[发明专利]对话文本生成方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种对话文本生成方法、装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取原始对话数据；对原始对话数据进行特征提取，得到目标对话数据；对目标对话数据进行编码处理，得到第一对话隐变量；对第一对话隐变量进行解码处理，得到目标对话向量；利用预设的激活函数对目标对话向量进行激活处理，得到目标对话文本；利用预先训练的语义分析模型对目标对话文本进行语义分析处理，得到标准对话文本。本申请实施例能够提高对话文本质量。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种对话文本生成方法、装置、电子设备及存储介质。

背景技术

目前，基于深度学习的端到端对话系统中的对话生成模块，通常可以使用“编码器-解码器”的非监督学习方式进行训练，从而获得文本在低维度的隐变量模型表征，更加灵活地生成具有多样性的对话文本。然而，目前的隐变量模型在使用时存在隐变量暴露偏差问题，往往使得对话文本的匹配性较差，影响对话文本质量，因此，如何提供一种对话生生成方法，能够提高对话文本质量，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种对话文本生成方法、装置、电子设备及存储介质，旨在提高对话文本质量。

为实现上述目的，本申请实施例的第一方面提出了一种对话文本生成方法，所述方法包括：

获取原始对话数据；

对所述原始对话数据进行特征提取，得到目标对话数据；

对所述目标对话数据进行编码处理，得到第一对话隐变量；

对所述第一对话隐变量进行解码处理，得到目标对话向量；

利用预设的激活函数对所述目标对话向量进行激活处理，得到目标对话文本；

利用预先训练的语义分析模型对所述目标对话文本进行语义分析处理，得到标准对话文本。

在一些实施例，所述对所述原始对话数据进行特征提取，得到目标对话数据的步骤，包括：

提取所述原始对话数据中的实体对话特征；

利用预先训练的序列分类器对所述实体对话特征进行分类处理，得到对话参数特征；

通过卷积层对所述对话参数特征进行卷积处理，得到目标对话数据。

在一些实施例，所述对所述目标对话数据进行编码处理，得到第一对话隐变量的步骤，包括：

将所述目标对话数据映射到预设的向量空间，得到目标对话特征；

根据预设的编码顺序和编码维度，对所述目标对话特征进行编码处理，得到第一对话隐变量。

在一些实施例，所述对所述第一对话隐变量进行解码处理，得到目标对话向量的步骤，包括：

对所述第一对话隐变量进行数据重采样处理，得到第二对话隐变量；

对所述第二对话隐变量进行解码处理，得到目标对话向量。

在一些实施例，所述利用预先训练的语义分析模型对所述目标对话文本进行语义分析处理，得到标准对话文本的步骤，包括：

提取所述目标对话文本的语义特征；

根据所述语义特征对所述目标对话文本进行分割处理，得到目标对话字段；

计算所述目标对话字段和参考对话字段的相似度；

根据所述相似度，得到标准对话文本。

在一些实施例，所述根据所述相似度，得到标准对话文本的步骤，包括：