多轮对话方法及装置、电子设备和存储介质制造方法及图纸

本申请涉及语音语义领域，本申请公开了一种多轮对话方法及装置、电子设备和存储介质，应用于电子设备，该方法包括：获取多轮对话中第i轮对话的用户输入语句X和第i‑1轮对话的系统预测动作A‑1；基于该系统预测动作A‑1确定第i轮对话的多个槽位值对V；基于用户输入语句X和多个槽位值对V确定多个第一语义相关性，以及基于用户输入语句X和系统预测动作A‑1确定第二语义相关性；基于多个第一语义相关性和第二语义相关性确定第i轮对话的系统预测动作A，以及基于系统预测动作A进行第i+1轮对话，采用本申请实施例可提高智能对话中系统的回复准确性。

Multi round dialogue method and device, electronic equipment and storage medium

【技术实现步骤摘要】
多轮对话方法及装置、电子设备和存储介质
本申请涉及电子
，尤其涉及一种多轮对话方法及装置、电子设备和存储介质。
技术介绍
智能对话是体现人工智能的重要领域，为了减少人工客服的成本耗费，以及体现金融科技的综合实力，当前各大金融公司都在智能客服开发领域投入了巨大的人力物力。目前智能对话的实现方式为，系统将用户问题与归纳的常问问题进行对比，找出最相似的常问问题，从而根据最相似的常问问题的答案回答用户。这种单纯根据用户当前输入问题的语句进行回复的方式，回复准确性较低。
技术实现思路
本申请实施例提供一种多轮对话方法及装置、电子设备和存储介质，用于提高智能对话中系统的回复准确性。第一方面，本申请实施例提供一种多轮对话方法，应用于电子设备，所述方法包括：获取多轮对话中第i轮对话的用户输入语句X和第i-1轮对话的系统预测动作A-1，所述用户输入语句X为所述用户针对所述系统预测动作A-1作出的回复语句，所述系统预测动作A-1为根据所述第i-1轮对话的用户输入语句X-1执行的动作；基于所述系统预测动作A-1确定所述第i轮对话的多个槽位值对V；基于所述用户输入语句X和所述多个槽位值对V确定多个第一语义相关性，以及基于所述用户输入语句X和所述系统预测动作A-1确定第二语义相关性，所述多个第一语义相关性与所述多个槽位值对V一一对应；基于所述多个第一语义相关性和所述第二语义相关性确定所述第i轮对话的系统预测动作A，以及基于所述系统预测动作A进行第i+1轮对话。第二方面，本申请实施例提供一种多轮对话装置，应用于电子设备，所述装置包括：获取单元，用于获取多轮对话中第i轮对话的用户输入语句X和第i-1轮对话的系统预测动作A-1，所述用户输入语句X为所述用户针对所述系统预测动作A-1作出的回复语句，所述系统预测动作A-1为根据所述第i-1轮对话的用户输入语句X-1执行的动作；确定单元，用于基于所述系统预测动作A-1确定所述第i轮对话的多个槽位值对V；基于所述用户输入语句X和所述多个槽位值对V确定多个第一语义相关性，以及基于所述用户输入语句X和所述系统预测动作A-1确定第二语义相关性，所述多个第一语义相关性与所述多个槽位值对V一一对应；基于所述多个第一语义相关性和所述第二语义相关性确定所述第i轮对话的系统预测动作A；对话单元，用于基于所述系统预测动作A进行第i+1轮对话。第三方面，本申请实施例提供一种电子设备，该电子设备包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤的指令。第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质用于存储计算机程序，其中，上述计算机程序被处理器执行，以实现如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。可以看出，在本申请实施例中，电子设备，获取多轮对话中第i轮对话的用户输入语句X和第i-1轮对话的系统预测动作A-1；基于系统预测动作A-1确定第i轮对话的多个槽位值对V；基于用户输入语句X和多个槽位值对V确定多个第一语义相关性，以及基于用户输入语句X和系统预测动作A-1确定第二语义相关性；基于多个第一语义相关性和第二语义相关性确定第i轮对话的系统预测动作A，以及基于系统预测动作A进行第i+1轮对话，通过考虑本轮对话的用户输入语句与上一轮对话的系统预测动作，确定本轮的系统预测动作以及基于本轮的系统预测动作与用户进行对话，有利于提高智能对话中系统的回复准确性。本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。附图说明为了更清楚地说明本申请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使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1a是本申请实施例提供的一种多轮对话系统的结构框架图；图1b是本申请实施例提供的一种电子设备的结构示意图；图2是本申请实施例提供的一种多轮对话方法的流程示意图；图3是本申请实施例提供的一种多轮对话方法的流程示意图；图4是本申请实施例提供的一种电子设备的结构示意图；图5是本申请实施例提供的一种多轮对话装置的结构示意图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。以下分别进行详细说明。本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。以下，对本申请中的部分用语进行解释说明，以便于本领域技术人员理解。请参阅图1a，图1a是本申请实施例提供的一种多轮对话系统的结构框架图。多轮对话是一种，在人机对话中，初步明确用户意图之后，获取必要信息以最终得到明确用户指令的方式。多轮对话与一件事情的处理相对应。它一般由四个模块组成：自动语音识别(AutomaticSpeechRecognition)、自然语言理解模块(NaturalLanguageUnderstanding,NLU)、对话状态跟踪模块(DialogStateTracking,DST)、对话策略模块(DialogPolicy,DP)、自然语言生成模块(NaturallanguageGeneration,NLG)和语音合成(TextToSpeech，TTS)，其中DST和DP合称为对话管理模块。在和用户的每轮交互过程中，对话系统利用NLU将用户的语句解析成为机器可理解的语义标签，并通过DST维护一个内部的对话状态作为整个对话历史的紧凑表示，根据此状态使用DP选择合适的对话动作，最后通过NLG将对话动作转成自然语言回复。请参阅图1b，图1b是本申请实施例提供的一种电子设备的结构示意图。该电子设备运行上述多轮对话本文档来自技高网...

