[發明專利]在自動聊天中生成響應

有效

• 申請號: 201780064420.8
• 申請日: 2017-06-26
• 公開（公告）號: CN109844743B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 吳先超;陳湛
• 申請（專利權）人: 微軟技術許可有限責任公司
• 主分類號: G06F40/35
• 分類號: G06F40/35;G06F40/205;G06F40/242;G06F16/35;G06F16/332;G06F40/58;G06N3/0464;G06N3/047;G06N3/084;G06N5/04;G06N5/022
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 張立達;王英

1.一種用于在自動聊天中生成響應的方法，包括：

在會話中接收消息；

通過動態記憶網絡(DMN)，至少基于所述消息和所述會話來確定意圖向量，所述意圖向量指示關注點和意圖；以及

至少基于所述意圖向量來生成響應。

2.根據權利要求1所述的方法，其中，所述確定所述意圖向量包括：

至少基于所述消息和所述會話推理出至少一個事實記憶向量；

至少基于所述消息和所述會話推理出至少一個情感記憶向量；以及

基于所述至少一個事實記憶向量和所述至少一個情感記憶向量來生成所述意圖向量。

3.根據權利要求2所述的方法，其中，所述推理出所述至少一個事實記憶向量包括：

從所述會話的事實向量中推理出第一事實記憶向量；以及

從一個或多個候選事實響應的事實向量中推理出第二事實記憶向量。

4.根據權利要求3所述的方法，還包括：

基于所述消息、所述會話、純聊天索引和話題-話題知識圖譜中的至少一個來確定所述一個或多個候選事實響應，

其中，所述話題-話題知識圖譜包括彼此相關聯的多個話題短語。

5.根據權利要求2所述的方法，其中，所述推理出所述至少一個情感記憶向量包括：

從所述會話的情感向量中推理出第一情感記憶向量；以及

從一個或多個候選情感響應的情感向量中推理出第二情感記憶向量。

6.根據權利要求5所述的方法，還包括：

基于所述消息、所述會話、純聊天索引和情感-話題知識圖譜中的至少一個來確定所述一個或多個候選情感響應，

其中，所述情感-話題知識圖譜包括彼此相關聯的多個話題短語和多個情感短語。

7.根據權利要求2所述的方法，其中，所述生成所述響應包括：

至少基于所述意圖向量、所述至少一個事實記憶向量以及所述至少一個情感記憶向量來生成所述響應。

8.根據權利要求1所述的方法，還包括：

建立包括生成器和鑒別器的生成對抗網絡(GAN)，所述生成器至少基于所述DMN，所述鑒別器基于深度語義相似度模型(DSSM)。

9.根據權利要求8所述的方法，其中，

所述鑒別器是通過參考數據和生成數據來訓練的，所述生成數據是由所述生成器基于所述參考數據的樣本而生成的，并且

所述生成器是通過梯度策略來訓練的，所述梯度策略基于由所述鑒別器所提供的回饋。

10.根據權利要求9所述的方法，還包括：

基于所述響應來確定新的參考數據；以及

至少基于所述新的參考數據來更新所述GAN。

11.根據權利要求5所述的方法，其中，所述情感向量是由情感分析分類器生成的，所述情感分析分類器的訓練數據集是通過情感詞典而獲得的，所述情感詞典是至少通過對種子情感詞語執行Word2vec詞語擴展和雙語詞語對準來建立的。

12.根據權利要求11所述的方法，其中，所述情感分析分類器是字符級別的遞歸卷積神經網絡(RCNN)。

13.一種用于在自動聊天中生成響應的裝置，包括：

消息接收模塊，用于在會話中接收消息；

意圖向量確定模塊，用于通過動態記憶網絡(DMN)，至少基于所述消息和所述會話來確定意圖向量，所述意圖向量指示關注點和意圖；以及

響應生成模塊，用于至少基于所述意圖向量來生成響應。