[发明专利]实现多轮对话的方法及装置和关系模型生成方法

说明书

本申请公开了一种实现多轮对话的方法及装置和关系模型生成方法，通过将当前轮对话的查询问题与可能使用的元属性建立紧密关系，与当前轮对话之前的多轮对话中不太可能使用的元属性建立松散关系，体现出了当前轮对话的查询问题中用户聚焦的意图发生的变化，有效缓解了焦点转移问题，为对话系统向用户给出满意的答案提供了强有力的保障，提升了多轮对话的应用效果。

技术领域

本申请涉及但不限于人工智能技术，尤指一种实现多轮对话的方法及装置和关系模型生成方法。

背景技术

TableQA是一种基于表格的智能问答系统，TableQA系统属于任务型对话的一个分支。实现TableQA系统的核心技术称为自然语言文本到数据库查询语言(SQL)语句的转换技术(NL2SQL，Natural Language to SQL)，即将用户的自然语言问题转换为可执行的SQL语句。NL2SQL这一任务的本质，就是将用户的自然语言语句转化为计算机可以理解并执行的规范语义表示(formal meaning representation)。

在对话场景中，对于用户上下文的捕捉和处理极为重要，当前的上下文建模方案主要专注于问题本身的上下文建模，利用一些深度学习模型策略，比如多轮注意力(attention)机制等方式隐式的捕捉上下文关系。而对于多轮的NL2SQL场景，在用户的不断询问的过程中，用户聚焦的意图即用户问题焦点可能会发生变化，相关技术中专注于问题本身的上下文建模的方式，无法解决焦点转移问题，从而不能很好地理解用户的意图，从而会降低基于多轮对话的应用效果。

发明内容

本申请提供一种实现多轮对话的方法及装置和关系模型生成方法，能够有效缓解焦点转移问题，提升多轮对话的应用效果。

本发明实施例提供了一种实现多轮对话的方法，包括：

对多轮对话的查询问题和数据库中的元属性分别进行编码，获得查询问题的表征和元属性的表征；

根据所述多轮对话的查询问题确定每一轮对话的焦点信息；

根据所述查询问题的表征和所述元属性的表征，按照所述每一轮对话的焦点信息建立所述多轮对话的查询问题和元属性之间的关系；

根据所述建立的关系，对每一轮对话的查询问题进行解码，获得数据库查询语言SQL语句。

在一种示例性实例中，所述按照所述每一轮对话的焦点信息建立所述多轮对话的查询问题和所述元属性之间的关系，包括：

利用多轮注意力机制捕捉所述每一轮对话的查询问题和所述元属性之间的相似性，按照每一轮对话的焦点信息建立所述多轮对话的查询问题和所述元属性之间的关系。

在一种示例性实例中，所述按照每一轮对话的焦点信息建立所述多轮对话的查询问题和所述元属性之间的关系，包括：

将所述查询问题的表征和所述元属性的表征输入关系模型，以获得所述每一轮对话的焦点建立的多轮对话的查询问题和元属性之间的关系；

其中，所述关系为，当前轮对话的查询问题与高概率使用的元属性建立紧密关系，与当前轮对话之前的多轮对话中低概率使用的元属性建立松散关系。

在一种示例性实例中，所述关系模型如下式所示：

e_i＝softmax(h^QW_atth^K⊙m_i)；

其中，e表示所述多轮对话的查询问题和元属性之间的关系，h^Q表示所述查询问题的表征，h^K表示u偶数元属性的表征，m表示字符级别的衰减函数，⊙表示同或运算，i表示轮次，W_att为可训练参数。

在一种示例性实例中，所述衰减函数包括以下之一：