【技术保护点】
1.一种多轮对话方法，其特征在于，应用于电子设备，所述方法包括：/n获取多轮对话中第i轮对话的用户输入语句X和第i-1轮对话的系统预测动作A-1，所述用户输入语句X为所述用户针对所述系统预测动作A-1作出的回复语句，所述系统预测动作A-1为根据所述第i-1轮对话的用户输入语句X-1执行的动作；/n基于所述系统预测动作A-1确定所述第i轮对话的多个槽位值对V；/n基于所述用户输入语句X和所述多个槽位值对V确定多个第一语义相关性，以及基于所述用户输入语句X和所述系统预测动作A-1确定第二语义相关性，所述多个第一语义相关性与所述多个槽位值对V一一对应；/n基于所述多个第一语义相关性和所述第二语义相关性确定所述第i轮对话的系统预测动作A，以及基于所述系统预测动作A进行第i+1轮对话。/n

【技术特征摘要】
1.一种多轮对话方法，其特征在于，应用于电子设备，所述方法包括：
获取多轮对话中第i轮对话的用户输入语句X和第i-1轮对话的系统预测动作A-1，所述用户输入语句X为所述用户针对所述系统预测动作A-1作出的回复语句，所述系统预测动作A-1为根据所述第i-1轮对话的用户输入语句X-1执行的动作；
基于所述系统预测动作A-1确定所述第i轮对话的多个槽位值对V；
基于所述用户输入语句X和所述多个槽位值对V确定多个第一语义相关性，以及基于所述用户输入语句X和所述系统预测动作A-1确定第二语义相关性，所述多个第一语义相关性与所述多个槽位值对V一一对应；
基于所述多个第一语义相关性和所述第二语义相关性确定所述第i轮对话的系统预测动作A，以及基于所述系统预测动作A进行第i+1轮对话。


2.根据权利要求1所述的方法，其特征在于，所述基于所述系统预测动作A-1确定所述第i轮对话的多个槽位值对V，包括：
确定所述系统预测动作A-1中包括的槽位，以及确定所述槽位对应的多个槽位值；
基于所述槽位和所述多个槽位值确定所述第i轮对话的多个槽位值对V，每个槽位值对V包括所述槽位和一个槽位值。


3.根据权利要求1或2所述的方法，其特征在于，所述基于所述用户输入语句X和所述多个槽位值对V确定多个第一语义相关性，以及基于所述用户输入语句X和所述系统预测动作A-1确定第二语义相关性，包括：
对所述用户输入语句X进行编码，得到第一句子向量和第一编码向量；对所述系统预测动作A-1进行编码，得到第二编码向量；对所述多个槽位值对V进行编码，得到多个第三编码向量；
确定所述第一句子向量与所述多个第三编码向量的多个第一语义相关性，以及确定所述第一编码向量与所述第二编码向量的第二语义相关性，所述多个第一语义相关性与所述多个第三编码向量一一对应。


4.根据权利要求3所述的方法，其特征在于，所述对所述用户输入语句X进行编码，得到第一句子向量和第一编码向量，包括：
对所述用户输入语句X进行分词处理，得到多个第一关键词；
对所述多个第一关键词进行向量化，得到多个第一词向量；
对所述多个第一词向量分别进行局部bilstm编码和全局bilstm编码，得到多个第一局部句子向量和多个第一全局句子向量；
基于所述多个第一局部句子向量确定第一向量，以及基于所述多个第一全局句子向量确定第二向量；
基于所述第一向量和所述第二向量确定第一句子向量；
对所述第一句子向量分别进行局部自注意力机制和全局自注意力机制处理，得到第一注意力向量和第二注意力向量；
对所述第一注意力向量和所述第二注意力向量进行门控混合处理，得到第一编码向量。


5.根据权利要求要求3或4所述的方法，其...

【专利技术属性】
技术研发人员：朱俊祺，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：广东;44