多轮对话方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例属于人工智能和大数据领域，应用于数字化系统领域中，涉及一种多轮对话方法，包括获取用户在当前时刻的询问文本；通过训练好的自然语言理解模型对所述询问文本进行处理，确定出所述用户在所述当前时刻的用户查询状态；根据所述用户查询状态以及训练好的深度学习模型，确定出所述用户在所述当前时刻的系统对话状态；根据所述当前时刻的系统对话状态以及预设的对话策略，确定出所述当前时刻的对话技能；基于所述当前时刻的对话技能，生成所述询问文本的回答文本。本申请还提供一种多轮对话装置、计算机设备及存储介质。本申请可以根据不同的系统对话状态确定不同的对话技能，通过对话技能的扩展来提高多轮对话系统的可扩展性。的可扩展性。的可扩展性。

【技术实现步骤摘要】
多轮对话方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能和大数据
，尤其涉及多轮对话方法、装置、计算机设备及存储介质

技术介绍

[0002]多轮对话系统是人工智能领域重要的领域，多轮对话系统主要应用于比如私人助理、智能客服等对话产品。人类在对话过程中，常常会有话题切换、情绪和情感表达等，话题主导者通常会根据对方的兴趣与情绪表达，决定是否继续现有话题或开启一个新的话题。对于对话系统来说，如何正确的刻画用户的对话行为，并进行对话系统对话状态的跟踪和更新决定了对话系统的效果和体验，这部分也是多轮对话系统中技术难度最大的部分。多轮对话系统通过采用基于有限状态机来进行实现，基于有限状态机的多轮对话系统需要人工梳理大量的对话脚本，可扩展性低，难以覆盖不断变化的业务问题。

