一种用于对话交互系统的数据处理方法及装置制造方法及图纸

一种用于对话交互系统的数据处理方法及装置，其中，该方法包括：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，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，根据对话模型结果生成相应的反馈数据并输出。相较于现有方法，本方法能够解决当前基于MLE目标函数的编码层‑解码层框架的对话生成模型生成的反馈结果较为保守的问题，这样也就使得最终生成并输出给用户的反馈数据更加人性化和贴合实际交互场景，从而提高了对话交互系统的用户体验。

【技术实现步骤摘要】
一种用于对话交互系统的数据处理方法及装置
本专利技术涉及人机交互
，具体地说，涉及一种用于对话交互系统的数据处理方法及装置。
技术介绍
随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。而人们对于机器人的要求也从简单重复的机械动作提升为具有拟人问答、自主性及与其他机器人进行交互的智能机器人，人机交互也就成为决定智能机器人发展的重要因素。对话交互系统作为人机交互系统中的核心模块，在人机交互系统中扮演着举足轻重的角色。在日常的人机交互过程中，用户与机器人之间的对话交互占据了绝大多数的比例。因此，对话交互系统的好坏直接关系到智能机器人产品的用户体验，进而影响用户的去留，如何提升智能机器人的对话交互能力则是亟待解决的问题。
技术实现思路
为解决上述问题，本专利技术提供了一种用于对话交互系统的数据处理方法，其包括：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。根据本专利技术的一个实施例，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。根据本专利技术的一个实施例，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。根据本专利技术的一个实施例，在所述增强学习算法中，将MMI函数作为奖励函数。根据本专利技术的一个实施例，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。本专利技术还提供了一种用于对话交互系统的数据处理装置，其包括：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。根据本专利技术的一个实施例，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。根据本专利技术的一个实施例，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。根据本专利技术的一个实施例，在所述增强学习算法中，将MMI函数作为奖励函数。根据本专利技术的一个实施例，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。相较于现有方法，本专利技术所提供的用于对话交互系统的数据处理方法能够基于用户的提问，生成更合理的答案，同时，本方法还能够解决当前基于MLE目标函数的编码层-解码层框架的对话生成模型生成的反馈结果较为保守的问题，这样也就使得最终生成并输出给用户的反馈数据更加人性化和贴合实际交互场景，从而提高了对话交互系统的用户体验。此外，本方法还能够通过对目标函数的自定义，来使得对话交互系统与用户之间的对话交互过程根据更加具有趣味性、多样性、交互性和持续性，这有助于提高对话交互系统的用户粘度。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图做简单的介绍：图1是根据本专利技术一个实施例的用于对话交互系统的数据处理方法的实现流程示意图；图2是根据本专利技术一个实施例的对话模型结果生成步骤的具体实现流程示意图；图3是根据本专利技术一个实施例的对话生成模型的结构示意图；图4是根据本专利技术一个实施例的用于对话交互系统的数据处理装置的结构示意图。具体实施方式以下将结合附图及实施例来详细说明本专利技术的实施方式，借此对本专利技术如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本专利技术中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本专利技术的保护范围之内。同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本专利技术实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本专利技术可以不用这里的具体细节或者所描述的特定方式来实施。另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。对话交互系统处理的数据对象主要包括用户问题和答案。依据用户问题的所属数据领域，对话交互系统通常可分为面向限定域的问答系统、面向开放域的问答系统、以及面向常用问题集的对话交互系统。依据答案的不同数据来源，对话交互系统可划分为基于结构化数据的对话交互系统、基于自由文本的对话交互系统、以及基于问答对的对话交互系统。此外，按照答案的生成反馈机制划分，对话交互系统还可以分为基于检索式的对话交互系统和基于生成式的对话交互系统。其中，检索式对话交互系统是从已经存在的语料中查找与问题信息最佳匹配的答案信息，检索式对话交互系统得到的答案信息的准确度较高但适应性较差。与之相反，生成式对话交互系统的答案信息是通过大量的语料和机器学习算法解析得到，生成式对话交互系统所得到的答案信息具有很好的系统适应性但目前尚无法保证较高的准确率。针对现有技术中所存在的上述问题，本实施例提供了一种用于对话交互系统的数据处理方法。为了更加清楚地阐述本实施例所提供的用于对话交互系统的数据处理方法的实现原理、实现过程以及优点，以下结合图1所示实现流程示意图来对该方法作进一步地说明。如图1所示，本实施例所提供的用于对话交互系统的数据处理方法首先在步骤S101中获取用户输入的对话交互数据。需要指出的是，根据实际需要，该方法在步骤S101中所获取到的对话交互数据既可以是利用音频采集设备(例如麦克风等)所采集到的语音交互数据，也可以是利用文本采集设备(例如键盘等)所采集到的文本交互数据，本专利技术不限于此。在得到上述对话交互数据后，该方法会在步骤S102中对上述对话交互数据进行解析，从而得到解析结果。最后，该方法会在步骤S103中将步骤S102中所得到的解析结果输入到预设对话生成模型中，从而由该对话生成模型根据上述解析结果来生成相应的对话模型结果。为了克服现有的检索式对话生成系统生成答案信息准确度差的问题，本实施例中，该方法在步骤S103中所采用了基于NRM以及增强学习算法构建的预设对话生成模型。图2示出了本实施例中对对话交本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：高参，
申请(专利权)人：北京光年无限科技有限公司，
类型：发明
国别省市：北京,11