[發(fā)明專利]對話處理方法、問句改寫模型的訓(xùn)練方法及其裝置

在審

• 申請?zhí)枺?/td>: 202210195537.2
• 申請日: 2022-03-01
• 公開（公告）號: CN114626385A
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計）人: 劉航;陳蒙
• 申請（專利權(quán)）人: 京東科技信息技術(shù)有限公司
• 主分類號: G06F40/35
• 分類號: G06F40/35;G06F40/289;G06F16/332;G06F16/335
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 杜月

1.一種對話處理方法，其特征在于，所述方法應(yīng)用在對話系統(tǒng)中，所述對話系統(tǒng)中具有問句改寫模型，所述問句改寫模型包括編碼層和解碼層，所述編碼層包括語義表示層和關(guān)鍵詞分析層，所述方法包括：

獲取待回復(fù)的用戶問句；

在確定所述用戶問句存在信息缺失的情況下，獲取所述用戶問句的歷史對話內(nèi)容，其中，所述用戶問句所在的輪次與所述歷史對話內(nèi)容所在的輪次之間的輪次差值小于預(yù)設(shè)輪次閾值；

將所述歷史對話內(nèi)容和所述用戶問句輸入到所述語義表示層，以得到所述歷史對話內(nèi)容中各個詞語的語義表示向量和所述用戶問句中各個詞語的語義表示向量；

將所述歷史對話內(nèi)容中各個詞語的語義表示向量輸入到所述關(guān)鍵詞分析層中，以得到所述歷史對話內(nèi)容中各個詞語的關(guān)鍵詞得分；

將所述用戶問句中各個詞語的語義表示向量、所述歷史對話內(nèi)容中各個詞語的語義表示向量和關(guān)鍵詞得分輸入到所述解碼層，以得到信息完整的改寫后的用戶問句；

獲取與所述改寫后的用戶問句的回復(fù)信息，并輸出所述回復(fù)信息。

2.如權(quán)利要求1所述的方法，其特征在于，所述將所述歷史對話內(nèi)容中各個詞語的語義表示向量輸入到所述關(guān)鍵詞分析層中，以得到所述歷史對話內(nèi)容中各個詞語的關(guān)鍵詞得分，包括：

根據(jù)所述多個詞語中各個詞語的語義表示向量，確定各個詞語之間的語義相關(guān)度；

根據(jù)各個詞語之間的語義相關(guān)度，確定各個詞語的關(guān)鍵詞得分。

3.如權(quán)利要求2所述的方法，其特征在于，所述根據(jù)各個詞語之間的語義相關(guān)度，確定各個詞語的關(guān)鍵詞得分，包括：

根據(jù)各個詞語之間的語義相關(guān)度，確定各個詞語的重要性得分；

根據(jù)各個詞語的重要性得分，確定各個詞語的關(guān)鍵詞得分。

4.如權(quán)利要求1-3任一項所述的方法，其特征在于，所述將所述用戶問句中各個詞語的語義表示向量、所述歷史對話內(nèi)容中各個詞語的語義表示向量和關(guān)鍵詞得分輸入到所述解碼層，以得到信息完整的改寫后的用戶問句，包括：

對所述用戶問句中各個詞語的語義表示向量進(jìn)行解碼，以得到所述用戶問句；

根據(jù)所述歷史對話內(nèi)容中各個詞語的語義表示向量，確定所述歷史對話內(nèi)容中各個詞語的初始詞匯概率；

根據(jù)所述歷史對話內(nèi)容中各個詞語的語義表示向量的關(guān)鍵詞得分和初始詞匯概率，確定所述歷史對話內(nèi)容中各個詞語的目標(biāo)詞匯概率；

根據(jù)所述歷史對話內(nèi)容中各個詞語的目標(biāo)詞匯概率，選擇出目標(biāo)詞匯概率最大的詞語作為目標(biāo)詞語；

根據(jù)所述目標(biāo)詞語，對所述用戶問句所缺失的信息進(jìn)行填充，以得到信息完整的改寫后的用戶問句。

5.如權(quán)利要求1-3任一項所述的方法，其特征在于，在所述將所述歷史對話內(nèi)容和所述用戶問句輸入到所述語義表示層，以得到所述歷史對話內(nèi)容中各個詞語的語義表示向量和所述用戶問句中各個詞語的語義表示向量之前，所述方法還包括：

對所述歷史對話內(nèi)容進(jìn)行分詞，以得到所述歷史對話內(nèi)容中的各個詞語；

將所述歷史對話內(nèi)容中的各個詞語，與噪聲詞表中的噪聲詞進(jìn)行匹配；

將所述歷史對話內(nèi)容中與所述噪聲詞匹配的詞語刪除。