学习语言模型的词图重打分方法和*** |
CN108509519A (zh) * | 2018-03-09 | 2018-09-07 | 北京邮电大学 | 基于深度学习的通用知识图谱增强问答交互***及方法 |
CN109101624A (zh) * | 2018-08-13 | 2018-12-28 | 腾讯科技(深圳)有限公司 | 对话处理方法、装置、电子设备及存储介质 |
CN109635117A (zh) * | 2018-12-26 | 2019-04-16 | 零犀(北京)科技有限公司 | 一种基于知识图谱识别用户意图方法及装置 |
-
2019
- 2019-07-15 CN CN201910634606.3A patent/CN110516050A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589828A (zh) * | 2016-07-07 | 2018-01-16 | 深圳狗尾草智能科技有限公司 | 基于知识图谱的人机交互方法及*** |
CN107590216A (zh) * | 2017-08-31 | 2018-01-16 | 北京百度网讯科技有限公司 | 答案获得方法、装置和计算机设备 |
CN108415898A (zh) * | 2018-01-19 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 深度学习语言模型的词图重打分方法和*** |
CN108415932A (zh) * | 2018-01-23 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 人机对话方法及电子设备 |
CN108509519A (zh) * | 2018-03-09 | 2018-09-07 | 北京邮电大学 | 基于深度学习的通用知识图谱增强问答交互***及方法 |
CN109101624A (zh) * | 2018-08-13 | 2018-12-28 | 腾讯科技(深圳)有限公司 | 对话处理方法、装置、电子设备及存储介质 |
CN109635117A (zh) * | 2018-12-26 | 2019-04-16 | 零犀(北京)科技有限公司 | 一种基于知识图谱识别用户意图方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309879A (zh) * | 2020-01-20 | 2020-06-19 | 北京文思海辉金信软件有限公司 | 基于知识图谱的人机训练场景构建方法和装置 |
CN111339278A (zh) * | 2020-02-28 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 训练话术生成模型、生成应答话术的方法和装置 |
CN111552814A (zh) * | 2020-03-26 | 2020-08-18 | 平安医疗健康管理股份有限公司 | 基于考核指标图谱的考核方案生成方法及装置 |
CN111552814B (zh) * | 2020-03-26 | 2023-02-03 | 深圳平安医疗健康科技服务有限公司 | 基于考核指标图谱的考核方案生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112784092B (zh) | 一种混合融合模型的跨模态图像文本检索方法 | |
CN110516050A (zh) | 一种基于知识图谱的多路径训练场景的构建方法 | |
CN110147722A (zh) | 一种视频处理方法、视频处理装置及终端设备 | |
CN111212303B (zh) | 视频推荐方法、服务器和计算机可读存储介质 | |
CN110532996A (zh) | 视频分类的方法、信息处理的方法以及服务器 | |
CN108427939A (zh) | 模型生成方法和装置 | |
CN106709037B (zh) | 一种基于异构信息网络的电影推荐方法 | |
CN106022568A (zh) | 一种工作流的处理方法和装置 | |
CN106777971A (zh) | 一种智能导诊方法及其装置 | |
CN109115237A (zh) | 一种乘车位置推荐方法及服务器 | |
CN110032623A (zh) | 用户问句与知识点标题的匹配方法和装置 | |
CN108154198A (zh) | 知识库实体归一方法、***、终端和计算机可读存储介质 | |
CN109508420A (zh) | 一种知识图谱属性的清洗方法及装置 | |
CN109582849A (zh) | 一种基于知识图谱的网络资源智能检索方法 | |
CN109086356A (zh) | 大规模知识图谱的错误连接关系诊断及修正方法 | |
CN114418035A (zh) | 决策树模型生成方法、基于决策树模型的数据推荐方法 | |
CN106204297A (zh) | 一种封闭社交传播意见领袖的识别方法及装置 | |
CN108197203A (zh) | 一种门脸头图挑选方法、装置、服务器和存储介质 | |
CN110263332A (zh) | 一种基于神经网络的自然语言关系抽取方法 | |
CN110782448A (zh) | 渲染图像的评价方法及装置 | |
CN111639169A (zh) | 人机交互方法及装置、计算机可读存储介质及电子设备 | |
CN108038131A (zh) | 数据质量分析预处理方法及装置、存储介质、终端 | |
CN111046213B (zh) | 一种基于图像识别的知识库构建方法 | |
WO2020199962A1 (zh) | 改进传统零售行业货架摆放的方法 | |
CN112884235A (zh) | 出行推荐方法、出行推荐模型的训练方法、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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 608, building 4, No. 299, Longcao Road, Xuhui District, Shanghai 200030 Applicant after: CLP Jinxin software (Shanghai) Co.,Ltd. Address before: Room 608, building 4, No. 299, Longcao Road, Xuhui District, Shanghai 200030 Applicant before: Shanghai Wensi Haihui Jinxin Software Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |