[發明專利]一種對多輪對話連貫性質量的評估方法

有效

• 申請號: 201811181214.8
• 申請日: 2018-10-11
• 公開（公告）號: CN109522545B
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 蘭曼;周云曉
• 申請（專利權）人: 華東師范大學
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F16/332
• 代理公司: 上海藍迪專利商標事務所(普通合伙) 31215
• 代理人: 徐筱梅;張翔

1.一種對多輪對話連貫性質量的評估方法，其特征在于采用深度學習對多輪對話進行分層語義建模，在得到各個話語的語義向量表示后對話語序列進行建模，進而得到多輪對話的整體語義信息，其連貫性質量評估按下述步驟進行：

步驟一：利用預訓練的詞向量，通過查表將單個話語中的每個詞初始化為詞向量，并以單個話語的詞向量序列為輸入，利用深度學習模型對單個話語進行語義學習，得到每個話語的語義向量；

步驟二：將單個話語的對話行為類型初始化為對話行為向量表示，然后采用注意力機制，融合單個話語的對話行為向量和單個話語的語義向量，得到單個話語的語義意圖融合向量；

步驟三：針對多輪對話的話語序列，利用單個話語的語義意圖融合向量，構建多輪對話的語義意圖融合向量序列，并以多輪對話的語義意圖融合向量序列為輸入，利用深度學習模型對多輪對話進行學習，得到多輪對話的整體向量；

步驟四：將多輪對話的話語語義向量序列，作為深度學習模型的輸入，對多輪對話進行語義建模，得到多輪對話的整體語義向量，并以多輪對話的對話行為序列為輸入，采用深度學習模型對多輪對話的整體意圖進行學習，得到多輪對話的整體意圖向量；

步驟五：采用注意力機制，融合多輪對話的整體語義向量和整體意圖向量，得到對話整體語義意圖融合向量；

步驟六：綜合步驟三和步驟五分別在不同層面融合對話語義信息和意圖信息得到的對話向量表示，得到對話的整體連貫性向量，并以對話的整體連貫性向量為輸入，利用打分函數，得到多輪對話的連貫性質量評估得分，然后利用交叉熵損失函數計算訓練數據的連貫性得分誤差，通過反向傳播更新模型參數進行模型訓練；

步驟七：將待評估的多輪對話及其對話行為序列輸入已訓練的多輪對話連貫性質量自動評估模型，進行對話的連貫性質量評估和預測得分。