一种人机交互系统及人机交互系统中多任务处理方法技术方案

本发明专利技术涉及人工智能中的人机交互领域。本发明专利技术实施例提供一种多任务处理方法，该方法包括步骤：根据用户输入的请求信息确定第一任务；获取所述第一任务相应的关键信息并执行所述第一任务，所述关键信息包括一个或多个槽位及所述槽位的值；存储所述第一任务的任务状态信息，所述任务状态信息包括所述关键信息；以及根据所述第一任务的任务状态信息，预测并发起第二任务。在本发明专利技术实施例提供的方法中，各任务的状态信息能够共享并得到利用，人机交互系统可以根据存储的任务状态信息预测下一个任务，并主动发起预测出的任务，提高了人机交互系统处理多任务的智能性和效率。

【技术实现步骤摘要】
一种人机交互系统及人机交互系统中多任务处理方法
本申请涉及人工智能中的人机交互
，尤其涉及一种人机交互系统及人机交互系统中多任务处理方法。
技术介绍
随着人工智能技术的飞速发展，人机交互系统的应用越来越广泛。例如，智能助手已经成为目前智能终端上最重要的应用之一。市场上常见的智能助手产品有AppleSiri，GoogleAssistant，AmazonAlexa，HuaweiHiVoice等。上述智能助手的产品各有特点，但其核心功能之一是通过语音或文字的交互帮助用户完成特定的任务，例如拨打电话、设定提醒、播放音乐、查询航班状态、预定餐馆等。上述任务通常是由用户主动发起，通过与智能助手的一轮或多轮交互完成。智能助手通过与用户的交互，逐步理解和确认用户的意图和需求，并通常通过数据库查询、应用程序接口(ApplicationProgrammingInterface，API)调用等方式完成任务。各个任务之间通常是独立进行的，不互相影响或依赖。任务型语音对话系统(Task-orientedspokendialoguesystem)是智能助手的核心技术之一。任务型语音对话系统(以下简称“对话系统”)大多是基于槽填充(Slot-Filling)模式的，其核心技术是根据任务定义若干槽位(Slot)，在与用户对话的过程中，不断识别用户意图并提取相关槽信息，当槽位的信息都确定后，即可帮助用户完成任务。例如，在预订机票的任务中，槽位可以定义为：出发地、目的地、出发时间、航班号。当这些信息得到确认后，智能助手便可以帮助用户完成订购机票的任务。目前的智能助手大多围绕任务进行构建，每个任务有独立的槽位设置，可以看做一个独立的对话系统，不同对话系统独立运行，没有联系。通常，在对话系统的上层，有一个中控系统，负责根据用户的输入将用户分发到具体的某个任务中，然后就该任务展开对话。这种情况下，通常只涉及用户和智能助手之间对话，且各个任务独立进行。
技术实现思路
本专利技术一方面提供一种人机交互系统中多任务处理方法，该方法包括步骤：根据用户输入的请求信息确定第一任务；获取所述第一任务相应的关键信息并执行所述第一任务，所述关键信息包括一个或多个槽位及所述一个或多个槽位的值；存储所述第一任务的任务状态信息，所述任务状态信息包括所述关键信息；以及根据所述第一任务的任务状态信息，预测并发起第二任务。在本专利技术实施例提供的方法中，各任务的状态信息能够共享并得到利用，人机交互系统可以根据存储的任务状态信息预测下一个任务，并主动发起预测出的任务，提高了人机交互系统处理多任务的智能性和效率。在第一方面的第一种可能的实现方式中，所述第一任务的任务状态信息存储在记忆网络中。采用记忆网络作为任务存储器，可以方便进行深度学习的训练。在第一方面的第二种可能的实现方式中，人机交互系统将所述第一任务的任务状态信息输入循环神经网络，预测所述第二任务并发起第二任务。使用循环神经网络预测任务，可以方便进行深度学习的训练。可选地，还可以将环境信息一并作为预测任务的输入。例如，计算隐状态向量ht＝f(Wxxt+Wzzt+Whht-1+b)，其中，f为变换函数,xt为任务状态信息向量，zt为环境信息向量，Wx,Wz和Wh为参数矩阵，b为参数向量，并根据所述隐状态向量预测所述第二任务。在第一方面的第三种可能的实现方式中，所述方法还包括：根据所述第一任务的任务状态信息，获取所述第二任务相应的关键信息。可选地，人机交互系统可以通过注意力机制获取在所述第一任务的任务状态信息中与第二任务相应的关键信息。例如，计算第一任务的任务状态信息中每个槽位与第二任务的相关性，即每个槽位的注意力权重向量。注意力权重向量可以根据公式：Att＝softmax(WKT)V进行计算。其中，Att表示注意力权重向量，softmax表示指数归一化函数，W为参数矩阵，K为key的向量表示，V为value的向量表示。在第一方面的第四种可能的实现方式中，所述方法还包括：根据所述第一任务的任务状态信息，对所述第二任务的对话进行语义消歧。人机交互系统通过访问存储的任务状态信息辅助理解用户意图，提高了人机交互系统的智能性和工作效率。本专利技术第二方面提供一种人机交互系统，包括：中控模块：用于根据用户输入的请求信息确定第一任务和根据所述第一任务相应的关键信息执行所述第一任务；任务引擎模块：用于获取所述第一任务相应的关键信息，所述关键信息包括一个或多个槽位及所述槽位的值；任务存储器：用于存储所述第一任务的任务状态信息，所述任务状态信息包括所述关键信息；以及任务控制器：用于根据所述第一任务的任务状态信息，预测并发起第二任务。在第二方面的第一种可能的实现方式中，所述任务存储器为记忆网络。在第二方面的第二种可能的实现方式中，所述任务控制器为循环神经网络。在第二方面的第三种可能的实现方式中，所述任务引擎模块还用于根据所述第一任务的任务状态信息，获取所述第二任务相应的关键信息。本专利技术第三方面提供一种人机交互系统，包括处理器和存储器；所述存储器用于存储计算机执行指令；所述处理器用于执行所述存储器所存储的计算机执行指令，以使所述人机交互系统执行如前述本专利技术第一方面或第一方面任意一种可能实现的方式中描述的的方法。本专利技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如前述本专利技术第一方面或第一方面任意一种可能实现的方式中描述的的方法。附图说明图1为本专利技术实施例提供的一种人机交互系统的结构示意图；图2为本专利技术实施例提供的一种人机交互系统中多任务处理方法流程图；图3为本专利技术实施例提供的多任务处理场景示例；图4为本专利技术实施例提供的多任务处理场景的另一个示例；图5为本专利技术实施例提供的根据历史任务状态信息对当前任务语句进行语义消歧的示例；图6为本专利技术实施例提供的访问历史任务状态信息的示例；图7为本专利技术实施例提供的任务控制器预测任务的示例；图8为本专利技术实施例提供的一种人机交互系统的硬件结构示意图。具体实施方式如图1所示，本申请提供一种人机交互系统，该人机交互系统主要包括中控模块、任务引擎模块、任务存储器和任务控制器。其中，中控模块101，用于对对话请求进行意图识别，确定任务，将任务分发至相应的任务引擎。任务引擎模块102，包括多个任务引擎，每个任务引擎主要用于负责某个对话任务，对对话请求信息进行解析，以获取满足条件的关键信息(key-value)。例如，对于订机票任务引擎，可以提取满足订机票任务的关键信息，比如，起始地信息、目的地信息以及时间信息等。同时，所述任务引擎可以将相应的解析结果存储至任务存储器中。任务存储器103，用于存储任务状态信息，并可以被后续的对话访问，以决定后续任务的初始状态和行为。在基于神经网络的对话系统中，任务储存器可以通过记忆网络(MemoryNetwork)来实现，编码各个历史任务的任务状态信息，并通过注意力机制来控制后续对话访问到相关的历史任务状态信息，参与决策当前对话的行为和输出。采用记忆网络实现任务存储器，可以更好的记忆较长时间的历史任务信息，并由于使用了注意力机制访问任务存储器，使得系统能够获得同当前任务最相关的背景知识。在本专利技术实施例中，任务状态信息包括任务的关本文档来自技高网...

