本发明专利技术实施例提供了一种对话推荐与模型训练方法、装置、电子设备和存储介质。所述对话推荐方法包括：确定当前对话语句中的多个推荐要素；在预先构建的推荐对象图谱中，查询所述多个推荐要素之间的关联关系，所述推荐对象图谱的实体指示推荐要素，所述推荐对象图谱的实体关系指示不同推荐要素之间的关联关系；至少基于所述多个推荐要素及其关联关系之间的上下文语义关联，构建所述当前对话语句的当前主题的偏好表示；基于所述当前主题的偏好表示，预测所述当前主题的下一主题；推荐与所述下一主题匹配的推荐对象。本发明专利技术实施例的方案在保证了推荐的准确度的同时进一步地提高了推荐效率。效率。效率。
【技术实现步骤摘要】
对话推荐与模型训练方法、装置、电子设备和存储介质
[0001]本专利技术实施例涉及计算机
，尤其涉及一种对话推荐与模型训练方法、装置、电子设备和存储介质。
技术介绍
[0002]对话推荐系统(Conversational Recommender System，CRS)能够在与用户的对话过程中，实现了诸如商品的推荐对象的推荐过程。传统的对话推荐任务往往先通过一些规则或模型判定用户需求，然后基于用户的对话信息分析用户偏好，进而向用户推荐诸如商品的推荐对象。
[0003]随着对话推荐系统的发展，引入了对话策略模块，能够根据与用户的当前对话状态作出主题引导还是直接进行推荐的判断，进一步提高了用户体验的流畅性和推荐的准确度，但是，目前的对话推荐系统在主题引导过程或推荐过程中对用户偏好或意图估计不够准确，导致了推荐效率仍有提高的空间。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供一种对话推荐与模型训练方法、装置、电子设备和存储介质，以至少部分解决上述问题。
[0005]根据本专利技术实施例的第一方面，提供了一种对话推荐方法，包括：确定当前对话语句中的多个推荐要素；在预先构建的推荐对象图谱中，查询所述多个推荐要素之间的关联关系，所述推荐对象图谱的实体指示推荐要素，所述推荐对象图谱的实体关系指示不同推荐要素之间的关联关系；至少基于所述多个推荐要素及其关联关系之间的上下文语义关联，构建所述当前对话语句的当前主题的偏好表示；基于所述当前主题的偏好表示，预测所述当前主题的下一主题；推荐与所述下一主题匹配的推荐对象。
[0006]在本专利技术的另一实现方式中，所述推荐与所述下一主题匹配的推荐对象，包括：在所述下一主题与对象标签匹配时，对所述对象标签所属的推荐对象进行推荐。
[0007]在本专利技术的另一实现方式中，所述对所述对象标签所属的推荐对象进行推荐，包括：确定具有所述对象标签的多个备选推荐对象；基于所述多个备选推荐对象与所述当前主题的偏好表示的相似度，对所述多个备选推荐对象进行排序；基于多个备选推荐对象的排序，选择所述多个备选推荐对象中的推荐对象进行推荐，所述推荐对象在所述多个备选推荐对象中的排序序数小于预设序数。
[0008]在本专利技术的另一实现方式中，所述方法还包括：在所述下一主题与所述对象标签不匹配时，基于所述当前主题的偏好表示、以及所述下一主题，生成所述当前对话语句的回复语句。
[0009]在本专利技术的另一实现方式中，所述至少基于所述多个推荐要素及其关联关系之间的上下文语义关联，构建所述当前对话语句的当前主题的偏好表示，包括：分别生成所述多个推荐要素的多个初始向量表示；基于所述多个推荐要素的关联关系，对所述多个初始向
量表示进行上下文语义处理，得到所述多个推荐要素的第一上下文语义表示；至少基于所述第一上下文语义表示，构建所述当前对话语句的当前主题的偏好表示。
[0010]在本专利技术的另一实现方式中，所述基于所述多个推荐要素的关联关系，对所述多个初始向量表示进行上下文语义处理，得到所述多个推荐要素的第一上下文语义表示，包括：构建所述多个初始向量表示的初始矩阵表示；构建所述多个初始向量之间的关系矩阵以及度矩阵；将所述初始矩阵表示、所述关系矩阵以及所述度矩阵进行编码输入到图卷积网络中，得到所述多个推荐要素的第一上下文语义表示，所述图卷积网络通过图训练数据的初始矩阵表示、关系矩阵以及度矩阵及其分类标签预先训练得到。
[0011]在本专利技术的另一实现方式中，所述方法还包括：生成所述当前对话语句的历史对话语句及其历史主题、以及对话用户偏好中的至少一者的各个第二上下文语义表示。所述至少基于所述第一上下文语义表示，构建所述当前对话语句的当前主题的偏好表示，包括：基于所述第一上下文语义表示、所述各个第二上下文语义表示输入到预先训练的自注意力层中，得到所述当前对话语句的当前主题的偏好表示，所述自注意力层用于对所述第一上下文语义表示以及所述各个第二上下文语义表示进行基于对话主题的上下文表示。
[0012]在本专利技术的另一实现方式中，所述自注意力层的输出与主题引导层的输入连接，所述自注意力层与所述主题引导层组成引导主题引导模型，所述主题引导模型通过不同对话语句的主题引导关系训练得到。所述基于所述当前主题的偏好表示，预测所述当前主题的下一主题，包括：将所述当前主题的偏好表示输入到主题引导层，得到所述当前主题的下一主题。
[0013]在本专利技术的另一实现方式中，所述方法还包括：基于所述当前主题的偏好表示以及所述推荐对象，生成所述当前对话语句的回复语句。
