[發(fā)明專利]多輪對話方法、系統(tǒng)、介質(zhì)及裝置

有效

• 申請?zhí)枺?/td>: 202110049695.2
• 申請日: 2021-01-14
• 公開（公告）號: CN112800192B
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計）人: 楊球松;蘇磊
• 申請（專利權(quán)）人: 云從科技集團(tuán)股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06N20/00;G10L15/26;G10L13/08
• 代理公司: 北京瀚仁知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11482
• 代理人: 宋寶庫;郭婷

本發(fā)明屬于智能語音交互技術(shù)領(lǐng)域，具體涉及一種多輪對話方法、系統(tǒng)、介質(zhì)及裝置。本發(fā)明旨在解決如何在任務(wù)式多輪對話中實(shí)現(xiàn)對話路徑優(yōu)化的技術(shù)問題，從而在保證完成任務(wù)的同時減少對話次數(shù)/輪次。為此目的，本發(fā)明通過將強(qiáng)化學(xué)習(xí)訓(xùn)練的決策智能體作為對話決策模塊DPL的決策模型，從而根據(jù)最大化獎勵值累加和作為訓(xùn)練目標(biāo)而獲得更優(yōu)的決策模型以在任務(wù)式對話中盡量減少對話輪次。如此，優(yōu)化了對話路徑，有效避免了傳統(tǒng)有監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)DPL模塊使用的模型的復(fù)雜高成本的運(yùn)算并降低時間消耗。

技術(shù)領(lǐng)域

本發(fā)明屬于語音交互技術(shù)領(lǐng)域，具體涉及一種多輪對話方法、系統(tǒng)、介質(zhì)及裝置。

背景技術(shù)

在人機(jī)交互系統(tǒng)中往往會使用智能對話技術(shù)，系統(tǒng)通過與用戶對話進(jìn)行信息收集、信息處理以完成既定目標(biāo)。通常稱這種對話形式為任務(wù)型對話，是由任務(wù)驅(qū)動多輪對話的，系統(tǒng)需要協(xié)助用戶完成某種任務(wù)，例如智能導(dǎo)購(訂餐、訂票)、智能認(rèn)證等。現(xiàn)有技術(shù)中，一種智能任務(wù)型的對話管線pipeline實(shí)現(xiàn)原理如圖8所示，主要包括幾個部分(模塊)：槽值填充SLU、對話狀態(tài)追蹤DST、對話策略學(xué)習(xí)DPL、意圖識別NLG(自然語言生成)。在智能門禁這一應(yīng)用場景下，任務(wù)式多輪對話系統(tǒng)可以引導(dǎo)用戶進(jìn)行多輪對話交互，收集必要信息從而完場特定場景下的任務(wù)。比如：用戶的語音轉(zhuǎn)換成文本(Text Utterance)即語音識別后，輸入到SLU分析信息槽的槽值，進(jìn)而預(yù)計了用戶的行為傳送到對話管理部分的DST預(yù)測出對話的狀態(tài)，再將狀態(tài)提供給DPL更新整個系統(tǒng)行為，然后通過NLG給用戶提供識別了用戶意圖的系統(tǒng)響應(yīng)(語音回答)。在整個系統(tǒng)中進(jìn)行引導(dǎo)確定應(yīng)該做出何種響應(yīng)的就是DPL，DPL負(fù)責(zé)系統(tǒng)應(yīng)答動作選取，即決定了系統(tǒng)回答內(nèi)容。為了增強(qiáng)用戶體驗以及系統(tǒng)性能，系統(tǒng)就需要盡可能作出準(zhǔn)確應(yīng)答以及盡可能減少交互輪次，這樣我們就必須有良好性能的DPL模型來實(shí)現(xiàn)對話路徑優(yōu)化。傳統(tǒng)基于規(guī)則的DPL模型無法實(shí)現(xiàn)這種性能，因為所有對話路徑都是人為提前通過邏輯結(jié)構(gòu)設(shè)定好的，對于不能處理的用戶問題都會使用統(tǒng)一回復(fù)。

另一方面，基于有監(jiān)督學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)DPL模型雖然可以在迭代學(xué)習(xí)之后作出更加豐富準(zhǔn)確的應(yīng)答動作。但是需要大量帶標(biāo)簽的多輪對話數(shù)據(jù)來訓(xùn)練模型，數(shù)據(jù)標(biāo)注工作都需要耗費(fèi)大量人力成本和時間成本。

因而，需要改進(jìn)任務(wù)式多輪對話在應(yīng)用時能在保證完成任務(wù)的前提下盡量減少對話輪次即優(yōu)化對話路徑，以及改進(jìn)DPL的決策而盡量單輪準(zhǔn)確應(yīng)答。

發(fā)明內(nèi)容

為了克服上述缺陷，提出了本發(fā)明，以解決或至少部分解決：如何在任務(wù)式多輪對話中實(shí)現(xiàn)對話路徑優(yōu)化的技術(shù)問題，在保證完成任務(wù)的同時減少對話次數(shù)/輪次。本發(fā)明為解決上述技術(shù)問題提供了一種多輪對話方法、系統(tǒng)、介質(zhì)及裝置。

第一方面，本發(fā)明提供一種多輪對話的決策模型訓(xùn)練方法，包括：根據(jù)第m次對話的任務(wù)目標(biāo)，為預(yù)測的系統(tǒng)行為，生成對應(yīng)的用戶的模擬行為，以形成t輪對話；為所述第m次對話中所形成的每一輪對話計算一單輪獎勵值，并在所述第m次對話結(jié)束時給予所述第m次對話一單次獎勵值；根據(jù)N次對話中每一次對話的單次獎勵值、所述每一次對話中所有輪對話的單輪獎勵值、，和強(qiáng)化學(xué)習(xí)算法對所述決策模型進(jìn)行N次訓(xùn)練并更新所述決策模型；其中，t、m、N為大于等于1的自然數(shù)。