[发明专利]基于混合知识管理的对话方法、装置和电子设备

说明书

本发明提供一种基于混合知识管理的对话方法、装置和电子设备，包括：将当前轮次询问语句和对话模型上一轮次输出的回复语句拼接后进行向量化预处理，得到输入向量；将输入向量和对话模型上一轮次输出状态关键词向量输入对话模型，输出当前轮次的回复语句和状态关键词向量；其中，对话模型是基于对话数据集进行训练得到的，对话数据集中的每个对话数据均包括多轮询问语句样本，对应的多轮回复语句标签和多轮状态关键词标签，对话模型训练时以对话数据为单位进行训练，询问语句样本为结构化分词语句或非结构化分词语句。本发明提供的方法、装置和电子设备，能处理用户非结构化的询问语句并生成相应的回复语句，扩大了能处理的自然语言的范围。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种基于混合知识管理的对话方法、装置和电子设备。

背景技术

构建智能对话系统，使其能够用自然语言与人类进行交流，是人工智能的一个重要研究方向。特别地，任务型对话系统用于帮助人类在特定领域下完成特定任务，在自助终端、智能客服等业务中有着广泛的应用前景，因而得到了研究界和工业界的重点关注。现阶段的任务型对话系统普遍管理结构化的知识(例如表格、数据库等)，来指导其在生成回复时为用户提供有用的信息。一般而言，任务型对话系统的工作流程可以描述为：系统首先对来自用户的语句进行语义理解，并分析追踪用户的意图，将其表示为状态关键词；然后，系统根据状态关键词进行结构化数据查询，搜索得到相关的信息；最后，系统根据对话上下文、状态关键词以及数据查询结果生成自然语言回复。

然而，在现实应用当中，用户与系统之间的对话经常会涉及非结构化的知识。例如，用户会询问某家餐馆中最受顾客欢迎的菜品是什么，而这需要系统参考该餐馆的客户评论加以回复，这些客户评论通常是非结构化的形式。由于不能有效管理非结构化的知识，现阶段的任务型对话系统无法很好的处理上述的对话情形。这种缺陷往往会导致对话进程的中断，给用户意图的追踪以及系统回复的生成带来困难。

因此，如何避免现阶段的任务型对话系统对于用户非结构化的询问语句无法处理导致的系统回复语句生成困难的情况，仍然是本领域技术人员亟待解决的问题。

发明内容

本发明提供一种基于混合知识管理的对话方法、装置和电子设备，用以解决现阶段的任务型对话系统对于用户非结构化的询问语句无法处理导致的系统回复语句生成困难的问题。

本发明提供一种基于混合知识管理的对话方法，该方法包括：

将当前轮次询问语句和对话模型上一轮次输出的回复语句拼接后进行向量化预处理，得到输入向量；

将所述输入向量和所述对话模型上一轮次输出状态关键词向量输入所述对话模型，输出当前轮次的回复语句和状态关键词向量；

其中，所述对话模型是基于对话数据集进行训练得到的，所述对话数据集中的每个对话数据均包括多轮询问语句样本，对应的多轮回复语句标签和多轮状态关键词标签，所述对话模型训练时以所述对话数据为单位进行训练，所述询问语句样本为结构化分词语句或非结构化分词语句。

根据本发明提供的一种基于混合知识管理的对话方法，

所述对话模型的网络结构包括依次连接的上下文编码器、状态关键词解码器、混合知识管理库、文档编码器和回复解码器，所述对话模型还包括状态关键词编码器，所述状态关键词解码器、所述状态关键词编码器和所述回复解码器依次连接。

根据本发明提供的一种基于混合知识管理的对话方法，

所述对话模型的网络结构包括依次连接的上下文编码器、状态关键词解码器、混合知识管理库、文档编码器和回复解码器，所述对话模型还包括状态关键词编码器，所述状态关键词解码器、所述状态关键词编码器和所述回复解码器依次连接，具体包括：

所述对话模型的训练过程中，