[发明专利]一种基于词向量和循环神经网络的机器人聊天方法

摘要

本发明提供了一种基于词向量和循环神经网络的机器人聊天方法，本发明采用连续词袋模型CBOW训练自主词向量文件，根据词向量计算出句子相似度，并检索出与测试问句相似度最高的问句，并与预设的句子相似度阈值进行比较，低于阈值就利用多层双向网络模型LSTM以及注意力机制attention迭代训练的模型进行生成式回复，高于阈值，就输出最大相似度问句对应的答句进行回复。本发明解决了传统的生成式聊天机器人回复准确度不高的问题。本发明可以显著提高聊天机器人回复的准确性，降低生成式聊天机器人回复的语法语义错误率，相比于单一的生成式聊天机器人具有更高的可解释性，对闲聊领域问答系统的研究具有重要的意义。

主权项

1.一种基于词向量和循环神经网络的机器人聊天方法，其特征在于，包括如下步骤：S1、将原始语料库中问句Q以及答句A文件进行分离处理，得到问答句QA、问句Q以及答句A文件；S2、加载所述问答句QA文件，利用连续词袋模型CBOW对所述问答句QA文件进行词向量训练，得到词向量文件QA.conv；S3、加载所述词向量文件QA.conv，利用句子相似度算法计算测试问句与问句Q文件中所有问句之间的相似度，得到句子的最大相似度值most_value；S4、将所述问句Q以及答句A文件分别进行分词、编码以及句子填补处理，并根据处理结果加载所述词向量文件QA.conv，将问句Q以及答句A文件转换成词向量矩阵embedding；S5、根据所述词向量矩阵embedding利用循环神经网络LSTM以及注意力机制attention进行迭代训练，得到生成式回复模型；S6、判断所述最大相似度值most_value是否大于预设的句子相似度阈值base_value，若是，则输出问句Q中最大相似度问句对应的答句进行回复，反之，则加载所述生成式回复模型进行生成式回复，从而完成与机器人的聊天。