一种面向人机交互的对话目标规划方法技术

本发明专利技术公开了一种面向人机交互的对话目标规划方法，所述方法如下：步骤S1、收集并标注大规模语料库；步骤S2、计算目标转移向量矩阵；步骤S3、构建目标规划联合学习模型；步骤S4、实施目标规划方案。本发明专利技术将对话目标规划问题拆分成目标预测和目标完成两个子任务，并揭示了两个子任务之间内生的潜在关联，从而阐明了这两个子任务能够进行联合学习的本质原因。本发明专利技术提供了一系列方法来构建对话目标转移图并将其进行向量化表示。本发明专利技术提出了一种新颖的多任务联合学习神经网络模型，通过设计目标预测和目标完成两个子网络来建模两个子任务之间内在的关联性，并采用循环增强机制来提高各网络特征表示的性能，从而提高目标规划模型的效果。

【技术实现步骤摘要】
一种面向人机交互的对话目标规划方法
本专利技术属于计算机服务
，涉及一种面向人机交互的对话目标规划方法，具体涉及一种基于多任务联合学习模型的对话目标规划方法。
技术介绍
人机交互技术指人与计算机之间使用某种对话语言，以一定的交互方式，为完成确定任务的人与计算机之间的信息交换过程，它搭建了人与机器之间的桥梁。人机交互技术，特别是让机器理解和运用自然语言实现人机通信的人机对话技术，是人工智能的重要挑战。近年来随着深度学习的兴起，人机对话领域也取得了长足的进步。但当前的人机对话系统仍处于起步阶段：通常只能被动地响应用户的提问，而无法在交谈中主动引导话题目标。传统人机对话系统将一问一答的对话语料作为数据集，训练端到端的序列生成模型，仅能根据用户的输入返回一个合适的输出作为响应，无法主动向用户提问，更无法自然地引导整段对话的进行。但是在真实世界中的应用，比如闲聊，任务型对话，推荐对话，甚至是问答，人机交互对话的形式更多得是多轮对话的形式。因此，对很多实际应用来说，系统如何主动且自然地在多轮人机对话中进行对话的引导至关重要。例如，在问本文档来自技高网...

【技术保护点】
1.一种面向人机交互的对话目标规划方法，其特征在于所述方法包括如下步骤：/n步骤S1、收集并标注大规模语料库：/n(1)收集并整合常见的多轮对话语料库并对原始语料进行文本清洗和整理；/n(2)对于处理后的语料库，人工标注出每轮对话中用户的输入文本涉及的对话目标以及是否完成该目标，将多轮对话组成的一整段对话涉及的对话目标整理成目标序列；/n步骤S2、计算目标转移向量矩阵：/n整合步骤S1中对整个语料库构建的目标序列，将其转化成目标转移图，然后使用条件概率计算转移图中边的权重，最后使用DeepWalk算法将图中各目标节点进行向量化表示；/n步骤S3、构建目标规划联合学习模型：/n目标规划联合学习模...

【技术特征摘要】
1.一种面向人机交互的对话目标规划方法，其特征在于所述方法包括如下步骤：
步骤S1、收集并标注大规模语料库：
(1)收集并整合常见的多轮对话语料库并对原始语料进行文本清洗和整理；
(2)对于处理后的语料库，人工标注出每轮对话中用户的输入文本涉及的对话目标以及是否完成该目标，将多轮对话组成的一整段对话涉及的对话目标整理成目标序列；
步骤S2、计算目标转移向量矩阵：
整合步骤S1中对整个语料库构建的目标序列，将其转化成目标转移图，然后使用条件概率计算转移图中边的权重，最后使用DeepWalk算法将图中各目标节点进行向量化表示；
步骤S3、构建目标规划联合学习模型：
目标规划联合学习模型主要包括五个模块：注意力网络模块、目标完成网络模块、目标预测网络模块、循环增强模块和分类模块，其中：注意力网络模块用于计算目标转移图中各目标节点网络结构特征对用户输入文本所属目标的贡献度；目标完成网络模块和目标预测网络模块分别用于增强和丰富对应子任务的向量表示；循环增强模块用于更新增强后各子任务的向量表示；分类模块用于完成各子任务对应的具体分类问题；
步骤S4、实施目标规划方案：
对步骤S3所构建的目标规划联合学习模型基于步骤S1得到的真实语料库进行训练，通过参数调优选择出效果最好的模型，并将其进行线上部署，暴露成Web服务接口供服务使用者调用。


2.根据权利要求1所述的面向人机交互的对话目标规划方法，其特征在于所述步骤S2的具体步骤如下：
(1)将语料库中出现的所有目标转移序列进行合并，将其转化成转移图G＝(V,E)，其中V是节点集合，E是边的集合；
(2)计算在已知目标节点vi的条件下目标节点vj出现的条件概率P(vj|vi)，将其作为边e上的权重，构成有向含权目标转移图G；
(3)利用图表示学习算法DeepWalk，将图中节点转化为低维稠密实体向量，充分利用图结构中的随机游走序列的信息。


3.根据权利要求1所述的面向人机交互的对话目标规划方法，其特征在于所述步骤S3的具体构建步骤如下：
(1)将步骤S2得到的目标转移向量矩阵和经过ERNIE精调后的文本语义特征向量输入注意力网络模块，输出目标预测向量；
(2)同时将文本语义特征向量和步骤(1)得到的目标预测向量输入目标完成网络模块来提...

【专利技术属性】
技术研发人员：张柏林，涂志莹，初佃辉，申义，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23