[0014]根据本专利技术实施例的第二方面，提供了一种模型训练方法，包括：获取对话语句样本及其所述对话语句样本的引导主题；确定所述对话语句样本中的多个推荐要素；在预先构建的推荐对象图谱中，查询所述多个推荐要素之间的关联关系，所述推荐对象图谱的实体指示推荐要素，所述推荐对象图谱的实体关系指示不同推荐要素之间的关联关系；至少基于所述多个推荐要素及其关联关系之间的上下文语义关联作为输入，以所述引导主题作为监督条件，对主题引导模型进行训练。
[0015]根据本专利技术实施例的第三方面，提供了一种对话推荐装置，包括：确定模块，确定当前对话语句中的多个推荐要素；查询模块，在预先构建的推荐对象图谱中，查询所述多个推荐要素之间的关联关系，所述推荐对象图谱的实体指示推荐要素，所述推荐对象图谱的实体关系指示不同推荐要素之间的关联关系；构建模块，至少基于所述多个推荐要素及其关联关系之间的上下文语义关联，构建所述当前对话语句的当前主题的偏好表示；预测模块，基于所述当前主题的偏好表示，预测所述当前主题的下一主题；推荐模块，推荐与所述下一主题匹配的推荐对象。
[0016]根据本专利技术实施例的第四方面，提供了一种模型训练装置，包括：获取模块，获取对话语句样本及其所述对话语句样本的引导主题；确定模块，确定所述对话语句样本中的多个推荐要素；查询模块，在预先构建的推荐对象图谱中，查询所述多个推荐要素之间的关联关系，所述推荐对象图谱的实体指示推荐要素，所述推荐对象图谱的实体关系指示不同推荐要素之间的关联关系；训练模块，至少基于所述多个推荐要素及其关联关系之间的上
下文语义关联作为输入，以所述引导主题作为监督条件，对主题引导模型进行训练。
[0017]根据本专利技术实施例的第五方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如第一方面或第二方面所述的方法对应的操作。
[0018]根据本专利技术实施例的第六方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面或第二方面所述的方法。
[0019]在本专利技术实施例的方案中，在预先构建的推荐对象图谱中，查询当前对话语句的多个推荐要素之间的关联关系，召回了更多有利于推荐的信息，使得所构建的当前对话语句的当前主题的偏好表示能够本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种对话推荐方法，包括：确定当前对话语句中的多个推荐要素；在预先构建的推荐对象图谱中，查询所述多个推荐要素之间的关联关系，所述推荐对象图谱的实体指示推荐要素，所述推荐对象图谱的实体关系指示不同推荐要素之间的关联关系；至少基于所述多个推荐要素及其关联关系之间的上下文语义关联，构建所述当前对话语句的当前主题的偏好表示；基于所述当前主题的偏好表示，预测所述当前主题的下一主题；推荐与所述下一主题匹配的推荐对象。2.根据权利要求1所述的方法，其中，所述推荐与所述下一主题匹配的推荐对象，包括：在所述下一主题与对象标签匹配时，对所述对象标签所属的推荐对象进行推荐。3.根据权利要求2所述的方法，其中，所述对所述对象标签所属的推荐对象进行推荐，包括：确定具有所述对象标签的多个备选推荐对象；基于所述多个备选推荐对象与所述当前主题的偏好表示的相似度，对所述多个备选推荐对象进行排序；基于多个备选推荐对象的排序，选择所述多个备选推荐对象中的推荐对象进行推荐，所述推荐对象在所述多个备选推荐对象中的排序序数小于预设序数。4.根据权利要求2所述的方法，其中，所述方法还包括：在所述下一主题与所述对象标签不匹配时，基于所述当前主题的偏好表示、以及所述下一主题，生成所述当前对话语句的回复语句。5.根据权利要求1所述的方法，其中，所述至少基于所述多个推荐要素及其关联关系之间的上下文语义关联，构建所述当前对话语句的当前主题的偏好表示，包括：分别生成所述多个推荐要素的多个初始向量表示；基于所述多个推荐要素的关联关系，对所述多个初始向量表示进行上下文语义处理，得到所述多个推荐要素的第一上下文语义表示；至少基于所述第一上下文语义表示，构建所述当前对话语句的当前主题的偏好表示。6.根据权利要求5所述的方法，其中，所述基于所述多个推荐要素的关联关系，对所述多个初始向量表示进行上下文语义处理，得到所述多个推荐要素的第一上下文语义表示，包括：构建所述多个初始向量表示的初始矩阵表示；构建所述多个初始向量之间的关系矩阵以及度矩阵；将所述初始矩阵表示、所述关系矩阵以及所述度矩阵进行编码输入到图卷积网络中，得到所述多个推荐要素的第一上下文语义表示，所述图卷积网络通过图训练数据的初始矩阵表示、关系矩阵以及度矩阵及其分类标签预先训练得到。7.根据权利要求5所述的方法，其中，所述方法还包括：生成所述当前对话语句的历史对话语句及其历史主题、以及对话用户偏好中的至少一者的各个第二上下文语义表示；所述至少基于所述第一上下文语义表示，构建所述当前对话语句的当前主题的偏好表
示，包括：基于所述第一上下文语义表示、所述各个第二上下文语义表示输入到预先训练的自注意力层中，得到所述当前对话语句的当前主题的偏好表...
【专利技术属性】
技术研发人员：董保华，崔恒斌，冯帆，关新宇，樊艳，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。