一种人机对话方法及系统技术方案

本发明专利技术公开了一种人机对话方法及系统，对获取的当前对话语句进行预处理得到词向量序列，将词向量序列输入至句子分类模型，得到当前对话语句的句子功能标签，将词向量序列和句子功能标签输入至生成式对话模型，采用生成式对话方法输出当前对话语句的回答语句。本发明专利技术通过在训练句子分类模型的句子功能标签中的增加一定比例的疑问句，使得生成式对话模型输出的回答语句包含一定比例的疑问句，为避免出现生成式对话模型在应当输出疑问句，而错误的输出其他句型的情况，本发明专利技术引入了损失函数，通过采用反向传播算法调整模型参数，得到损失函数收敛为最小值时的生成式对话模型，该模型可以拟合实际对话语句的回答语句类型实现人机对话时的主动对话。

【技术实现步骤摘要】
一种人机对话方法及系统
本专利技术涉及自然语言处理
，更具体的说，涉及一种人机对话方法及系统。
技术介绍
对话系统又称为交互式对话智能体或聊天机器人，具有非常广泛的应用，如技术支持、娱乐等。在对话系统中，一般用户提问的问题通过一轮对话即可解决，但是在实际应用中，更常见的场景为多轮对话，用户往往会针对对话系统的回答进行新的提问，或者展开相关的交互。然而，目前对于对话系统的研究，多为一问一答的形式，即用户提问一个问题，对话系统回答一个问题，该问答方式类似于信息检索形式，由于对话系统从用户处所获得的有效信息较少，因此影响了对话交互的有效性，使得人机对话不能很好的延续，与日常生活中的对话存在较大差别，从而使得用户体验效果不佳。
技术实现思路
有鉴于此，本专利技术公开一种人机对话方法及系统，以实现人机对话时的主动对话，提高用户体验。一种人机对话方法，包括：获取当前对话语句；对所述当前对话语句进行预处理，得到词向量序列；将所述词向量序列输入至预先训练的句子分类模型，得到所述当前对话语句的句子本文档来自技高网...

【技术保护点】
1.一种人机对话方法，其特征在于，包括：/n获取当前对话语句；/n对所述当前对话语句进行预处理，得到词向量序列；/n将所述词向量序列输入至预先训练的句子分类模型，得到所述当前对话语句的句子功能标签，所述句子分类模型为以对话语句的词向量序列作为训练样本，以句子功能标签作为标签训练得到，其中，训练所述句子分类模型的句子功能标签中的疑问句比例在预设比例区间内；/n将所述词向量序列和所述句子功能标签输入至预先训练的生成式对话模型，采用生成式对话方法输出所述当前对话语句的回答语句，其中，所述生成式对话模型在训练过程中采用反向传播算法进行学习，且损失函数收敛为最小值，所述损失函数用于表征所述生成式对话模型...

【技术特征摘要】
1.一种人机对话方法，其特征在于，包括：
获取当前对话语句；
对所述当前对话语句进行预处理，得到词向量序列；
将所述词向量序列输入至预先训练的句子分类模型，得到所述当前对话语句的句子功能标签，所述句子分类模型为以对话语句的词向量序列作为训练样本，以句子功能标签作为标签训练得到，其中，训练所述句子分类模型的句子功能标签中的疑问句比例在预设比例区间内；
将所述词向量序列和所述句子功能标签输入至预先训练的生成式对话模型，采用生成式对话方法输出所述当前对话语句的回答语句，其中，所述生成式对话模型在训练过程中采用反向传播算法进行学习，且损失函数收敛为最小值，所述损失函数用于表征所述生成式对话模型输出的回答语句的分类概率相对于参考回答语句的分类概率的损失情况。


2.根据权利要求1所述的人机对话方法，其特征在于，所述对所述当前对话语句进行预处理，得到词向量序列，具体包括：
对所述当前对话语句进行分词得到单词序列；
对所述单词序列中的每个单词进行词嵌入处理，将每个所述单词转换为词向量，得到所述词向量序列。


3.根据权利要求1所述的人机对话方法，其特征在于，所述将所述词向量序列和所述句子功能标签输入至预先训练的生成式对话模型，采用生成式对话方法输出所述当前对话语句的回答语句，具体包括：
使用编码器对所述词向量序列进行进行编码得到隐状态；
使用解码器对所述隐状态进行解码得到输出序列，当所述输出序列的最后一个字符为停止符时停止解码；
将解码得到的所述输出序列和所述句子功能标签输入至所述生成式对话模型，采用生成式对话方法输出所述当前对话语句的所述回答语句。


4.根据权利要求3所述的人机对话方法，其特征在于，所述隐状态的表达式如下：
ht＝f(xt，ht-1)；c＝ht；
式中，ht为所述隐状态，f为激活函数，所述激活函数为非线性函数，xt为第t个所述词向量序列中的词向量，ht-1为t-1时刻所对应的词向量序列的上下文向量，c为上下文向量。


5.根据权利要求1所述的人机对话方法，其特征在于，所述损失函数为输出语句损失因子和分类损失因子的加权平均，所述损失函数的表达式如下：



式中，loss为所述损失函数，α和β表示加权平均的权重，α和β均在0和1之间取值，且α+β＝1；
其中，所述输出语句损失因子的表达式如下：



式中，lossA表示所述输出语句损失因子，n表示当前对话语句的总长度，i表示求和过程中的自变量，代表回答语句生成过程中当前对话语句长度，P表示由第1个单词到第n-1个单词，生成第n个单词的概率，yn表示回答语句中的第n个单词，y1表示回答语句中的第1个单词，yn-1表示回答语句中的第n-1个单词；
所述分类损失因子的表达式如下：



式中，k表示句子功能类别，i表示求和过程中的变量，取值为1～k，Y表示所述回答语句所对应的分类标签，U表示参考回答V所对应的分类标签，P(Y|k)表示所述回答语句取得分类标签Y的概率，P(U|k)表示生成式对话模型输出参考回答V取得分类...

【专利技术属性】
技术研发人员：陈欢欢，范祖宁，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34