一种信息生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种信息生成方法、装置、设备及存储介质；方法包括：获取对话过程中的语句，得到对话历史；并利用外部知识信息，对对话历史的每个对话语句进行信息扩展，得到对话语句扩展信息；对对话语句扩展信息进行特征构造，得到对话语句扩展特征，从而得到与对话历史对应的至少一个对话语句扩展特征；对至少一个对话语句扩展特征进行语义编码，得到对话历史语义信息；对至少一个对话语句扩展特征进行情绪预测，得到待表达情绪信息；利用至少一个对话语句扩展特征，对对话历史语义信息和待表达情绪信息进行组合解码，生成共情回复信息；共情回复信息为对话过程中对话历史的回复信息。通过本发明专利技术实施例，能够提升共情对话生成效果。

【技术实现步骤摘要】
一种信息生成方法、装置、设备及存储介质
本专利技术涉及人工智能领域中的自然语言处理技术，尤其涉及一种信息生成方法、装置、设备及存储介质。
技术介绍
共情对话生成，指感知对话历史中的情绪状态，预测待表达的情绪，最终生成情绪和语义均表达合适的共情回复信息的过程。目前，随着人工智能的广泛应用，共情对话生成作为人工智能的一个分支，也变得越来越重要。一般来说，为实现共情对话生成，通常通过分析对话历史，来获取历史情绪，进而根据历史情绪预测待表达的情绪，以基于待表达的情绪获得共情回复信息。然而，在上述实现共情对话生成的过程中，共情回复信息仅是利用有限的对话历史获得的，而通常有限的对话历史无法完全表达对应的情绪；因此，获得的共情回复信息的情绪的准确度低，导致共情对话生成效果差。
技术实现思路
本专利技术实施例提供一种信息生成方法、装置及存储介质，能够提升共情对话生成效果。本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供一种信息生成方法，包括：获取对话过程中的语句，得到对话历史；并利用外部知识信息，本文档来自技高网...

【技术保护点】
1.一种信息生成方法，其特征在于，包括：/n获取对话过程中的语句，得到对话历史；并利用外部知识信息，对所述对话历史的每个对话语句进行信息扩展，得到对话语句扩展信息；所述外部知识信息为预设的由词关联信息构成的知识库；/n对所述对话语句扩展信息进行特征构造，得到对话语句扩展特征，从而得到与所述对话历史对应的至少一个对话语句扩展特征；/n对所述至少一个对话语句扩展特征进行语义编码，得到对话历史语义信息；/n对所述至少一个对话语句扩展特征进行情绪预测，得到待表达情绪信息；/n利用所述至少一个对话语句扩展特征，对所述对话历史语义信息和所述待表达情绪信息进行组合解码，生成共情回复信息；所述共情回复信息为对...

【技术特征摘要】
1.一种信息生成方法，其特征在于，包括：
获取对话过程中的语句，得到对话历史；并利用外部知识信息，对所述对话历史的每个对话语句进行信息扩展，得到对话语句扩展信息；所述外部知识信息为预设的由词关联信息构成的知识库；
对所述对话语句扩展信息进行特征构造，得到对话语句扩展特征，从而得到与所述对话历史对应的至少一个对话语句扩展特征；
对所述至少一个对话语句扩展特征进行语义编码，得到对话历史语义信息；
对所述至少一个对话语句扩展特征进行情绪预测，得到待表达情绪信息；
利用所述至少一个对话语句扩展特征，对所述对话历史语义信息和所述待表达情绪信息进行组合解码，生成共情回复信息；所述共情回复信息为对话过程中所述对话历史的回复信息。


