一种基于多粒度情感的对话推荐方法及系统技术方案

本发明专利技术公开了一种基于多粒度情感的对话推荐方法及系统。本方法为：1)利用对话推荐系统中的编码器对历史对话上下文语句进行语义编码；其中，所述语义编码包括历史对话上下文语义向量编码和多粒度情感感知向量编码；所述历史对话上下文语义向量编码方法为：使用词向量嵌入矩阵和位置嵌入矩阵将历史对话上下文中的每个文本单元表示为对应的文本单元语义向量，得到历史对话上下文的语义表示向量；所述多粒度情感感知向量编码方法为：对历史对话上下文中的情感词进行编码得到历史对话上下文的多粒度情感感知向量；2)对语义编码进行线性变换映射，并将映射结果与历史对话上下文进行拼接后输入对话推荐系统中的解码器，得到推荐的回复语句。荐的回复语句。荐的回复语句。

【技术实现步骤摘要】
一种基于多粒度情感的对话推荐方法及系统


[0001]本专利技术属于计算机软件
，具体涉及一种基于多粒度情感的对话推荐方法及系统。

技术介绍

[0002]随着互联网的快速发展，繁琐的数据和内容逐日递增，针对用户精准获取信息的需求，对话推荐系统应运而生。对话推荐系统的目的主要在于通过与用户进行自然语言的交互，学习用户偏好，进而对用户进行有效推荐。对话推荐系统能够实时地与用户进行多轮对话，动态获取用户的兴趣，对用户做出高质量的商品推荐。对话推荐系统在现实生活中有着广泛的应用场景，如音乐推荐应用、电影推荐应用、餐厅推荐应用、在线购物网站推荐应用、视频流及门户网站推荐应用等。对话推荐系统目前的工作主要从两个不同的角度展开对话推荐技术的研究，一种是基于属性的对话推荐方法，另外一种是基于生成的对话推荐方法。
[0003]1.基于属性的对话推荐方法：对话从用户端开始，用户首先指定自己喜欢的标签，系统从物品候选集合中根据用户指定的标签进行筛选，接着对话推荐系统在接下来的每一步中采取推荐动作或者询问属性动作，用户也会对系统的动作做出相应的反馈，对系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多粒度情感的对话推荐方法，其步骤包括：1)利用对话推荐系统中的编码器对历史对话上下文语句进行语义编码；其中，所述语义编码包括历史对话上下文语义向量编码和多粒度情感感知向量编码；所述历史对话上下文语义向量编码方法为：使用词向量嵌入矩阵和位置嵌入矩阵将所述历史对话上下文中的每个文本单元表示为对应的文本单元语义向量，得到所述历史对话上下文的语义表示向量；所述历史对话上下文的语义表示向量由历史对话上下文中各单词的词向量、位置向量以及对话状态向量相加得到；所述多粒度情感感知向量编码方法为：使用情感词典提取所述历史对话上下文中的情感词，得到由所述情感词组成的文本序列，对该文本序列进行编码得到所述历史对话上下文的多粒度情感感知向量；2)对所述语义编码进行线性变换映射，并将映射结果与所述历史对话上下文进行拼接并输入对话推荐系统中的解码器，得到推荐的回复语句。2.根据权利要求1所述的方法，其特征在于，所述对话推荐系统为训练优化后的对话推荐系统，其中训练优化方法为：利用编码器对带有注释的对话推荐数据集中对话上下文语句进行语义编码；对语义编码进行线性变换映射，并将映射结果与对应对话上下文进行拼接并输入对话推荐系统中的解码器，得到推荐的回复语句；训练优化对话推荐系统所采用的损失函数为其中，情感感知损失函数回复生成损失函数e
*
为所述对话上下文的真实标签，ε为所述对话上下文的多粒度情感感知向量，γ1、γ2为超参数，C为语义编码，P
e
(e
*
|ε)为在当前情感感知向量条件ε下对话的情感标签为e
*
概率，p(y
j
|y＜j，C)为根据当前上下文C基于当前位置j的j
‑
1个上文生成回复y
j
概率。3.根据权利要求2所述的方法，其特征在于，所述带有注释的对话推荐数据集为ReDial数据集。4.根据权利要求1或2或3所述的方法，其特征在于，所述对话状态向量用来表示当前单词所...

【专利技术属性】
技术研发人员：曹聪，王志平，袁方方，张春燕，卢毓海，刘燕兵，谭建龙，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：