[發明專利]一種人機對話方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201910792348.1
• 申請日: 2019-08-26
• 公開（公告）號: CN110609618B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 徐金夢;操玉琴;金建良;吳林強;許琮浩
• 申請（專利權）人: 杭州城市大數據運營有限公司;湖州市大數據運營有限公司;杭州中云數據科技有限公司
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F16/332;G06F16/33
• 代理公司: 杭州鼎乎專利代理事務所(普通合伙) 33377
• 代理人: 黃勇

本發明適用于計算機技術領域，提供了一種人機對話方法、裝置、計算機設備及存儲介質，所述人機對話方法包括：獲取對話信息；對所述對話信息分別進行專業領域識別處理以及意圖識別處理；分別對不同意圖類型的對話信息采用不同的模型進行處理，獲取更新后的對話狀態；根據更新后的對話狀態生成對應的對話動作；根據所述對話動作生成自然語言并輸出。本發明提供的人機對話方法能夠先對對話信息進行專業領域識別處理，提高了對話信息意圖的識別準確率，同時采用預先基于強化學習訓練生成的對話動作生成模型，有效地提高了系統的魯棒性。

專業領域

本發明屬于計算機技術領域，尤其涉及一種人機對話方法、裝置、計算機設備及存儲介質。

背景技術

近些年來，隨著人工智能技術的迅猛發展，人機交互領域有了巨大的進步。而人機對話系統是人機交互中十分重要的一個子領域，在虛擬個人助手應用中扮演著非常重要的角色。其主要的功能是通過對用戶自然語言的理解，幫助用戶完成某項特定的任務，比如預定電影票等。

現有的人機交互對話系統一般包含較為復雜的模塊化流程，包含如領域識別、意圖識別、槽填充、對話狀態追蹤模塊、策略學習在內等諸多的子模塊。雖然每種子模塊都有著不俗的表現，但是各個模塊之間存在著極強的耦合性，互相依賴，互相影響，導致把各個子模塊組合到一起時，整個人機交互對話系統會出現魯棒性差的問題。

可見，現有的人機交互對話系統還存在著各模塊互相依賴、互相影響而導致魯棒性差的問題。

發明內容

本發明實施例的目的在于提供一種人機對話方法，旨在解決現有的人機交互對話系統還存在的因各模塊互相依賴、互相影響而導致魯棒性差的技術問題。

本發明實施例是這樣實現的，一種人機對話方法，所述人機對話方法包括：

獲取用戶輸入的對話信息；

對所述對話信息進行專業領域識別處理，獲取所述對話信息的專業領域；

根據所述對話信息的專業領域采用預設的與所述專業領域對應的意圖識別模型對所述對話信息進行意圖識別處理，獲取所述對話信息的意圖類型；

對意圖類型為詢問的對話信息采用預設的詢問模型進行處理，獲取更新后的對話狀態；

對意圖類型為通知的對話信息識別所述對話信息中的槽信息，并獲取更新后的對話狀態；

根據所述更新后的對話狀態，采用預先基于強化學習訓練生成的對話動作生成模型，生成與所述更新后的對話狀態所對應的對話動作；

根據所述對話動作生成自然語言并輸出。

本發明實施例的另一目的在于提供一種人機對話裝置，所述人機對話裝置包括：

對話信息獲取單元，用于獲取用戶輸入的對話信息；

專業領域識別單元，用于對所述對話信息進行專業領域識別處理，獲取所述對話信息的專業領域；

意圖類型識別單元，用于根據所述對話信息的專業領域采用預設的與所述專業領域對應的意圖識別模型對所述對話信息進行意圖識別處理，獲取所述對話信息的意圖類型；

詢問意圖處理單元，用于對意圖類型為詢問的對話信息采用預設的詢問模型進行處理，獲取更新后的對話狀態；

通知意圖處理單元，用于對意圖類型為通知的對話信息識別所述對話信息中的槽信息，并獲取更新后的對話狀態；

對話動作生成單元，用于根據所述更新后的對話狀態，采用預先基于強化學習訓練生成的對話動作生成模型，生成與所述更新后的對話狀態所對應的對話動作；

自然語言生成單元，用于根據所述對話動作生成自然語言并輸出。