【技术保护点】
1.一种人机交互系统中多任务处理方法，其特征在于，包括：根据用户输入的请求信息确定第一任务；获取所述第一任务相应的关键信息并执行所述第一任务，所述关键信息包括一个或多个槽位及所述一个或多个槽位的值；存储所述第一任务的任务状态信息，所述任务状态信息包括所述关键信息；以及根据所述第一任务的任务状态信息，预测并发起第二任务。

【技术特征摘要】
1.一种人机交互系统中多任务处理方法，其特征在于，包括：根据用户输入的请求信息确定第一任务；获取所述第一任务相应的关键信息并执行所述第一任务，所述关键信息包括一个或多个槽位及所述一个或多个槽位的值；存储所述第一任务的任务状态信息，所述任务状态信息包括所述关键信息；以及根据所述第一任务的任务状态信息，预测并发起第二任务。2.根据权利要求1所述的方法，其特征在于，所述第一任务的任务状态信息存储在记忆网络中。3.根据权利要求1或2所述的方法，其特征在于，根据所述第一任务的任务状态信息，预测并发起第二任务为：将所述第一任务的任务状态信息输入循环神经网络，预测所述第二任务并发起所述第二任务。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述第一任务的任务状态信息，获取所述第二任务相应的关键信息。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述第一任务的任务状态信息，对所述第二任务的对话进行语义消歧。6.根据权利要求3所述的方法，其特征在于，所述将所述第一任务的任务状态信息输入循环神经网络，预测所述第二任务包括：将所述第一任务的任务状态信息输入循环神经网络计算得到隐状态向量ht，并根据所述隐状态向量预测所述第二任务，其中：ht＝f(Wxxt+Wzzt+Whht-1+b)，f为变换函数，xt为任务状态信息向量，zt为环境信息向量，ht-1为历史隐状态向量，Wx,Wz和Wh为参数矩阵，b为参数向量。7.根据权利要求4所述的方法，其特征在于，根据所述第一任务的任务状态信息，获取所述第二任务相应的关键信息，包括：通过注意力机制获取在所述第一任务的任务状态信息中与第二任务相应的关键信息。8.根据权利要求7所述的方法，其特征在于，所述通过注意力机制获取在所述第一任务的任务状态信息中与第二任务相应的关键信息，包括：根据所述第一任务的关键信息的槽位的注意力权重向量确定所述一个或多个槽位与第二任务的相关性，并获取与第二任务相应的关键信息，其中，所述注意力权重向量Att＝softmax(WKT)V，softmax为指数归一化函数，W为参数矩阵，K为槽位的向量表示，V为槽位的值...

【专利技术属性】
技术研发人员：李英涛，蒋欣，陈晓，张宝峰，钱莉，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44