基于人工智能的人机对话方法、模型训练方法及装置制造方法及图纸

本申请实施例公开了一种基于人工智能的人机对话方法、模型训练方法及装置，属于自然语言处理领域。该方法包括：获取历史对话信息和知识文本信息；通过对话生成模型，对历史对话信息和知识文本信息进行编码处理，得到第一语义特征和第二语义特征；将第一语义特征和第二语义特征进行融合处理，得到第三语义特征；对第三语义特征进行解码处理，得到对话回复信息。由于不仅考虑历史对话信息，还考虑与历史对话信息关联的知识文本信息，因此增加了生成对话回复信息时参考的信息量，从而提高生成对话回复信息的准确率，以及对话回复信息的多样性。并且，根据该第三语义特征生成的对话回复信息会更加流畅，进一步提高生成对话回复信息的准确率。

Man machine dialogue method, model training method and device based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的人机对话方法、模型训练方法及装置
本申请实施例涉及自然语言处理领域，特别涉及一种基于人工智能的人机对话方法、模型训练方法及装置。
技术介绍
随着自然语言处理技术的快速发展，通过人机对话系统或者智能机器人，可以根据用户提供的问题文本得到对话回复信息，由此实现用户与人机对话系统或者智能机器人的对话。相关技术中，在对话过程中，每次输入一条问题文本，即可自动生成该问题文本对应的对话回复信息。并且为了提高准确率，在生成对话回复信息时不仅可以考虑该问题文本，还可以考虑在该问题文本之前的问题文本和对话回复信息。因此获取历史对话信息，历史对话信息至少包括历史问题文本、历史对话回复信息和本次输入的问题文本，对历史对话信息的向量进行解码，得到对话回复信息。但是，上述方案仅是根据历史对话信息的向量进行解码来得到对话回复信息，方案较为简单，生成对话回复信息的准确率较低。
技术实现思路
本申请实施例提供了一种基于人工智能的人机对话方法、模型训练方法及装置，可以提高生成对话回复信息的准确率。所述技术方案如下：...

【技术保护点】
1.一种基于人工智能的人机对话方法，其特征在于，所述方法包括：/n获取历史对话信息和与所述历史对话信息关联的知识文本信息；/n通过对话生成模型对获取到的所述历史对话信息和所述历史对话信息关联的知识文本信息进行如下处理：/n对所述历史对话信息进行编码处理，得到所述历史对话信息的第一特征向量；/n对所述第一特征向量进行编码处理，得到所述第一语义特征；/n对所述知识文本信息进行编码处理，得到所述知识文本信息的第二特征向量；/n对所述第二特征向量进行编码处理，得到所述第二语义特征；/n将所述第一语义特征和所述第二语义特征进行融合处理，得到第三语义特征；/n对所述第三语义特征进行解码处理，得到并输出所述...

【技术特征摘要】
1.一种基于人工智能的人机对话方法，其特征在于，所述方法包括：
获取历史对话信息和与所述历史对话信息关联的知识文本信息；
通过对话生成模型对获取到的所述历史对话信息和所述历史对话信息关联的知识文本信息进行如下处理：
对所述历史对话信息进行编码处理，得到所述历史对话信息的第一特征向量；
对所述第一特征向量进行编码处理，得到所述第一语义特征；
对所述知识文本信息进行编码处理，得到所述知识文本信息的第二特征向量；
对所述第二特征向量进行编码处理，得到所述第二语义特征；
将所述第一语义特征和所述第二语义特征进行融合处理，得到第三语义特征；
对所述第三语义特征进行解码处理，得到并输出所述历史对话信息对应的对话回复信息。


2.根据权利要求1所述的方法，其特征在于，所述通过对话生成模型对获取到的所述历史对话信息和所述历史对话信息关联的知识文本信息进行处理包括：
将所述历史对话信息和所述知识文本信息输入至所述对话生成模型；或者，
直接调用所述对话生成模型对所述历史对话信息和所述知识文本信息进行处理。


3.根据权利要求1所述的方法，其特征在于，所述通过对话生成模型对获取到的所述历史对话信息和所述历史对话信息关联的知识文本信息进行处理包括：
通过所述对话生成模型中的第一编码器，对所述历史对话信息进行编码处理，得到所述历史对话信息的第一特征向量；
通过所述对话生成模型中的第二编码器，对所述第一特征向量进行编码处理，得到所述第一语义特征；
通过所述对话生成模型中的第三编码器，对所述知识文本信息进行编码处理，得到所述知识文本信息的第二特征向量；
通过所述对话生成模型中的第四编码器，对所述第二特征向量进行编码处理，得到所述第二语义特征。


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：
获取样本数据，所述样本数据包括样本历史对话信息、与所述样本历史对话信息关联的样本知识文本信息、所述样本历史对话信息对应的样本对话回复信息；
根据所述样本数据，训练所述对话生成模型。


5.根据权利要求4所述的方法，其特征在于，所述根据所述样本数据，训练所述对话生成模型，包括：
通过所述对话生成模型，对所述样本历史对话信息、所述样本知识文本信息和所述样本对话回复信息进行编码处理，得到第一融合语义特征和第二融合语义特征，所述第一融合语义特征表示所述样本历史对话信息和所述样本知识文本信息的语义特征，所述第二融合语义特征表示所述样本历史对话信息、所述样本知识文本信息和所述样本对话回复信息的语义特征；
根据所述第一融合语义特征和所述第二融合语义特征，训练所述对话生成模型。


6.根据权利要求5所述的方法，其特征在于，所述通过所述对话生成模型，对所述样本历史对话信息、所述样本知识文本信息和所述样本对话回复信息进行编码处理，得到第一融合语义特征和第二融合语义特征，包括：
对所述样本历史对话信息进行编码处理，得到所述样本历史对话信息的第一样本特征向量；
对所述第一样本特征向量进行编码处理，得到第一样本语义特征；
对所述样本知识文本信息进行编码处理，得到所述样本知识文本信息的第二样本特征向量；
对所述第二样本特征向量进行编码处理，得到第二样本语义特征；
将所述第一样本语义特征和所述第二样本语义特征进行融合处理，得到所述第一融合语义特征。


7.根据权利要求6所述的方法，其特征在于，所述将所述第一样本语义特征和所述第二样本语义特征进行融合处理，得到所述第一融合语义特征，包括：
将所述第一样本特征向量和所述第二样本特征向量进行融合处理，得到第一样本权重信息，所述第一样本权重信息用于指示所述样本历史对话信息和所述样本知识文本信息的权重；
根据所述第一样本权重信息，将所述第一样本语义特征和所述第二样本语义特征进行加权融合处理，得到所述第一融合语义特征。


8.根据权利要求5所述的方法，其特征在于，所述通过所述对话生成模型，对所述样本历史对话信息、所述样本知识文本信息和所述样本对话回复信息进行编码处理，得到第一融合语义特征和第二融合语义特征，还包括：
对所述样本对话回复信息进行编码处理，得到所述样本对话回复信息的第三样本特征向量；
对所述第一样本特征向量...

【专利技术属性】
技术研发人员：闭玮，杜嘉晨，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44