【技术实现步骤摘要】
对话处理方法、预训练对话改写模型和电子设备
[0001]本申请涉及人工智能
，具体涉及一种对话处理方法、预训练对话改写模型和电子设备。
技术介绍
[0002]随着人工智能的快速发展，在智能对话技术中，通常情况下利用机器学习来输出用户想要的问答结果，在确定用户要得到的问答结果过程中，如何准确理解用户的输入信息中包含的意图是决定问答准确性的关键因素。但是，专利技术人发现，相关技术中智能对话系统识别用户输入信息的准确度较低，无法满足用户对识别准确性的要求。
技术实现思路
[0003]鉴于上述问题，本申请提供一种对话处理方法、预训练对话改写模型和电子设备，以至少解决智能对话系统识别用户输入信息准确度较低的技术问题。
[0004]根据本申请实施例的第一方面，提供了一种对话处理方法，包括：获取目标多轮对话中的场景图像对应的图像嵌入向量，以及获取所述目标多轮对话的对话文本对应的文本嵌入向量；所述对话文本包括待改写的目标对话文本；基于所述图像嵌入向量、所述文本嵌入向量和预设词库，分别确定所述目标对话文本中各个待...
【技术保护点】
【技术特征摘要】
1.一种对话处理方法，其特征在于，包括：获取目标多轮对话中的场景图像对应的图像嵌入向量，以及获取所述目标多轮对话的对话文本对应的文本嵌入向量；所述对话文本包括待改写的目标对话文本；基于所述图像嵌入向量、所述文本嵌入向量和预设词库，分别确定所述目标对话文本中各个待改写词对应的目标候选词；基于所述各个待改词对应的目标候选词，生成所述目标对话文本对应的改写文本。2.根据权利要求1所述的方法，其特征在于，所述基于所述图像嵌入向量、所述文本嵌入向量和预设词库，分别确定所述目标对话文本中每个词对应的目标候选词，包括：将所述图像嵌入向量和所述文本嵌入向量输入预训练对话改写模型的编码器，输出图像编码向量和文本编码向量；在当前迭代周期，将已预测词向量、所述图像编码向量和所述文本编码向量输入所述预训练对话改写模型的解码器，输出所述当前迭代周期对应的目标待改写词的至少一个候选词的概率；所述已预测词向量为所述当前迭代周期前已预测的待改写词的目标候选词对应的词向量；将概率最大的候选词确定为所述目标待改写词对应的目标候选词。3.根据权利要求2所述的方法，其特征在于，所述在当前迭代周期，将已预测词向量、所述图像编码向量和所述文本编码向量输入所述预训练对话改写模型的解码器，输出所述当前迭代周期对应的目标待改写词的至少一个候选词的概率，包括：在当前迭代周期，将已预测词向量输入所述解码器的自注意力层，将所述自注意力层的输出结果输入所述解码器的残差链接与归一化层，输出已预测文本向量；将所述已预测文本向量、所述图像编码向量和所述文本编码向量输入所述解码器中的多头注意力层，获得第一注意力权重向量和第二注意力权重向量；其中，所述第一注意力权重向量为基于图像和文本的交叉注意力权重信息得到的权重向量，所述第二注意力权重向量为基于文本的交叉注意力权重信息的权重向量；将所述第一注意力权重向量输入所述解码器的前向网络层，输出从预设词库中选取第一候选词的第一概率，所述第一候选词为所述当前迭代周期对应的目标待改写的任一候选词；将所述第一概率和第二注意力权重向量输入所述解码器的指针网络，输出所述第一候选词最终的概率。4.根据权利要求3所述的方法，其特征在于，所述获得第一注意力权重向量，包括：基于所述已预测文本向量、所述图像编码向量和所述文本编码向量，通过所述多头注意力层获得所述第一注意力权重向量。5.根据权利要求3所述的方法，其特征在于，所述获得第二注意力权重向量，包括：基于所述已预测文本向量和所述文本编码向量，通过所述多头注意力层获得所述第二注意力权重向量。6.根据权利要求3所述的方法，其特征在于，所述将所述第一概率和第二注意力权重向量输入所述解码器的指针网络，输出所述第一候选词最终的概率，包括：将所述第二注意力权重向量输入所述解码器的指针网络，输出从预设词库中选取所述第一候选词的第二概率，所述第二概率为从所述目标多轮对话的上下文中选取所述第一候
选词的概率；基于所述第一概率和所述第二概率，通过所述指针网络确定所述第一候选词最终的概率，并输出所述第一...
【专利技术属性】
技术研发人员：袁一菲，施晨，王润泽，陈丽怡，姜飞俊，游源，
申请(专利权)人：浙江猫精人工智能科技有限公司，
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。