[發明專利]一種對話應答及應答策略匹配模型的訓練方法和裝置

在審

• 申請號: 202010130939.5
• 申請日: 2020-02-28
• 公開（公告）號: CN113326359A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 徐勝全
• 申請（專利權）人: 浙江大搜車軟件技術有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F40/289;G06F40/30;G06N3/04
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 王劍

本申請提供一種對話應答及應答策略匹配模型的訓練方法和裝置，所述方法包括：對咨詢方在本次對話中發送的對話信息進行向量化處理；解析對話信息向量以確定包含多維度特征的狀態信息向量；將狀態信息向量和本輪對話中對應于對話信息的歷史對話信息的歷史對話信息向量輸入應答策略匹配模型；確定由應答策略匹配模型提取的特征向量所對應的多個應答策略和各個應答策略對應的置信度；將多個應答策略中置信度最高的應答策略作為對話信息對應的應答信息。通過本申請的技術方案，可以解決了基于固定的流程模板進行識別而導致的效率低下問題，確保了所匹配的應答信息的準確性。

技術領域

本申請涉及網絡技術領域，具體涉及一種對話應答及應答策略匹配模型的訓練方法和裝置。

背景技術

對話系統(也稱會話代理)包括具有用于訪問、處理、管理以及傳遞信息的人機接口的代理，通過模擬人類的計算機系統實現與人的交談。隨著電子技術的發展，對話系統已逐步深入社會生活的方方面面，為人們的工作生活提供便利。

在相關技術中，對于接收到的咨詢方發送的問題信息通過事先由人工配置完成的話術流程及話術模板匹配問題信息對應的應答信息，然而，事先由人工配置的話術流程或模板往往內容固定，導致匹配到的應答內容較為死板，甚至缺乏語言理解，因而應答信息的準確性無法保證；而在缺少模板配置的情況下，將無法對咨詢方的提問進行回復，造成應答效率低下等問題。

發明內容

有鑒于此，本申請提供一種對話應答及應答策略匹配模型的訓練方法和裝置，以解決相關技術中的問題。

為實現上述目的，本申請提供技術方案如下：

根據本申請的第一方面，提出了一種對話應答方法，所述方法包括：

在與咨詢方進行本輪對話的過程中，對所述咨詢方在本次對話中發送的對話信息進行向量化處理，以得到與所述對話信息對應的對話信息向量；

解析所述對話信息向量以確定包含多維度特征的狀態信息向量；

將所述狀態信息向量和本輪對話中對應于所述對話信息的歷史對話信息的歷史對話信息向量輸入應答策略匹配模型，其中，所述應答策略匹配模型預先采用包含有應答策略標注信息的對話信息樣本和同一輪對話中對應于所述對話信息樣本的歷史對話信息訓練完成；

確定由所述應答策略匹配模型提取的特征向量所對應的多個應答策略和各個應答策略對應的置信度；

將所述多個應答策略中置信度最高的應答策略作為所述對話信息對應的應答信息。

可選的，所述對本次對話中咨詢方發送的對話信息進行向量化處理，以得到與所述對話信息對應的對話信息向量，包括：

對本次對話中咨詢方發送的對話信息進行分詞處理，以確定所述對話信息字典化后的多個不重疊的詞語；

根據預設的WordEmbedding矩陣確定所述多個不重疊的詞語分別對應的詞向量，以將所述詞向量確定為與所述對話信息對應的對話信息向量。

可選的，所述解析所述對話信息向量以確定包含多維度特征的狀態信息向量，包括：

通過包含BERT優化器、雙向長短期記憶網絡和條件隨機場的神經網絡模型對所述詞向量進行特征提取；

根據所述神經網絡模型提取的特征向量確定所述對話信息向量對應的包含多維度特征的狀態信息向量。

可選的，所述本輪歷史對話的對話信息向量包含所述對話信息向量。

可選的，在將所述狀態信息向量和本輪歷史對話的對話信息向量輸入應答策略匹配模型之前，還包括：

確定匹配于所述狀態信息向量的話術模板；

基于所述狀態信息向量對所述話術模板中的詞槽進行信息填充；