[发明专利]一种用于对话交互系统的数据处理方法及装置

权利要求书

1.一种用于对话交互系统的数据处理方法，其特征在于，包括：

交互数据获取步骤，获取用户输入的对话交互数据；

对话模型结果生成步骤，对所述对话交互数据进行解析，将解析结果输入到预设对话生成模型中，得到对话模型结果，其中，所述对话生成模型是基于NRM以及增强学习算法构建的；

反馈数据输出步骤，根据所述对话模型结果生成相应的反馈数据并输出。

2.如权利要求1所述的方法，其特征在于，所述预设对话生成模型包括编码层和解码层，其中，所述编码层用于根据解析得到的分词结果生成所述分词结果的全部向量表达和部分向量表达，并对所述全部向量表达和部分向量表达进行拼接，得到拼接结果，所述解码层用于基于注意力机制根据所述拼接结果生成所述对话模型结果。

3.如权利要求2所述的方法，其特征在于，所述解码层基于增强学习算法的神经网络进行对话模型结果的生成。

4.如权利要求3所述的方法，其特征在于，在所述增强学习算法中，将MMI函数作为奖励函数。

5.如权利要求1～4中任一项所述的方法，其特征在于，所述方法还包括：

模型修正步骤，获取所述用户针对所述反馈数据的输入数据，并根据所述输入数据对所述预设对话生成模型进行修正。

6.一种用于对话交互系统的数据处理装置，其特征在于，包括：

交互数据获取模块，其用于获取用户输入的对话交互数据；

对话模型结果生成模块，其用于对所述对话交互数据进行解析，将解析结果输入到预设对话生成模型中，得到对话模型结果，其中，所述对话生成模型是基于NRM以及增强学习算法构建的；

反馈数据输出模块，其用于根据所述对话模型结果生成相应的反馈数据并输出。

7.如权利要求6述的装置，其特征在于，所述预设对话生成模型包括编码层和解码层，其中，所述编码层配置为根据解析得到的分词结果生成所述分词结果的全部向量表达和部分向量表达，并对所述全部向量表达和部分向量表达进行拼接，得到拼接结果，所述解码层配置为基于注意力机制根据所述拼接结果生成所述对话模型结果。

8.如权利要求7所述的装置，其特征在于，所述解码层配置为基于增强学习算法的神经网络进行反馈数据的生成。

9.如权利要求8所述的装置，其特征在于，在所述增强学习算法中，将MMI函数作为奖励函数。

10.如权利要求6～9中任一项所述的装置，其特征在于，所述装置还包括：

模型修正模块，其用于获取所述用户针对所述反馈数据的输入数据，并根据所述输入数据对所述预设对话生成模型进行修正。