2.根据权利要求1所述的方法，其特征在于，所述利用外部知识信息，对所述对话历史的每个对话语句进行信息扩展，得到对话语句扩展信息，包括：
获取所述对话历史中所述每个对话语句的每个非停用词；
从所述外部知识信息中，确定与所述每个非停用词匹配的信息，得到目标外部知识信息；
计算所述目标外部知识信息的每个子目标外部知识信息与所述每个非停用词的关联得分，得到子目标关联得分，从而得到与所述目标外部知识信息对应的目标关联得分；所述目标关联得分包括至少一个子目标关联得分；
基于所述目标关联得分，从所述目标外部知识信息中，筛选指定数量的子目标外部知识信息，得到外部知识节点；
利用所述外部知识节点对所述每个非停用词进行信息扩展，得到词扩展信息，从而得到与所述每个对话语句对应的所述对话语句扩展信息；所述对话语句扩展信息包括至少一个词扩展信息；
相应地，所述对所述对话语句扩展信息进行特征构造，得到对话语句扩展特征，包括：
对所述对话语句扩展信息的每个词扩展信息进行特征构造，得到词扩展特征，从而得到包括至少一个词扩展特征的所述对话语句扩展特征。


3.根据权利要求2所述的方法，其特征在于，所述计算所述目标外部知识信息的每个子目标外部知识信息与所述每个非停用词的关联得分，得到子目标关联得分，包括：
获取所述目标外部知识信息的所述每个子目标外部知识信息的情感强度，得到目标情感强度信息；
获取所述每个子目标外部知识信息与所述每个非停用词的相关程度，得到目标相关程度信息；
获取所述每个子目标外部知识信息的关系置信度，得到目标关系置信度信息；
利用所述目标情感强度信息、所述目标相关程度信息和所述目标关系置信度信息，计算所述每个子目标外部知识信息与所述每个非停用词的关联得分，得到所述子目标关联得分。


4.根据权利要求2或3所述的方法，其特征在于，所述对所述对话语句扩展信息的每个词扩展信息进行特征构造，得到词扩展特征，包括：
对所述对话语句扩展信息中所述每个词扩展信息的所述每个非停用词进行向量表示，得到非停用词向量特征；
对所述每个词扩展信息的所述外部知识节点进行向量表示，得到外部知识节点向量特征；
利用所述非停用词向量特征和所述外部知识节点向量特征，计算所述外部知识节点的权重信息，得到外部知识权重信息；
利用所述外部知识权重信息，将所述非停用词向量特征和所述外部知识节点向量特征进行组合，得到所述词扩展特征，完成对所述每个词扩展信息的特征构造。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述至少一个对话语句扩展特征进行情绪预测，得到待表达情绪信息，包括：
获取所述至少一个对话语句扩展特征的情绪特征，得到至少一个对话语句情绪特征；
拼接所述至少一个对话语句情绪特征和初始待表达情绪特征，得到初始情绪交互特征；所述初始待表达情绪特征为待预测的待表达情绪对应的初始特征；
对所述初始情绪交互特征进行迭代处理，得到情绪交互特征；
依据所述情绪交互特征，预测待表达的情绪，得到所述待表达情绪信息。


6.根据权利要求1至5任一项所述的方法，其特征在于，所述利用所述至少一个对话语句扩展特征，对所述对话历史语义信息和所述待表达情绪信息进行组合解码，得到共情回复信息，包括：
利用所述至少一个对话语句扩展特征对应的情绪特征，更新所述待表达情绪信息，得到目标情绪信息；
对所述对话历史语义信息和所述待表达情绪信息进行当前时刻的组合解码，得到初始当前解码词信息，利用所述对话历史语义信息对所述初始当前解码词信息进行情绪增强更新，得到当前解码词信息；
将所述目标情绪信息和所述当前解码词信息进行组合处理，得到当前共情回复词；
持续进行下一时刻的组合解码，直到完成对所述对话历史语义信息和所述待表达情绪信息的组合解码时，得到包括至少一个当前共情回复词的所述共情回复信息。


7.根据权利要求6所述的方法，其特征在于，所述利用所述至少一个对话语句扩展特征对应的情绪特征，更新所述待表达情绪信息，得到目标情绪信息，包括：
从所述至少一个对话语句扩展特征中，获取与每个非停用词对应的情绪特征，得到词节点情绪信息；
获取所述词节点情绪信息对所述待表达情绪信息的贡献信息，得到词情绪贡献信息，从而得到包括至少一个词情绪贡献信息的历史情绪贡献信息；
利用所述历史情绪贡献信息更新所述待表达情绪信息，得到所述当...

【专利技术属性】
技术研发人员：李沁桐，李丕绩，刘晓江，
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