[發(fā)明專利]一種基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010146607.6
• 申請(qǐng)日: 2020-03-05
• 公開(kāi)（公告）號(hào): CN111400466A
• 公開(kāi)（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 唐杰聰;張磊;羅樋;郭銳鵬
• 申請(qǐng)（專利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/33;G06N3/04;G06N20/00
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 周永君;王濤

本發(fā)明提供一種基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法及裝置，所述方法包括：接收用戶輸入的話語(yǔ)；根據(jù)所述用戶輸入的話語(yǔ)，獲得多個(gè)應(yīng)答動(dòng)作；根據(jù)所述用戶輸入的話語(yǔ)、所述多個(gè)應(yīng)答動(dòng)作以及應(yīng)答選擇模型，獲得所述用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作；其中，所述應(yīng)答選擇模型是基于話語(yǔ)樣本訓(xùn)練數(shù)據(jù)以及強(qiáng)化學(xué)習(xí)模型訓(xùn)練后獲得的；根據(jù)所述用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作，生成應(yīng)答話語(yǔ)。所述裝置用于執(zhí)行上述方法。本發(fā)明實(shí)施例提供的基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法及裝置，提高了對(duì)用戶輸入的話語(yǔ)的應(yīng)答的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體涉及一種基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法及裝置。

背景技術(shù)

隨著人工智能技術(shù)發(fā)展，智能對(duì)話系統(tǒng)越來(lái)越普遍，廣泛應(yīng)用于智能客服、個(gè)人助理、社交聊天等領(lǐng)域。

由于設(shè)計(jì)人員的思維局限性以及數(shù)據(jù)、存儲(chǔ)、計(jì)算能力的限制，智能對(duì)話系統(tǒng)無(wú)法完全考慮到用戶提出的各式各樣的問(wèn)題。當(dāng)智能對(duì)話系統(tǒng)遇到設(shè)計(jì)之初未考慮到的問(wèn)題時(shí)，針對(duì)上述問(wèn)題的應(yīng)答動(dòng)作可以被看作是隨機(jī)應(yīng)答，往往無(wú)法正確回應(yīng)用戶提出的問(wèn)題，使用戶感到答非所問(wèn)。對(duì)此，現(xiàn)有技術(shù)中智能對(duì)話系統(tǒng)的解決方法是根據(jù)智能對(duì)話系統(tǒng)上線運(yùn)行后積累的用戶反饋信息在每一次的系統(tǒng)版本更新中進(jìn)行針對(duì)性的優(yōu)化。對(duì)某個(gè)錯(cuò)誤應(yīng)答的問(wèn)題最早要在下一個(gè)版本上修復(fù)，而每個(gè)系統(tǒng)版本更新又有著大量的模型代碼修改及相應(yīng)的上線測(cè)試，以至于同樣的錯(cuò)誤應(yīng)答會(huì)長(zhǎng)時(shí)間存在于系統(tǒng)之上，這種解決辦法難免更新不及時(shí)，需要較長(zhǎng)的周期解決智能對(duì)話系統(tǒng)出現(xiàn)的問(wèn)題。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的問(wèn)題，本發(fā)明實(shí)施例提供一種基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法及裝置，能夠至少部分地解決現(xiàn)有技術(shù)中存在的問(wèn)題。

一方面，本發(fā)明提出一種基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法，包括：

接收用戶輸入的話語(yǔ)；

根據(jù)所述用戶輸入的話語(yǔ)，獲得多個(gè)應(yīng)答動(dòng)作；

根據(jù)所述用戶輸入的話語(yǔ)、所述多個(gè)應(yīng)答動(dòng)作以及應(yīng)答選擇模型，獲得所述用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作；其中，所述應(yīng)答選擇模型是基于話語(yǔ)樣本訓(xùn)練數(shù)據(jù)以及強(qiáng)化學(xué)習(xí)模型訓(xùn)練后獲得的；

根據(jù)所述用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作，生成應(yīng)答話語(yǔ)。

另一方面，本發(fā)明提供一種基于強(qiáng)化學(xué)習(xí)的智能對(duì)話裝置，包括：

接收單元，用于接收用戶輸入的話語(yǔ)；

獲得單元，用于根據(jù)所述用戶輸入的話語(yǔ)，獲得多個(gè)應(yīng)答動(dòng)作；

選擇單元，用于根據(jù)所述用戶輸入的話語(yǔ)、所述多個(gè)應(yīng)答動(dòng)作以及應(yīng)答選擇模型，獲得所述用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作；其中，所述應(yīng)答選擇模型是基于話語(yǔ)樣本訓(xùn)練數(shù)據(jù)以及強(qiáng)化學(xué)習(xí)模型訓(xùn)練后獲得的；

生成單元，用于根據(jù)所述用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作，生成應(yīng)答話語(yǔ)。

再一方面，本發(fā)明提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)上述任一實(shí)施例所述基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法的步驟。

又一方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一實(shí)施例所述基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法的步驟。

本發(fā)明實(shí)施例提供的基于強(qiáng)化學(xué)習(xí)的智能對(duì)話方法及裝置，能夠接收用戶輸入的話語(yǔ)，根據(jù)用戶輸入的話語(yǔ)，獲得多個(gè)應(yīng)答動(dòng)作，根據(jù)用戶輸入的話語(yǔ)、多個(gè)應(yīng)答動(dòng)作以及應(yīng)答選擇模型，獲得用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作，根據(jù)用戶輸入的話語(yǔ)對(duì)應(yīng)的最佳應(yīng)答動(dòng)作，生成應(yīng)答話語(yǔ)，通過(guò)應(yīng)答選擇模型從多個(gè)應(yīng)答動(dòng)作中選擇出合適的應(yīng)答動(dòng)作以生成應(yīng)答話語(yǔ)，提高了對(duì)用戶輸入的話語(yǔ)的應(yīng)答的準(zhǔn)確性。

附圖說(shuō)明