[发明专利]基于对话系统的在线学习方法及装置有效
| 申请号： | 201710041542.7 | 申请日： | 2017-01-20 |
| 公开（公告）号： | CN106844627B | 公开（公告）日： | 2020-06-19 |
| 发明（设计）人： | 简仁贤;马永宁 | 申请（专利权）人： | 竹间智能科技（上海）有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06N3/04;G06N3/08 |
| 代理公司： | 北京酷爱智慧知识产权代理有限公司 11514 | 代理人： | 任媛 |
| 地址： | 200233 上海市浦东新区自由贸*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 对话 系统 在线 学习方法 装置 | ||
1.一种基于对话系统的在线学习方法，其特征在于，包括：
获取用户输入的当前对话信息，以及获取前N轮的历史对话信息；
根据所述当前对话信息，以及所述历史对话信息对预先构建的应答决策器进行更新；
根据所述当前对话信息以及所述更新后的应答决策器，确定当前应答输出；
所述根据所述当前对话信息，以及所述历史对话信息对应答决策器进行更新，具体包括，
将所述当前对话信息输入预先构建的应答决策器，以生成第一回复R1，并将所述第一回复R1输入所述应答决策器以生成第二回复R2，依此，循环m次，以生成一个模拟对话段落R，其中，R＝{R1，R2，…,Ri…Rm}；
采用预先构建的奖励函数，分别对所述前N轮的历史对话信息和所述模拟对话段落进行评分，以分别获取历史评分和当前评分；
根据所述历史评分与所述当前评分的差值对所述应答决策器进行更新。
2.根据权利要求1所述的基于对话系统的在线学习方法，其特征在于，所述奖励函数进行评分的计算规则为，采用A、B、C中的至少一种方式获取评分，其中，
A、计算句与句之间的相互信息熵；
B、通过预先构建的评分模型直接进行评分；
C、统计对话中断的信号次数。
3.根据权利要求1所述的基于对话系统的在线学习方法，其特征在于，所述应答决策器为序列到序列循环神经网络。
4.一种基于对话系统的在线学习装置，其特征在于，包括：
信息获取模块，用于获取用户输入的当前对话信息，以及获取前N轮的历史对话信息；
决策器更新模块，用于根据所述当前对话信息，以及所述历史对话信息对预先构建的应答决策器进行更新；
应答输出模块，用于根据所述当前对话信息以及所述更新后的应答决策器，确定当前应答输出；
所述决策器更新模块，具体用于，
将所述当前对话信息输入预先构建的应答决策器，以生成第一回复R1，并将所述第一回复R1输入所述应答决策器以生成第二回复R2，依此，循环m次，以生成一个模拟对话段落R，其中，R＝{R1，R2，…,Ri…Rm}；
采用预先构建的奖励函数，分别对所述前N轮的历史对话信息和所述模拟对话段落进行评分，以分别获取历史评分和当前评分；
根据所述历史评分与所述当前评分的差值对所述应答决策器进行更新。
5.根据权利要求4所述的基于对话系统的在线学习装置，其特征在于，所述奖励函数进行评分的计算规则为，采用A、B、C中的至少一种方式获取评分，其中，
A、计算句与句之间的相互信息熵；
B、通过预先构建的评分模型直接进行评分；
C、统计对话中断的信号次数。
6.根据权利要求4所述的基于对话系统的在线学习装置，其特征在于，所述应答决策器为序列到序列循环神经网络。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于竹间智能科技（上海）有限公司，未经竹间智能科技（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710041542.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种新型包装盒
- 下一篇：便于产品取放的包装盒
