[發(fā)明專利]人機對話方法及系統(tǒng)、計算機設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010966100.5
• 申請日: 2020-09-15
• 公開（公告）號: CN112100353A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計）人: 梁天新
• 申請（專利權(quán)）人: 京東方科技集團股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/30;G10L15/16;G10L15/183;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 付生輝

1.一種人機對話方法，其特征在于，包括：

獲取用戶輸入的當前對話語句；

將所述當前對話語句和在當前對話語句之前獲取的前序?qū)υ捳Z句的目標類型及目標實體作為所述神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第一神經(jīng)網(wǎng)絡(luò)模塊的輸入，通過所述第一神經(jīng)網(wǎng)絡(luò)模塊進行特征提取，生成當前對話語句的目標類型及目標實體；

將所述當前對話語句、所述當前對話語句的目標類型及目標實體和知識庫數(shù)據(jù)作為所述神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第二神經(jīng)網(wǎng)絡(luò)模塊的輸入，通過所述第二神經(jīng)網(wǎng)絡(luò)模塊進行特征提取及分類，生成回復(fù)語句。

2.根據(jù)權(quán)利要求1所述的人機對話方法，其特征在于，所述將所述當前對話語句和在當前對話語句之前獲取的前序?qū)υ捳Z句的目標類型及目標實體作為所述神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第一神經(jīng)網(wǎng)絡(luò)模塊的輸入，通過所述第一神經(jīng)網(wǎng)絡(luò)模塊進行特征提取，生成當前對話語句的目標類型及目標實體包括：

對于當前對話語句為初始對話語句的情況，將所述當前對話語句和預(yù)設(shè)的目標類型及目標實體作為所述神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第一神經(jīng)網(wǎng)絡(luò)模塊的輸入，通過所述第一神經(jīng)網(wǎng)絡(luò)模塊進行特征提取，生成當前對話語句的目標類型及目標實體。

3.根據(jù)權(quán)利要求1所述的人機對話方法，其特征在于，所述將所述當前對話語句和在當前對話語句之前獲取的前序?qū)υ捳Z句的目標類型及目標實體作為所述神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第一神經(jīng)網(wǎng)絡(luò)模塊的輸入，通過所述第一神經(jīng)網(wǎng)絡(luò)模塊進行特征提取，生成當前對話語句的目標類型及目標實體包括：

將所述當前對話語句作為所述第一神經(jīng)網(wǎng)絡(luò)模塊的第一迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型的輸入，通過所述第一迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型進行特征提取，生成表征當前對話目標是否完成的第一向量；

將所述第一向量和在當前對話語句之前獲取的前序?qū)υ捳Z句的目標類型及目標實體作為所述第一神經(jīng)網(wǎng)絡(luò)模塊的第二迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型的輸入，通過所述第二迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型進行特征提取，生成當前對話語句的目標類型及目標實體。

4.根據(jù)權(quán)利要求3所述的人機對話方法，其特征在于，

所述通過所述第一迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型進行特征提取，生成表征當前對話目標是否完成的第一向量包括：通過所述第一迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型進行特征提取，由所述第一迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型的池化層生成表征當前對話目標是否完成的第一向量；

所述通過所述第二迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型進行特征提取，生成當前對話語句的目標類型及目標實體包括：通過所述第二迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型進行特征提取，由所述第二迭代空洞卷積神經(jīng)網(wǎng)絡(luò)模型的全連接層生成當前對話語句的目標類型及目標實體。

5.根據(jù)權(quán)利要求1所述的人機對話方法，其特征在于，所述將所述當前對話語句、所述當前對話語句的目標類型及目標實體和知識庫數(shù)據(jù)作為所述神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第二神經(jīng)網(wǎng)絡(luò)模塊的輸入，通過所述第二神經(jīng)網(wǎng)絡(luò)模塊進行特征提取及分類，生成回復(fù)語句包括：

將所述當前對話語句作為所述第二神經(jīng)網(wǎng)絡(luò)模塊的自然語言處理模型的輸入，通過所述自然語言處理模型進行編碼以提取語義，生成第二向量；

將所述當前對話語句的目標類型及目標實體作為所述第二神經(jīng)網(wǎng)絡(luò)模塊的第一雙向門控循環(huán)單元模型的輸入，通過所述第一雙向門控循環(huán)單元模型進行編碼，生成第三向量；

將所述第二向量與所述第三向量進行合并，得到第四向量；

將所述知識庫數(shù)據(jù)作為所述第二神經(jīng)網(wǎng)絡(luò)模塊的第二雙向門控循環(huán)單元模型的輸入，通過所述第二雙向門控循環(huán)單元模型進行編碼，生成第五向量；

對所述第四向量和所述第五向量進行注意力機制運算，得到第六向量；

對所述第五向量與所述第六向量進行合并，得到第七向量；

將所述第七向量作為所述第二神經(jīng)網(wǎng)絡(luò)模塊的單層神經(jīng)網(wǎng)絡(luò)模型的輸入，通過所述單層神經(jīng)網(wǎng)絡(luò)模型進行分類，生成回復(fù)語句。

6.根據(jù)權(quán)利要求1所述的人機對話方法，其特征在于，在所述將所述當前對話語句和知識庫數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入，通過所述神經(jīng)網(wǎng)絡(luò)系統(tǒng)進行特征提取及分類，生成回復(fù)語句之前，該方法還包括：

利用訓(xùn)練數(shù)據(jù)訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)系統(tǒng)，所述訓(xùn)練數(shù)據(jù)包括對話序列、候選回復(fù)語句、知識庫數(shù)據(jù)和目標推薦序列，所述對話序列包括聊天對話、問答對話和推薦對話。