[發明專利]一種用于對話交互系統的數據處理方法及裝置

在審

• 申請號: 201611139722.0
• 申請日: 2016-12-12
• 公開（公告）號: CN106847271A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 高參
• 申請（專利權）人: 北京光年無限科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/16;G06N3/04;G06N3/08
• 代理公司: 北京聿華聯合知識產權代理有限公司11611
• 代理人: 朱繪,張文娟

技術領域

本發明涉及人機交互技術領域，具體地說，涉及一種用于對話交互系統的數據處理方法及裝置。

背景技術

隨著科學技術的不斷發展，信息技術、計算機技術以及人工智能技術的引入，機器人的研究已經逐步走出工業領域，逐漸擴展到了醫療、保健、家庭、娛樂以及服務行業等領域。而人們對于機器人的要求也從簡單重復的機械動作提升為具有擬人問答、自主性及與其他機器人進行交互的智能機器人，人機交互也就成為決定智能機器人發展的重要因素。

對話交互系統作為人機交互系統中的核心模塊，在人機交互系統中扮演著舉足輕重的角色。在日常的人機交互過程中，用戶與機器人之間的對話交互占據了絕大多數的比例。因此，對話交互系統的好壞直接關系到智能機器人產品的用戶體驗，進而影響用戶的去留，如何提升智能機器人的對話交互能力則是亟待解決的問題。

發明內容

為解決上述問題，本發明提供了一種用于對話交互系統的數據處理方法，其包括：

交互數據獲取步驟，獲取用戶輸入的對話交互數據；

對話模型結果生成步驟，對所述對話交互數據進行解析，將解析結果輸入到預設對話生成模型中，得到對話模型結果，其中，所述對話生成模型是基于NRM以及增強學習算法構建的；

反饋數據輸出步驟，根據所述對話模型結果生成相應的反饋數據并輸出。

根據本發明的一個實施例，所述預設對話生成模型包括編碼層和解碼層，其中，所述編碼層用于根據解析得到的分詞結果生成所述分詞結果的全部向量表達和部分向量表達，并對所述全部向量表達和部分向量表達進行拼接，得到拼接結果，所述解碼層用于基于注意力機制根據所述拼接結果生成所述對話模型結果。

根據本發明的一個實施例，所述解碼層基于增強學習算法的神經網絡進行對話模型結果的生成。

根據本發明的一個實施例，在所述增強學習算法中，將MMI函數作為獎勵函數。

根據本發明的一個實施例，所述方法還包括：

模型修正步驟，獲取所述用戶針對所述反饋數據的輸入數據，并根據所述輸入數據對所述預設對話生成模型進行修正。

本發明還提供了一種用于對話交互系統的數據處理裝置，其包括：

交互數據獲取模塊，其用于獲取用戶輸入的對話交互數據；

對話模型結果生成模塊，其用于對所述對話交互數據進行解析，將解析結果輸入到預設對話生成模型中，得到對話模型結果，其中，所述對話生成模型是基于NRM以及增強學習算法構建的；

反饋數據輸出模塊，其用于根據所述對話模型結果生成相應的反饋數據并輸出。

根據本發明的一個實施例，所述預設對話生成模型包括編碼層和解碼層，其中，所述編碼層配置為根據解析得到的分詞結果生成所述分詞結果的全部向量表達和部分向量表達，并對所述全部向量表達和部分向量表達進行拼接，得到拼接結果，所述解碼層配置為基于注意力機制根據所述拼接結果生成所述對話模型結果。

根據本發明的一個實施例，所述解碼層配置為基于增強學習算法的神經網絡進行反饋數據的生成。

根據本發明的一個實施例，在所述增強學習算法中，將MMI函數作為獎勵函數。

根據本發明的一個實施例，所述裝置還包括：

模型修正模塊，其用于獲取所述用戶針對所述反饋數據的輸入數據，并根據所述輸入數據對所述預設對話生成模型進行修正。

相較于現有方法，本發明所提供的用于對話交互系統的數據處理方法能夠基于用戶的提問，生成更合理的答案，同時，本方法還能夠解決當前基于MLE目標函數的編碼層-解碼層框架的對話生成模型生成的反饋結果較為保守的問題，這樣也就使得最終生成并輸出給用戶的反饋數據更加人性化和貼合實際交互場景，從而提高了對話交互系統的用戶體驗。

此外，本方法還能夠通過對目標函數的自定義，來使得對話交互系統與用戶之間的對話交互過程根據更加具有趣味性、多樣性、交互性和持續性，這有助于提高對話交互系統的用戶粘度。

本發明的其它特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發明而了解。本發明的目的和其他優點可通過在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要的附圖做簡單的介紹：

圖1是根據本發明一個實施例的用于對話交互系統的數據處理方法的實現流程示意圖；