[發明專利]一種智能對話方法、動態存儲方法和裝置

在審

• 申請號: 201811456082.5
• 申請日: 2018-11-30
• 公開（公告）號: CN110162603A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 晁陽;陸遙;李東
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種智能對話方法，其特征在于，所述方法包括：

獲取分析請求，所述分析請求包括用戶所輸入的語句；

根據向量訓練模型訓練所述語句，得到所述語句對應的句向量；

根據深度學習網絡確定記憶模塊所保存的歷史問答對中是否具有與所述句向量匹配的歷史問答對；在所述深度學習網絡的記憶模塊中，所述保存的歷史問答對的權重大于等于預設閾值，所述保存的歷史問答對中的任意一個歷史問答對的權重是根據所述歷史問答對的更新時間確定的；所述歷史問答對的更新時間包括所述歷史問答對被保存在所述記憶模塊中的時間信息，或者所述歷史問答對被用戶所輸入語句對應的句向量匹配到的時間信息；

根據與所述句向量匹配的歷史問答對，確定返回給所述用戶的交互內容。

2.根據權利要求1所述的方法，其特征在于，在所述根據向量訓練模型訓練所述語句，得到所述語句對應的句向量的過程中，包括：

在訓練的前n輪中不改變所述向量訓練模型的內部參數，n小于訓練得到所述語句對應句向量的總訓練輪數。

3.根據權利要求1或2所述的方法，其特征在于，所述分析請求中還包括所述用戶的標識，所述方法還包括：

根據所述用戶的標識查找到所述用戶在智能對話中所涉及的目標事實類型，所述目標事實類型是根據所述用戶在智能對話中所輸入的歷史語句確定的；

所述根據深度學習網絡確定記憶模塊所保存的歷史問答對中是否具有與所述句向量匹配的歷史問答對，包括：

若根據所述句向量確定出多個事實類型，且所述多個事實類型中包括所述目標事實類型，根據所述深度學習網絡優先確定符合所述目標事實類型的歷史問答對中是否具有與所述句向量匹配的歷史問答對。

4.根據權利要求1或2所述的方法，其特征在于，所述分析請求中還包括所述用戶的標識，所述方法還包括：

根據所述用戶的標識查找到所述用戶在智能對話中所涉及的目標事實類型，所述目標事實類型是根據所述用戶在智能對話中所輸入的歷史語句確定的；

所述根據深度學習網絡確定記憶模塊所保存的歷史問答對中是否具有與所述句向量匹配的歷史問答對，包括：

獲取所述記憶模塊所保存的歷史問答對中符合所述目標事實類型的歷史問答對；

根據所述深度學習網絡優先確定符合所述目標事實類型的歷史問答對中是否具有與所述句向量匹配的歷史問答對。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據確定權重時的目標時間，確定歷史問答對的更新時間與所述目標時間的時間差值；

根據所述時間差值調整所述歷史問答對的權重。

6.根據權利要求5所述的方法，其特征在于，所述根據所述時間差值調整所述歷史問答對的權重，包括：

若所述時間差值大于等于預設值，降低所述歷史問答對的權重；

若所述時間差值小于預設值，提高所述歷史問答對的權重。

7.一種用于深度學習網絡的動態存儲方法，其特征在于，所述方法包括：

確定深度學習網絡中記憶模塊所保存的歷史問答對的權重；其中，目標問答對的權重是根據所述目標問答對的更新時間確定的；所述目標問答對為所述記憶模塊所保存的歷史問答對中的任意一個歷史問答對；所述目標問答對的更新時間包括所述目標問答對被保存在所述記憶模塊中的時間信息，或者所述目標問答對被用戶所輸入語句對應的句向量匹配到的時間信息；

若所述目標問答對的權重低于預設閾值，從所述記憶模塊中刪除所述目標問答對。

8.根據權利要求7所述的方法，其特征在于，所述目標問答對的權重是根據所述目標問答對的更新時間確定的，包括：

所述目標問答對的權重是根據所述目標問答對與所述記憶模塊中其他歷史問答對的相關性，以及所述目標問答對的更新時間確定的。