(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111493640.7 (22)申请日 2021.12.08 (71)申请人 中信银行股份有限公司 地址 100020 北京市朝阳区光 华路10号院1 号楼6-30层、 32-42层 (72)发明人 侯乐　王恩典　陈浩　钟蔚伟　 (74)专利代理 机构 北京市兰台律师事务所 11354 代理人 操飞越　张峰 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/08(2006.01) G06F 16/332(2019.01) (54)发明名称 一种报表机器人多轮对话策略预测方法及 系统 (57)摘要 本发明提供了一种报表机器人多轮对话策 略预测方法及系统， 涉及人工智能相关技术领 域， 方法包括： 获得第一用户的第一输入信息； 获 得第一格式标准化指令， 根据第一格式标准化指 令将第一输入信息进行格式标准化处理， 获得第 一文本输入 数据； 通过词袋模型将第一文本输入 数据进行向量化处理， 获得第一处理结果； 将第 一处理结果输入K ‑Bert神经网络预训练模型， 通 过K‑Bert神经网络预训练模型进行第一处理结 果的特征提取和特征转换， 输出第一向量和第二 向量； 获得第一向量运算规则， 基于第一向量运 算规则进行第一向量和第二向量的向量运算， 获 得第一运算结果， 结合第一检索数据库获得第一 对话预测结果。 解决了 现有技术中存在对话策略 预测稳定性弱的技 术问题。 权利要求书2页 说明书11页 附图2页 CN 114239941 A 2022.03.25 CN 114239941 A 1.一种报表机器人多轮对话策略预测方法， 其中， 所述方法包括： 获得第一用户的第一输入信息； 获得第一格式标准化指令， 根据所述第 一格式标准化指令将所述第 一输入信 息进行格 式标准化处理， 获得第一文本 输入数据； 通过词袋模型将所述第一文本 输入数据进行向量 化处理， 获得第一处 理结果； 将所述第一处理结果输入K ‑Bert神经网络预训练模型， 通过所述K ‑Bert神经网络预训 练模型进行 所述第一处 理结果的特 征提取和特 征转换， 输出第一向量和第二向量； 获得第一向量运算规则， 基于所述第 一向量运算规则进行所述第 一向量和所述第 二向 量的向量 运算， 获得第一 运算结果； 基于所述第一 运算结果和第一检索数据库获得第一对话预测结果。 2.如权利要求1所述的方法， 其中， 所述获得第一用户的第一输入信息， 还 包括： 获得所述第一用户的第一输入文本， 将所述第一输入文本作为第一维度数据； 获得Slot词槽信息， 将所述Sl ot词槽信息作为第二维度数据； 基于所述第一维度数据和所述第二维度数据获得 所述第一输入信息 。 3.如权利要求2所述的方法， 其中， 所述方法还 包括： 获得所述第一用户的历史对话信息， 将所述历史对话信息作为第三维度数据； 对所述历史对话信息进行所述第一用户的意图解析， 获得第一意图解析结果， 将所述 第一意图解析 结果作为第四维度数据； 基于所述第一维度数据、 所述第二维度数据、 所述第三维度数据和所述第 四维度数据 获得所述第一输入信息 。 4.如权利要求1所述的方法， 其中， 所述方法还 包括： 获得BERT预训参数集 合； 构建K‑Bert神经网络预训练模型， 通过所述K ‑Bert神经网络预训练模型进行所述BERT 预训参数集合参数加载， 通过进 行所述BERT 预训参数集合参数加载后的所述K ‑Bert神经网 络预训练模型进行 所述第一处 理结果的特 征提取和特 征转换。 5.如权利要求1所述的方法， 其中， 所述获得第一向量运算规则， 基于所述第一向量运 算规则进行 所述第一向量和所述第二向量的向量 运算， 获得第一 运算结果， 还 包括： 将所述第一向量和所述第二向量映射至同一向量语义空间， 获得第一映射结果； 通过所述第 一映射结果进行所述第 一向量和所述第 二向量点乘运算， 获得所述第 一运 算结果。 6.如权利要求5所述的方法， 其中， 所述通过所述第 一映射结果进行所述第 一向量和所 述第二向量 点乘运算， 获得所述第一 运算结果， 还 包括： 通过所述第 一映射结果进行所述第 一向量和所述第 二向量点乘运算， 获得第 一正样本 相似度的最大值数据和第一负 样本相似度的最小值数据； 通过所述最大值数据和所述 最小值数据进行损失函数构建， 获得第一构建结果； 通过所述第一构建结果获得 所述第一 运算结果。 7.如权利要求6所述的方法， 其中， 所述方法还 包括： 通过历史对话数据库构建所述第一检索数据库； 通过所述第 一运算结果进行所述第 一检索数据库的顺序排序， 获得第 一顺序检索数据权　利　要　求　书 1/2 页 2 CN 114239941 A 2库； 通过所述第一 顺序检索数据库获得 所述第一对话预测结果。 8.一种报表机器人多轮对话策略预测系统， 其中， 所述系统包括： 第一获得 单元， 所述第一获得 单元用于获得第一用户的第一输入信息； 第一处理单元， 所述第一处理单元用于获得第一格式标准化指令， 根据所述第一格式 标准化指令将所述第一输入信息进行格式标准 化处理， 获得第一文本 输入数据； 第二处理单元， 所述第 二处理单元用于通过词袋模型将所述第 一文本输入数据进行向 量化处理， 获得第一处 理结果； 第三处理单元， 所述第三处理单元用于将所述第一处理结果输入K ‑Bert神经网络预训 练模型， 通过所述K ‑Bert神经网络预训练模 型进行所述第一处理结果的特征提取和特征转 换， 输出第一向量和第二向量； 第四处理单元， 第四处理单元用于获得第一向量运算规则， 基于所述第一向量运算规 则进行所述第一向量和所述第二向量的向量 运算， 获得第一 运算结果； 第二获得单元， 所述第 二获得单元用于基于所述第 一运算结果和第 一检索数据库获得 第一对话预测结果。 9.一种报表机器人多轮对话策略预测系统， 包括： 处理器， 所述处理器与存储器耦合， 所述存储器用于存储程序， 当所述程序被所述处理器执行时， 使系统以执行如权利要求 1至 7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114239941 A 3