[发明专利]一种基于强化学习网络的目标引导型个性化对话方法与系统

摘要

本发明公开了一种基于强化学习网络的目标引导型个性化对话方法与系统，包括用于协调控制整个对话过程的控制器、对话训练以及对话识别；其中，所述控制器用于控制整个对话流程；所述对话训练用于训练迭代优化强化学习网络；所述对话识别利用强化学习网络识别输出相对应的对话策略动作。本发明利用强化学习网络形成策略梯度神经网络系统，在对话训练过程中根据模拟用户建立个性属性模型并迭代优化强化学习网络，在对话识别中获取对话信息以及用户个性化属性后输入到强化学习网络，然后强化学习网络能够结合用户的个性化属性搭建统一输出模型，解决了传统方法模型不能有效的对个性化进行建模的缺陷，提高了该对话系统的智能化效率。

主权项

1.一种基于强化学习网络的目标引导型个性化对话方法，包括用于协调控制整个对话过程的控制器；其特征在于，还包括对话训练和对话识别；其中，所述对话训练步骤包括有：S1、所述控制器先收集模拟用户对话样本；S2、所述控制器理解诠释对话样本的语义；S3、所述控制器获取模拟用户的个性化属性，根据对话样本中的语义信息，结合属性知识库组合成个性化属性组，并将个性化属性组统一输出为个性化属性向量；S4、所述控制器根据上一轮对话动作、对话状态以及个性化属性向量输出到强化学习网络中，然后根据奖赏函数的判断输出相应的策略并更新迭代优化强化学习网络参数；不断循环重复步骤S1、S2、S3以及S4直至达到预定对话训练结果；所述对话识别步骤包括有：所述控制器收集实际用户的对话信息并理解对话信息的语义；然后调取强化学习网络，生成输出相应的动作策略。