[发明专利]一种面向对象的端到端对话生成方法、系统和介质

权利要求书

1.一种面向对象的端到端对话生成方法，其特征在于，包括下述步骤：

以三元组的形式组成知识图，并获取历史对话信息；

将历史对话信息进行分层编码以生成上下文对话表示；

结合历史对话信息获得知识图中每个实体表示；

通过双重注意力解码器将上下文对话表示和知识图的实体表示连接起来生成最终的系统响应。

2.根据权利要求1所述一种面向对象的端到端对话生成方法，其特征在于，所述以三元组的形式组成知识图，表示为：

G＝(h,r,t)

其中，(h,t)∈ε，r∈R，ε表示知识图中的实体集合，R表示知识图中的关系集合。

3.根据权利要求1所述一种面向对象的端到端对话生成方法，其特征在于，所述历史对话信息表示为：

{(U₁,S₁),(U₂,S₂),…,(U_t,S_t)}

其中，t表示对话轮数；U_t表示用户的第t轮对话信息，S_t表示系统的第t轮对话信息。

4.根据权利要求1所述一种面向对象的端到端对话生成方法，其特征在于，所述将历史对话信息进行分层编码以生成上下文对话表示，具体为：

将历史对话信息通过双向门控循环单元获得历史对话信息的历史隐藏表示，公式为：

其中，表示第i轮历史对话中第T_i个词汇的隐藏表示，T_i表示第i轮历史对话中的词汇数目，BiGRU()表示双向门控循环单元，表示第i轮历史对话中的第t个词的向量表示，w_i,t表示第i轮历史对话中的第t个词；

对历史对话信息的历史隐藏表示进行自注意力计算，得到历史对话的注意力表示，公式为：

u_i,t＝tanh(W_wh_i,t+b_w)

其中，u_i,t表示第i轮历史对话中第t个词汇的向量相似度，a_i,t表示第i轮历史对话中第t个词汇归一化处理后得到的注意力分数，T表示向量转置，h_i,t表示第i轮历史对话中第t个词汇的隐藏表示，s_i表示第i轮历史对话的注意力表示，W_w，b_w和u_w都是训练的模型参数；

将历史对话的注意力表示s_i通过门控循环单元，得到聚合后的上下文对话表示：

H＝h₁,…,h_L＝GRU(s_i),i∈[1,L]

其中，L分别表示句子个数，h_L表示第L个句子的上下文对话表示，GRU()表示门控循环单元。