[发明专利]收集训练数据的方法、装置、设备和计算机可读存储介质

权利要求书

1.一种用于收集训练数据的方法，包括：

获得来自用户的第一消息；

获得来自所述用户的针对第一回复的第二消息，所述第一回复基于所述第一消息而被生成，并且所述第一消息和所述第二消息均为自然语言形式；以及

响应于确定所述第二消息在语义上澄清所述第一消息，将所述第一消息确定为用于训练聊天对话的训练数据。

2.根据权利要求1所述的方法，其中将所述第一消息确定为所述训练数据包括：

基于所述第二消息对所述第一消息的语义澄清，确定针对所述第一消息的标注信息；以及

将所述第一消息和所述标注信息相关联地确定为所述训练数据。

3.根据权利要求2所述的方法，其中确定针对所述第一消息的标注信息包括：

确定所述第一消息的意图类型和词槽信息，所述词槽信息包括词槽类型和词槽值。

4.根据权利要求1所述的方法，还包括以下至少一项：

向所述用户提供所述第一回复，所述第一回复为陈述句形式并且未准确识别所述用户的意图；以及

向所述用户提供所述第一回复，所述第一回复为反问句形式。

5.根据权利要求1所述的方法，还包括：

响应于所述第二消息包括用于解释所述第一消息的附加信息，基于所述附加信息来生成针对所述第二消息的第二回复；以及

向所述用户提供所述第二回复。

6.根据权利要求1所述的方法，还包括：

响应于所述第二消息包括对所述第一消息中的识别错误或打字错误的纠正，基于所述纠正来生成针对所述第二消息的第二回复；以及

向所述用户提供所述第二回复。

7.根据权利要求1所述的方法，还包括：

响应于所述第二消息包括对所述第一回复中的反问的回答，基于所述回答来生成针对所述第二消息的第二回复；以及

向所述用户提供所述第二回复。

8.根据权利要求7所述的方法，其中基于所述回答来生成所述第二回复还包括：

基于所述第二消息对所述第一回复中的多个候选结果的选择，生成所述第二回复。

9.一种用于收集训练数据的装置，包括：

第一消息获得模块，被配置为获得来自用户的第一消息；

第二消息获得模块，被配置为获得来自所述用户的针对第一回复的第二消息，所述第一回复基于所述第一消息而被生成，并且所述第一消息和所述第二消息均为自然语言形式；以及

训练数据确定模块，被配置为响应于确定所述第二消息在语义上澄清所述第一消息，将所述第一消息确定为用于训练聊天对话的训练数据。

10.根据权利要求9所述的装置，其中所述训练数据确定模块包括：

标注信息确定模块，被配置为基于所述第二消息对所述第一消息的语义澄清，确定针对所述第一消息的标注信息；以及

关联确定模块，被配置为将所述第一消息和所述标注信息相关联地确定为所述训练数据。

11.根据权利要求10所述的装置，其中所述标注信息确定模块包括：

意图确定模块，被配置为确定所述第一消息的意图类型和词槽信息，所述词槽信息包括词槽类型和词槽值。

12.根据权利要求10所述的装置，还包括以下至少一项：

陈述句提供模块，被配置为向所述用户提供所述第一回复，所述第一回复为陈述句形式并且未准确识别所述用户的意图；以及

反问句提供模块，被配置为向所述用户提供所述第一回复，所述第一回复为反问句形式。