[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

本申請實施例公開了一種智能對話方法、動態存儲方法及裝置，針對深度學習網絡中記憶模塊所保存的歷史問答對，可以根據目標問答對的更新時間確定目標問答對的權重，該目標問答對的更新時間包括目標問答對被保存在記憶模塊中的時間信息，或者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。若記憶模塊所保存的目標問答對的權重低于預設閾值，相當于該目標問答對長時間沒有被用戶所輸入語句匹配到，對于智能對話來說作用很低，所以可以從所述記憶模塊中刪除目標問答對。可以使得深度學習網絡能夠確定所保存的歷史問答對在近期智能對話中起到的作用，從而可以針對性的刪除無用的歷史問答對以降低存儲壓力，提高遍歷效率。

技術領域

本申請涉及數據處理領域，特別是涉及一種智能對話方法、動態存儲方 法和裝置。

背景技術

隨著人工智能技術的發展，對話型人工智能系統應運而生，例如聊天機 器人，智能助理等。這類人工智能系統可以通過分析用戶輸入的語句，給出 合適的答案。

人工智能系統通過深度學習網絡分析用戶輸入的語句時，一般會將用戶 輸入的語句與記憶模塊中保存的歷史問答對(Q-A對)進行全局遍歷，若通 過遍歷匹配到合適的Q-A對，則可以根據所匹配到Q-A對中的答案確定出用 戶所輸入語句對應的答案。

為了提高人工智能系統的交互體驗，深度學習網絡的記憶模塊需要預存 海量的歷史Q-A對，且需要不斷擴充。由此導致人工智能系統在針對用戶輸 入問題所需遍歷的Q-A對越來越多，導致遍歷效率低，相應的給用戶反饋答 案的效率低，影響用戶體驗。

發明內容

為了解決上述技術問題，本申請提供了一種智能對話方法、動態存儲方 法及裝置。

本申請實施例公開了如下技術方案：

第一方面，本申請實施例提供了一種智能對話方法，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。

第二方面，本申請實施例提供了一種用于深度學習網絡的動態存儲方法， 所述方法包括：

確定所述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。

第三方面，本申請實施例提供了一種智能對話裝置，所述裝置包括：

獲取單元，用于獲取分析請求，所述分析請求包括用戶所輸入的語句；

得到單元，用于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；