The present disclosure provides a training method for realizing robot chatting. The method includes the following operation. First, receive the current training problem. Then, the training input vector is generated according to the current training problem and the N historical problem. Then, the training input vector is used as input information and input into the neural network to obtain the output of the neural network. Moreover, when the output of the neural network is not consistent with the standard answer, the reception, generation and input operations are repeated, until the output of the neural network is consistent with the standard answers, and the training is completed. And the neural network that stores training to complete. The invention also provides a method for predicting the answer by using the training method of neural network, a training device for robot chat and a device for realizing robot chatting.
【技术实现步骤摘要】
用于实现机器人聊天的训练方法、预测答案的方法及装置
本公开涉及一种用于实现机器人聊天的训练方法、预测答案的方法及装置。
技术介绍
随着人工智能的快速发展,机器人被越来越多地应用于工农业生产、建筑、物流、和日常生活等诸多领域。对机器人的神经网络的训练是实现机器人智能化的关键。当前在进行神经网络训练时,为实现神经网络适应日常聊天的场景,有一种训练方式会将聊天内容的上下文一起作为训练输入内容,同时会给出标准答案。在训练过程中,会反复训练神经网络得到上下文以及标准答案之间较高的关联性。这样,在将训练完成的神经网络应用于聊天场景预测答案时,该训练完成的神经网络会根据用户输入的上下文从标准答案库中寻找关联性最大的答案,以此作为聊天的输出。
技术实现思路
本公开的一个方面提供了一种用于实现机器人聊天的训练方法。所述方法包括:接收当前训练问题;根据所述当前训练问题与N个历史问题生成训练输入向量,其中,所述N个历史问题是在接收所述当前训练问题之前接收到的,所述当前训练问题和N个历史问题中的每一个问题对应为所述训练输入向量中的一个元素,所述训练输入向量中的元素的顺序与所述当前训练问题和N个历史问题的接收顺序相对应,并且N为大于等于1的正整数;以所述训练输入向量作为输入信息,输入至神经网络以获得所述神经网络的输出;当所述神经网络的输出与标准答案不一致时,重复执行所述接收、生成、输入操作,直到所述神经网络的输出与标准答案一致时训练完成,其中所述标准答案为预先设置的与所述训练输入向量唯一对应的答案数据;以及存储训练完成的神经网络。可选地,所述神经网络的输出为所述神经网络从预设的答案库获 ...
【技术保护点】
一种用于实现机器人聊天的训练方法,包括:接收当前训练问题;根据所述当前训练问题与N个历史问题生成训练输入向量,其中,所述N个历史问题是在接收所述当前训练问题之前接收到的,所述当前训练问题和N个历史问题中的每一个问题对应为所述训练输入向量中的一个元素,所述训练输入向量中的元素的顺序与所述当前训练问题和N个历史问题的接收顺序相对应,并且N为大于等于1的正整数;以所述训练输入向量作为输入信息,输入至神经网络以获得所述神经网络的输出;当所述神经网络的输出与标准答案不一致时,重复执行所述接收、生成、输入操作,直到所述神经网络的输出与标准答案一致时训练完成,其中所述标准答案为预先设置的与所述训练输入向量唯一对应的答案数据;以及存储训练完成的神经网络。
【技术特征摘要】
1.一种用于实现机器人聊天的训练方法,包括:接收当前训练问题;根据所述当前训练问题与N个历史问题生成训练输入向量,其中,所述N个历史问题是在接收所述当前训练问题之前接收到的,所述当前训练问题和N个历史问题中的每一个问题对应为所述训练输入向量中的一个元素,所述训练输入向量中的元素的顺序与所述当前训练问题和N个历史问题的接收顺序相对应,并且N为大于等于1的正整数;以所述训练输入向量作为输入信息,输入至神经网络以获得所述神经网络的输出;当所述神经网络的输出与标准答案不一致时,重复执行所述接收、生成、输入操作,直到所述神经网络的输出与标准答案一致时训练完成,其中所述标准答案为预先设置的与所述训练输入向量唯一对应的答案数据;以及存储训练完成的神经网络。2.根据权利要求1所述的方法,其中:所述神经网络的输出为所述神经网络从预设的答案库获取的答案数据;以及所述标准答案为所述答案库中预设设置的与所述训练输入向量唯一对应的答案数据。3.根据权利要求1所述的方法,其中:所述神经网络包括卷积神经网络。4.根据权利要求1所述的方法,其中,当在接收所述当前训练问题之前接收的问题次数小于N时,所述历史问题的个数小于N,根据所述当前训练问题与N个历史问题生成训练输入向量包括:将所述训练输入向量中没有对应的历史问题的元素设置为0。5.一种利用权利要求1~4任意一项所述的方法训练完成的神经网络预测答案的方法,包括:接收当前用户输入;根据所述当前用户输入与N个历史输入生成用户输入向量,其中,所述N个历史输入是在接收所述用户输入之前接收到的,所述当前用户输入和N个历史输入中的每一个输入对应为所述用户输入向量中的一个元素,所述用户输入向量中的元素的顺序与所述当前用户输入和N个历史输入的接收顺序相对应,并且N为大于等于1的正整数;以所述用户输入向量作为输入信息,输入至所述训练完成的神经网络;获得所述训练完成的神经网络的输出。6.根据权利要求5所述的方法,其中:所述训练完成的神经网络的输...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。