对话状态跟踪系统及方法和人机对话装置及方法制造方法及图纸

本发明专利技术公开一种对话状态跟踪系统及方法和人机对话装置及方法，其中话状态跟踪系统包括：分层语句编码器，配置为对对话历史语句进行层次化编码；粗粒度解码器，配置为根据所述分层语句编码器的层次化编码结果进行解码得到粗粒度对话状态；粗粒度编码器，配置为对所述粗粒度对话状态进行粗粒度编码；状态解码器，配置为根据所述层次化编码结果和所述粗粒度编码结果确定序列化对话状态。本发明专利技术首次将对话状态表示成结构化的序列，并且提出了使用粗粒度到细粒度的序列生成的对话状态跟踪模型。本发明专利技术提出的模型是生成式对话状态跟踪，所以不需要提前知道槽值，序列形式的对话状态能够保证在生成对话状态的时候槽值之间是相互可见的。

【技术实现步骤摘要】
对话状态跟踪系统及方法和人机对话装置及方法
本专利技术涉及人机对话
，尤其涉及一种对话状态跟踪系统及方法和人机对话装置及方法。
技术介绍
现有技术的状态跟踪方法包括以下两种：(1)对话状态分类模型：对话状态跟踪方法中的分类模型在预测对话状态的时候都是槽值独立预测的，对于每一个槽都需要重新对对话历史语句进行编码。另外，分类方法需要提前知道预测槽所有可能出现的值，这在实际应用场景中是不现实的，因为像‘地点’这种槽所对应的可能的值是很多的，甚至有些槽的值是不可枚举的，这种情况分类方法是不能解决的。(2)槽值独立的对话状态生成模型：生成式对话状态跟踪模型的目的就是为了解决上面分类方法中槽值需要提前给定的问题。对话状态生成模型直接在对话历史中寻找对应槽的具体值，但是前期提出的对话生成模型仍然是按照槽独立预测的。这样的生成式对话状态跟踪系统存在的问题就是生成对话状态的计算复杂度很高。以上两种方法至少所存在以下缺陷：对话状态分类模型：依赖于需要预先定义好的槽值，计算复杂度高。槽值独立的对话状态生成模型：计算复杂度本文档来自技高网...

【技术保护点】
1.一种对话状态跟踪系统，包括：/n分层语句编码器，配置为对对话历史语句进行层次化编码；/n粗粒度解码器，配置为根据所述分层语句编码器的层次化编码结果进行解码得到粗粒度对话状态；/n粗粒度编码器，配置为对所述粗粒度对话状态进行粗粒度编码；/n状态解码器，配置为根据所述层次化编码结果和所述粗粒度编码结果确定序列化对话状态。/n本专利技术首次将对话状态表示成结构化的序列，并且提出了使用粗粒度到细粒度的序列生成的对话状态跟踪模型。本专利技术提出的模型是生成式对话状态跟踪，所以不需要提前知道槽值，序列形式的对话状态能够保证在生成对话状态的时候槽值之间是相互可见的。/n

【技术特征摘要】
1.一种对话状态跟踪系统，包括：
分层语句编码器，配置为对对话历史语句进行层次化编码；
粗粒度解码器，配置为根据所述分层语句编码器的层次化编码结果进行解码得到粗粒度对话状态；
粗粒度编码器，配置为对所述粗粒度对话状态进行粗粒度编码；
状态解码器，配置为根据所述层次化编码结果和所述粗粒度编码结果确定序列化对话状态。
本发明首次将对话状态表示成结构化的序列，并且提出了使用粗粒度到细粒度的序列生成的对话状态跟踪模型。本发明提出的模型是生成式对话状态跟踪，所以不需要提前知道槽值，序列形式的对话状态能够保证在生成对话状态的时候槽值之间是相互可见的。


2.根据权利要求1所述的系统，其中，所述分层语句编码器包括顺序连接的词级编码器和语句级编码器，其中，
所述词级编码器配置为对所述对话历史中的语句进行词级编码；
所述语句级编码器配置为对所述词级编码器输出的词级编码结果进行语句级编码，并将语句级编码结果输出给所述粗粒度解码器和所述状态解码器。


3.根据权利要求2所述的系统，其中，
所述词级编码器配置有用于存储词级解码到编码模型的注意力机制的第一存储器，所述第一存储器连接至所述状态解码器；
所述语句集编码器配置有用于存储语句级解码到编码模型的注意力机制的第二存储器，所述第二存储器连接至所述粗粒度编码器和所述状态解码器。


4.根据权利要求1-3中任一项所述的系统，其中，所述词级编码器、语句级编码器和粗粒度解码器包括双向GRU单元，所述粗粒度解码器和所述粗粒度编码器包括单向GRU单元。


5.一种人机对话装置，包括权利要求1-4任一项所述的对话状态跟踪系统。


6.一种对话状态跟踪方法，应用于权利要求1所述的对话状态跟踪系统，所述方法包括：
所述分层语句编码器对对话历史语句进行层次化编码；
所述粗粒度解码器根据所述分层语句编码器的层次化编码结果进行解码得到粗粒度对话状态；
所述粗粒度编码器对所述粗粒度对话状态进行粗粒度编码；
所述状态解码器根据所述层次化编码结果和所述粗粒度编码结果确定...

【专利技术属性】
技术研发人员：俞凯，陈志，
申请(专利权)人：苏州思必驰信息科技有限公司，
类型：发明
国别省市：江苏;32