[发明专利]一种用于对话交互系统的数据处理方法及装置

说明书

技术领域

本发明涉及人机交互技术领域，具体地说，涉及一种用于对话交互系统的数据处理方法及装置。

背景技术

随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。而人们对于机器人的要求也从简单重复的机械动作提升为具有拟人问答、自主性及与其他机器人进行交互的智能机器人，人机交互也就成为决定智能机器人发展的重要因素。

对话交互系统作为人机交互系统中的核心模块，在人机交互系统中扮演着举足轻重的角色。在日常的人机交互过程中，用户与机器人之间的对话交互占据了绝大多数的比例。因此，对话交互系统的好坏直接关系到智能机器人产品的用户体验，进而影响用户的去留，如何提升智能机器人的对话交互能力则是亟待解决的问题。

发明内容

为解决上述问题，本发明提供了一种用于对话交互系统的数据处理方法，其包括：

交互数据获取步骤，获取用户输入的对话交互数据；

对话模型结果生成步骤，对所述对话交互数据进行解析，将解析结果输入到预设对话生成模型中，得到对话模型结果，其中，所述对话生成模型是基于NRM以及增强学习算法构建的；

反馈数据输出步骤，根据所述对话模型结果生成相应的反馈数据并输出。

根据本发明的一个实施例，所述预设对话生成模型包括编码层和解码层，其中，所述编码层用于根据解析得到的分词结果生成所述分词结果的全部向量表达和部分向量表达，并对所述全部向量表达和部分向量表达进行拼接，得到拼接结果，所述解码层用于基于注意力机制根据所述拼接结果生成所述对话模型结果。

根据本发明的一个实施例，所述解码层基于增强学习算法的神经网络进行对话模型结果的生成。

根据本发明的一个实施例，在所述增强学习算法中，将MMI函数作为奖励函数。

根据本发明的一个实施例，所述方法还包括：

模型修正步骤，获取所述用户针对所述反馈数据的输入数据，并根据所述输入数据对所述预设对话生成模型进行修正。

本发明还提供了一种用于对话交互系统的数据处理装置，其包括：

交互数据获取模块，其用于获取用户输入的对话交互数据；

对话模型结果生成模块，其用于对所述对话交互数据进行解析，将解析结果输入到预设对话生成模型中，得到对话模型结果，其中，所述对话生成模型是基于NRM以及增强学习算法构建的；

反馈数据输出模块，其用于根据所述对话模型结果生成相应的反馈数据并输出。

根据本发明的一个实施例，所述预设对话生成模型包括编码层和解码层，其中，所述编码层配置为根据解析得到的分词结果生成所述分词结果的全部向量表达和部分向量表达，并对所述全部向量表达和部分向量表达进行拼接，得到拼接结果，所述解码层配置为基于注意力机制根据所述拼接结果生成所述对话模型结果。

根据本发明的一个实施例，所述解码层配置为基于增强学习算法的神经网络进行反馈数据的生成。

根据本发明的一个实施例，在所述增强学习算法中，将MMI函数作为奖励函数。

根据本发明的一个实施例，所述装置还包括：

模型修正模块，其用于获取所述用户针对所述反馈数据的输入数据，并根据所述输入数据对所述预设对话生成模型进行修正。

相较于现有方法，本发明所提供的用于对话交互系统的数据处理方法能够基于用户的提问，生成更合理的答案，同时，本方法还能够解决当前基于MLE目标函数的编码层-解码层框架的对话生成模型生成的反馈结果较为保守的问题，这样也就使得最终生成并输出给用户的反馈数据更加人性化和贴合实际交互场景，从而提高了对话交互系统的用户体验。

此外，本方法还能够通过对目标函数的自定义，来使得对话交互系统与用户之间的对话交互过程根据更加具有趣味性、多样性、交互性和持续性，这有助于提高对话交互系统的用户粘度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图做简单的介绍：

图1是根据本发明一个实施例的用于对话交互系统的数据处理方法的实现流程示意图；