[发明专利]基于人工智能的多轮对话方法、装置及存储介质

权利要求书

1.一种基于人工智能的多轮对话方法，其特征在于，所述方法包括：

获取当前轮次对话的询问语句，并基于预训练的判断模型对所述询问语句进行判断，确定所述询问语句是否需要进行信息补全；

若所述询问语句需要进行信息补全，则将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型中，获取与所述询问语句对应的补全语句；

将所述补全语句输入预训练的单轮意图识别模型中，获取与所述询问语句对应的答复内容。

2.如权利要求1所述的基于人工智能的多轮对话方法，其特征在于，所述判断模型的训练过程包括：

获取训练数据，所述训练数据包括完整语句的正样本和非完整语句的负样本；其中，所述正样本和所述负样本均是询问语句；

基于所述训练数据对神经网络模型进行训练，直至所述神经网络模型收敛至预设范围内，形成所述判断模型；其中，所述神经网络模型的结构包括两层GRU、两层全连接层以及sigmoid函数。

3.如权利要求1所述的基于人工智能的多轮对话方法，其特征在于，在将所述询问语句、上一轮次对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型之前，还包括：基于所述询问语句、所述历史问题以及所述历史回答获取对应的输入数据；其中，

所述输入数据的获取步骤包括：

对所述历史问题、所述历史回答以及当前的询问语句进行分词处理，以获取对应的分词结果；

顺次连接所述历史问题、所述历史回答以及所述询问语句的分词结果，并在所述分词结果的预设位置添加标志符号，以形成所述输入数据。

4.如权利要求3所述的基于人工智能的多轮对话方法，其特征在于，所述获取与所述询问语句对应的补全语句的步骤包括：

将所述输入数据输入所述信息补全模型的输入层，获取与所述输入数据对应的嵌入特征；

通过所述信息补全模型的编码器部分对所述嵌入特征进行特征提取，获取对应的隐含向量；

将所述隐含向量输入所述信息补全模的全连接层和softmax层，确定输出的指针信息；

基于所述指针信息确定与所述查询语句对应的补全语句。

5.如权利要求4所述的基于人工智能的多轮对话方法，其特征在于，

所述指针信息包括关键信息start、关键信息end、补全信息位置、指代start和指代end；其中，

所述关键信息的start和所述关键信息end，用于识别所述历史问题和所述历史回答中，需对所述询问语句进行信息补全的指代词；

所述补全信息位置，用于预测所述关键信息start和所述关键信息end在所述询问语句中需要插入的位置；

所述指代start和所述指代end，用于识别所述询问语句中出现的指代词。

6.如权利要求1至5任一项所述的基于人工智能的多轮对话方法，其特征在于，所述将所述补全语句输入预训练的单轮意图识别模型中，获取与所述询问语句对应的答复内容的步骤包括：

基于所述单轮意图识别模型以及所述补全语句，获取与所述补全语句对应的多个候选回复信息；

根据与所述补全语句对应的历史问题及历史回答确定上下文特征，并根据所述候选回复信息生成多个候选回复特征；

获取所述上下文特征与所述多个候选回复特正之间的一致性，并根据获取的一致性结果进行排序；

基于所述一致性的排序结果，确定所述多个候选回复信息中的目标回复信息，作为所述答复内容。

7.一种基于人工智能的多轮对话装置，其特征在于，所述装置包括：

询问语句判断单元，用于获取当前轮次对话的询问语句，并基于预训练的判断模型对所述询问语句进行判断，确定所述询问语句是否需要进行信息补全；

补全语句获取单元，用于若所述询问语句需要进行信息补全，则将所述询问语句、上一轮词对话的历史问题及与所述历史问题对应的历史回答，同时输入预训练的信息补全模型中，获取与所述询问语句对应的补全语句；

答复内容获取单元，用于将所述补全语句输入预训练的单轮意图识别模型中，获取与所述询问语句对应的答复内容。