【技术实现步骤摘要】
一种对话推荐方法
[0001]本专利技术涉及数据挖掘技术,尤其涉及一种对话推荐方法。
技术介绍
[0002]对话式推荐系统(CRS)旨在通过对话及时追踪用户的动态兴趣,并为项目推荐生成相关回应。在近期的研究中,各种外部知识库(尤其是知识图谱)被纳入CRS,以加强对对话背景的理解。多数工作仅对提及实体进行了笼统的融合。少数基于推理的模型也严重依赖简化的结构,如线性结构或固定的层次结构来进行因果关系推理,因此它们都不能完全弄清带有外部知识的语篇之间的复杂关系。由于没有澄清所提到的实体之间的因果关系,于是模型无法充分利用历史信息,这严重限制了模型性能。
技术实现思路
[0003]本专利技术要解决的技术问题在于针对现有技术中的缺陷,提供一种对话推荐方法。
[0004]本专利技术解决其技术问题所采用的技术方案是:一种对话推荐方法,包括以下步骤:
[0005]1)获取对话历史的话语信息;
[0006]2)根据对话历史的话语信息获取对话历史的相应的实体表征与单词的语义表征;具体如下:
[0007]根据外部的知识图谱DBpedia与ConceptNet,然后通过卷积图神经网络(GCN)编码语义,通过关系图神经网络(RGCN)编码实体,相应的实体表征与单词的语义表征;
[0008]3)构建树结构存储对话历史当中的实体信息;
[0009]所述构建树结构的方法如下:
[0010]3.1)初始化推理树,首先设置一个伪节点作为根节点;根节点,只是一个占位符;
[0 ...
【技术保护点】
【技术特征摘要】
1.一种对话推荐方法,其特征在于,包括以下步骤:1)获取对话历史的话语信息;2)根据对话历史的话语信息获取对话历史的相应的实体表征与单词的语义表征;3)构建树结构存储对话历史当中的实体信息;所述构建树结构的方法如下:3.1)初始化推理树,首先设置一个伪节点作为根节点;根节点,只是一个占位符;3.2)以对话历史的第一个话语中,第一个提到的实体作为子节点直接连接到根节点;3.3)当对话进展到第(n
‑
1)轮时,已知条件如下:当前推理树T
n
‑1,第(n
‑
1)轮时的回复词序列s
n
‑1;根据以上两部分进行推理树T
n
‑1的扩展;采用树状结构推理和候选实体的选择与连接进行推理树T
n
‑1的扩展;其中,树状结构推理:编码所有的推理分支,并将它们填充到设定的长度l
r
;所述推理分支为从根节点到树的任何叶节点的路径;对子节点中每个实体,将一个可学习的位置表征嵌入到子节点每个实体元素的表征中,该位置表征用于表示每个推理分支的顺序信息,位置增强的分支嵌入矩阵表示为其中,n
r
是T
n
‑1的分支数,d是表征的维度;结合线性注意机制来整合每个路径的表示,其中,注意力分数的计算方法如下:α
r
=Softmax(b
r tanh(W
r
P))其中,W
r
,b
r
是可学习的参数,为由每一条推理分支中实体的注意力加权和组成的矩阵;α
r
为每一分支上实体的注意力分数;Attn()表示线性注意机制;将某一推理分支中的所有实体表征根据注意力得分进行汇总,得到推理分支的综合表征;其中,候选实体选择和连接:由于推理分支对下一跳实体有不同程度的贡献,该模型分析了单词的语义来衡量每个分支的影响;对每一个推理分支,分析其中单词的语义来衡量每个分支的影响其公式如下:其公式如下:其中,W
s
是一个可学习的参数,s是ConceptNet中单词标记的综合语义表征;p为每一条推理分支被门控筛选并聚合语义后,通过注意力机制加权起来的综合表征,γ为门控值;获得结合了语义和推理信息的用户表征p
u
;从当前的对话回合中收集实体和单词标记,并将其表征为e
c
,s
c
,然后汇总当前轮次信息,并将其与所获得的表征p互换,具体如下:p
u
=g(p,g
′
(Attn(e
c
),Attn(s
c
))
其中,g,g
′
为两个门控机制,e
c
为当前的对话回合中的实体表征,s
c
为当前的对话回...
【专利技术属性】
技术研发人员:魏巍,李文迪,范士轩,谢文峰,陈当阳,
申请(专利权)人:华中科技大学,
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。