技术实现思路

[0003]本申请实施例的目的在于提出一种多轮对话方法、装置、计算机设备及存储介质，以解决多轮对话系统中需要人工梳理大量的对话脚本，可扩展性低的问题。
[0004]为了解决上述技术问题，本申请实施例提供一种多轮对话方法，采用了如下所述的技术方案：
[0005]获取用户在当前时刻的询问文本；
[0006]通过训练好的自然语言理解模型对所述询问文本进行处理，确定出所述用户在所述当前时刻的用户查询状态；
[0007]根据所述用户查询状态以及训练好的深度学习模型，确定出所述用户在所述当前时刻的系统对话状态；
[0008]根据所述当前时刻的系统对话状态以及预设的对话策略，确定出所述当前时刻的对话技能。
[0009]进一步的，所述获取用户在当前时刻的询问文本的步骤，具体包括：
[0010]获取用户在当前时刻的输入信息；
[0011]将所述输入信息进行文本化处理，得到所述用户在当前时刻的询问文本。
[0012]进一步的，所述通过训练好的自然语言理解模型对所述询问文本进行处理，确定出所述用户在所述当前时刻的用户查询状态的步骤，具体包括：
[0013]通过训练好的自然语言理解模型对所述询问文本进行自然语言处理，确定与所述询问文本对应的语义信息；
[0014]根据所述询问文本对应的语义信息，确定所述用户在所述当前时刻的用户查询状态。
[0015]进一步的，所述根据所述用户查询状态以及训练好的深度学习模型，确定出所述用户在所述当前时刻的系统对话状态的步骤，具体包括：
[0016]获取所述用户在预设时间段内的历史询问文本所对应的历史系统对话状态；
[0017]将所述历史系统对话状态以及所述用户查询状态输入到所述训练好的深度学习模型进行预测处理，输出得到所述用户在所述当前时刻的系统对话状态。
[0018]进一步的，所述根据所述当前时刻的系统对话状态以及预设的对话策略，确定出所述当前时刻的对话技能的步骤，具体包括：
[0019]在所述当前时刻的系统对话状态符合预设状态时，通过与所述预设状态相对应的匹配策略来确定所述当前时刻的对话技能；
[0020]在所述当前时刻的系统对话状态不符合预设条件时，通过预设的强化学习策略来确定所述当前时刻的对话技能。
[0021]进一步的，所述基于所述当前时刻的对话技能，生成所述询问文本的回答文本的步骤，具体包括：
[0022]通过所述当前时刻的对话技能对所述询问文本、所述系统对话状态以及所述用户查询状态进行自然语言生成，得到与所述询问文本对应的自然语言生成结果；
[0023]对所述自然语言生成结果进行后处理，得到所述询问文本的回答文本。
[0024]进一步的，所述对所述自然语言生成结果进行后处理，得到所述询问文本的回答文本的步骤，具体包括：
[0025]对所述自然语言生成结果进行排序处理，得到排序结果；
[0026]对所述排序结果进行融合处理，得到融合结果；
[0027]对所述融合结果进行风格迁移处理，得到所述询问文本的最终回答文本。
[0028]为了解决上述技术问题，本申请实施例还提供一种多轮对话装置，采用了如下所述的技术方案：
[0029]获取模块，用于获取用户在当前时刻的询问文本；
[0030]第一确定模块，用于通过训练好的自然语言理解模型对所述询问文本进行处理，确定出所述用户在所述当前时刻的用户查询状态；
[0031]第二确定模块，用于根据所述用户查询状态以及训练好的深度学习模型，确定出所述用户在所述当前时刻的系统对话状态；
[0032]第三确定模块，用于根据所述当前时刻的系统对话状态以及预设的对话策略，确定出所述当前时刻的对话技能；
[0033]生成模块，用于基于所述当前时刻的对话技能，生成所述询问文本的回答文本。
[0034]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0035]所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现本申请实施例中任一项所述的多轮对话方法的步骤。
[0036]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0037]所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现本申请实施例中任一项所述的多轮对话方法的步骤
[0038]与现有技术相比，本申请实施例主要有以下有益效果：在获取用户在当前时刻的
询问文本后，根据询问文本确定用户在当前时刻的用户查询状态，并利用该用户查询状态来确定出系统对话状态，进而根据用户在当前时刻的系统对话状态确定当前时刻的对话技能，从而利用当前时刻的对话技能生成询问文本的回答文本，可以根据不同的系统对话状态确定不同的对话技能，通过对话技能的扩展来提高多轮对话系统的可扩展性。
附图说明
[0039]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本申请可以应用于其中的示例性系统架构图；
[0041]图2是根据本申请的多轮对话方法的一个实施例的流程图；
[0042]图3是图2中步骤S201的一种具体实施方式的流程图；
[0043]图4是图2中步骤S202的一种具体实施方式的流程图；
[0044]图5是图4中步骤S203的一种具体实施方式的流程图；
[0045]图6是图2中步骤S204的一种具体实施方式的流程图；
[0046]图7是图2中步骤S205的一种具体实施方式的流程图；
[0047]图8是图7中步骤S2052的一种具体实施方式的流程图；
[0048]图9是根据本申请的多轮对话装置的一个实施例的结构示意图；
[0049]图10是图9中获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多轮对话方法，其特征在于，包括下述步骤：获取用户在当前时刻的询问文本；通过训练好的自然语言理解模型对所述询问文本进行处理，确定出所述用户在所述当前时刻的用户查询状态；根据所述用户查询状态以及训练好的深度学习模型，确定出所述用户在所述当前时刻的系统对话状态；根据所述当前时刻的系统对话状态以及预设的对话策略，确定出所述当前时刻的对话技能；基于所述当前时刻的对话技能，生成所述询问文本的回答文本。2.根据权利要求1所述的多轮对话方法，其特征在于，所述获取用户在当前时刻的询问文本的步骤，具体包括：获取用户在当前时刻的输入信息；将所述输入信息进行文本化处理，得到所述用户在当前时刻的询问文本。3.根据权利要求2所述的多轮对话方法，其特征在于，所述通过训练好的自然语言理解模型对所述询问文本进行处理，确定出所述用户在所述当前时刻的用户查询状态的步骤，具体包括：通过训练好的自然语言理解模型对所述询问文本进行自然语言处理，确定与所述询问文本对应的语义信息；根据所述询问文本对应的语义信息，确定所述用户在所述当前时刻的用户查询状态。4.根据权利要求3所述的多轮对话方法，其特征在于，所述根据所述用户查询状态以及训练好的深度学习模型，确定出所述用户在所述当前时刻的系统对话状态的步骤，具体包括：获取所述用户在预设时间段内的历史询问文本所对应的历史系统对话状态；将所述历史系统对话状态以及所述用户查询状态输入到所述训练好的深度学习模型进行预测处理，输出得到所述用户在所述当前时刻的系统对话状态。5.根据权利要求4所述的多轮对话方法，其特征在于，所述根据所述当前时刻的系统对话状态以及预设的对话策略，确定出所述当前时刻的对话技能的步骤，具体包括：在所述当前时刻的系统对话状态符合预设状态时，通过与所述预设状态相对应的匹配策略来确定所述当前时刻的对话技能；在所...

【专利技术属性】
技术研发人员：郑文俊，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：