一种对多轮对话连贯性质量的评估方法技术

本发明专利技术公开了一种对多轮对话连贯性质量的评估方法，其特点是以多轮对话文本为输入，采用分层注意力机制，分别在单个话语层面和多轮对话的整体层面，融合对话的语义信息和意图信息，实现多轮对话连贯性质量的自动评估。本发明专利技术与现有技术相比训练速度快，分析准确率高，不需要从文本中抽取实体，避免了实体抽取误差的传播，尤其适合大规模和实时性语料，结合对话蕴含的语义信息和意图信息，有效地自动评估多轮对话的连贯性质量，指导多轮对话生成系统生成更加高质量的对话文本，促进对话生成系统更好更快地发展。

【技术实现步骤摘要】
一种对多轮对话连贯性质量的评估方法
本专利技术涉及互联网深度学习模型
，尤其是一种利用深度学习对多轮对话连贯性质量的评估方法。
技术介绍
近年来，人机对话系统，例如苹果Siri、微软小冰等聊天/客服机器人(Chatbot)越来越多出现在日常生活中。对话(Dialogue)是人类社交活动中的基本信息交互方式，包括电视访谈、问答对话、微信聊天等，人机对话中的一个关键核心技术是多轮对话生成(Multi-turnDialogueGeneration)，这是人工智能发展水平的标志，也是自然语言处理领域的研究热点，受到越来越多科研人员的关注。多轮对话生成的质量评估通常采用以下两种方式：1)借用其他文本生成任务(例如机器翻译或自动摘要等)中的BLEU和ROUGE等客观评估度量，这种客观自动评估度量基于词重叠，忽略了对话天然具有多样性和交互性的特点，不能很好地适用于对话的质量评估；2)人工评估，虽然这种评估方式具有较高的准确性，但人工和时间成本大，无法适用大规模和实时性对话的质量评估。考虑到对话通常发生在两方或多方之间，多轮对话生成的内容质量高低取决于前后对话间的文本连贯性(TextCoher本文档来自技高网...

【技术保护点】
1.一种对多轮对话连贯性质量的评估方法，其特征在于采用深度学习对多轮对话进行分层语义建模，在得到各个话语的语义向量表示后对话语序列进行建模，进而得到多轮对话的整体语义信息，其连贯性质量评估按下述步骤进行：步骤一：利用预训练的词向量，通过查表将单个话语中的每个词初始化为词向量，并以单个话语的词向量序列为输入，利用深度学习模型对单个话语进行语义学习，得到每个话语的语义向量；步骤二：将单个话语的对话行为类型初始化为对话行为向量表示，然后采用注意力机制，融合单个话语的对话行为向量和单个话语的语义向量，得到单个话语的语义意图融合向量；步骤三：针对多轮对话的话语序列，利用单个话语的语义意图融合向量，构建多...

【技术特征摘要】
1.一种对多轮对话连贯性质量的评估方法，其特征在于采用深度学习对多轮对话进行分层语义建模，在得到各个话语的语义向量表示后对话语序列进行建模，进而得到多轮对话的整体语义信息，其连贯性质量评估按下述步骤进行：步骤一：利用预训练的词向量，通过查表将单个话语中的每个词初始化为词向量，并以单个话语的词向量序列为输入，利用深度学习模型对单个话语进行语义学习，得到每个话语的语义向量；步骤二：将单个话语的对话行为类型初始化为对话行为向量表示，然后采用注意力机制，融合单个话语的对话行为向量和单个话语的语义向量，得到单个话语的语义意图融合向量；步骤三：针对多轮对话的话语序列，利用单个话语的语义意图融合向量，构建多轮对话的语义意图融合向量序列，并以多轮对话的语义意图融合向量序列为输入，利用深度学习模型对多轮对话进行学习，得到多轮对话...

【专利技术属性】
技术研发人员：兰曼，周云晓，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海,31