一种人机对话的方法及装置制造方法及图纸

本发明专利技术公开了一种人机对话的方法及装置，本发明专利技术实施例在机器中采用多层双向变换器编码器训练得到对话模型，在进行人机对话时，向所述对话模型中输入对话信息，输出对话的应答信息，其中，所述多层双向变换器编码器是基于知识图谱、用户画像及对话目标序列进行训练得到对话模型的。由于在训练对话模型时参考了知识图谱、用户画像及对话目标序列中具有相关性的对话目标，所以训练得到的对话模型可以在对话过程中，主动向用户推荐其感兴趣的对话目标，实现由机器主导对话。

【技术实现步骤摘要】
一种人机对话的方法及装置
本专利技术涉及计算机
，特别涉及一种人机对话的方法及装置。
技术介绍
随着人工智能(AI，ArtificialIntelligence)技术的迅速发展，越来越多的智能助手类产品应运而生，在智能助手类产品中，对话系统可以应用到聊天机器人、语音助手等中，可以实现人与机器之间的对话交流，并且机器可以根据人说的话，生成一个回复。相关技术中，通常在机器中采用神经网络训练得到人机对话模型，来实现人机对话，通过向模型中输入对话信息，即可生成对话的应答信息。目前，人机对话技术还处于一个初级阶段，整个交互过程大多是用户主导，机器被动回复，即机器的回复是用于响应用户的输入，机器无法像人一样进行自我主导的对话交互。显然这种对话方式在对话过程中过于机械，不能实现机器与用户之间自然且顺畅的沟通，降低用户的使用体验度。
技术实现思路
有鉴于此，本专利技术实施例提供了一种人机对话的方法，该方法在人机对话过程中实现由机器主导对话。本专利技术实施例还提供一种人机对话的装置，该装置在人机对话过程中本文档来自技高网...

【技术保护点】
1.一种人机对话的方法，其特征在于，所述方法包括：/n采用设置的来自变换器的双向编码器表征量BERT模型训练得到对话模型，其中，所述BERT模型是基于知识图谱、用户画像及对话目标序列进行训练得到对话模型的；/n在进行人机对话时，向所述对话模型中输入对话信息，经过所述对话模型处理后，输出对话的应答信息。/n

【技术特征摘要】
1.一种人机对话的方法，其特征在于，所述方法包括：
采用设置的来自变换器的双向编码器表征量BERT模型训练得到对话模型，其中，所述BERT模型是基于知识图谱、用户画像及对话目标序列进行训练得到对话模型的；
在进行人机对话时，向所述对话模型中输入对话信息，经过所述对话模型处理后，输出对话的应答信息。


2.如权利要求1所述的方法，其特征在于，所述采用设置的BERT模型训练得到对话模型包括：
在所述BERT模型中采用基于知识聚焦的多源整合解码的方式，进行训练，得到对话模型。


3.如权利要求2所述的方法，其特征在于，所述BERT模型采用基于知识聚焦的多源整合解码的方式包括：
将编码后的对话历史信息输入到BERT模型的解码层中，与BERT模型的编码层输出的编码信息进行相关性计算；
基于相关性结果对输出的编码信息进行解码。


4.如权利要求1所述的方法，其特征在于，所述BERT模型包括：嵌入层、编码层、知识聚焦层、多源解码层、输出层及预测优化层，其中，
嵌入层，将知识图谱、用户画像及对话目标序列作为输入信息，根据不同知识类型进行向量空间映射，将向量转换后的输入信息输入给编码层；
编码层，对经过向量转换后的输入信息进行编码，得到编码后的知识三元组，所述知识三元组包括编码后的在同一知识类型下的对话目标、用户画像及知识图谱；
知识聚焦层，采用注意力机制计算知识三元组与编码后的对话历史信息之间的相关性，得到知识三元组的知识缩放率；
多源解码层，采用注意力机制对编码后的知识三元组进行解码，在解码时，基于知识三元组的被选中概率与知识缩放率的乘积进行；
输出层，用于将解码层中的最后三层的输出加权求和后，作为得到的输出向量；
预测优化层，用于对输出向量进行设定宽度值的波束搜索。
<...

【专利技术属性】
技术研发人员：杨志明，
申请(专利权)人：深思考人工智能科技上海有限公司，
类型：发明
国别省市：上海;31