[发明专利]一种智能对话方法、动态存储方法和装置

说明书

本申请实施例公开了一种智能对话方法、动态存储方法及装置，针对深度学习网络中记忆模块所保存的历史问答对，可以根据目标问答对的更新时间确定目标问答对的权重，该目标问答对的更新时间包括目标问答对被保存在记忆模块中的时间信息，或者目标问答对被用户所输入语句对应的句向量匹配到的时间信息。若记忆模块所保存的目标问答对的权重低于预设阈值，相当于该目标问答对长时间没有被用户所输入语句匹配到，对于智能对话来说作用很低，所以可以从所述记忆模块中删除目标问答对。可以使得深度学习网络能够确定所保存的历史问答对在近期智能对话中起到的作用，从而可以针对性的删除无用的历史问答对以降低存储压力，提高遍历效率。

技术领域

本申请涉及数据处理领域，特别是涉及一种智能对话方法、动态存储方 法和装置。

背景技术

随着人工智能技术的发展，对话型人工智能系统应运而生，例如聊天机 器人，智能助理等。这类人工智能系统可以通过分析用户输入的语句，给出 合适的答案。

人工智能系统通过深度学习网络分析用户输入的语句时，一般会将用户 输入的语句与记忆模块中保存的历史问答对(Q-A对)进行全局遍历，若通 过遍历匹配到合适的Q-A对，则可以根据所匹配到Q-A对中的答案确定出用 户所输入语句对应的答案。

为了提高人工智能系统的交互体验，深度学习网络的记忆模块需要预存 海量的历史Q-A对，且需要不断扩充。由此导致人工智能系统在针对用户输 入问题所需遍历的Q-A对越来越多，导致遍历效率低，相应的给用户反馈答 案的效率低，影响用户体验。

发明内容

为了解决上述技术问题，本申请提供了一种智能对话方法、动态存储方 法及装置。

本申请实施例公开了如下技术方案：

第一方面，本申请实施例提供了一种智能对话方法，所述方法包括：

获取分析请求，所述分析请求包括用户所输入的语句；

根据向量训练模型训练所述语句，得到所述语句对应的句向量；

根据深度学习网络确定记忆模块所保存的历史问答对中是否具有与所述 句向量匹配的历史问答对；在所述深度学习网络的记忆模块中，所述保存的 历史问答对的权重大于等于预设阈值，所述保存的历史问答对中的任意一个 历史问答对的权重是根据所述历史问答对的更新时间确定的；所述历史问答 对的更新时间包括所述历史问答对被保存在所述记忆模块中的时间信息，或 者所述历史问答对被用户所输入语句对应的句向量匹配到的时间信息；

根据与所述句向量匹配的历史问答对，确定返回给所述用户的交互内容。

第二方面，本申请实施例提供了一种用于深度学习网络的动态存储方法， 所述方法包括：

确定所述深度学习网络中记忆模块所保存的历史问答对的权重；其中， 目标问答对的权重是根据所述目标问答对的更新时间确定的；所述目标问答 对为所述记忆模块所保存的历史问答对中的任意一个历史问答对；所述目标 问答对的更新时间包括所述目标问答对被保存在所述记忆模块中的时间信 息，或者所述目标问答对被用户所输入语句对应的句向量匹配到的时间信息；

若所述目标问答对的权重低于预设阈值，从所述记忆模块中删除所述目 标问答对。

第三方面，本申请实施例提供了一种智能对话装置，所述装置包括：

获取单元，用于获取分析请求，所述分析请求包括用户所输入的语句；

得到单元，用于根据向量训练模型训练所述语句，得到所述语句对应的 句向量；