[发明专利]语句补全方法、装置、介质及对话处理系统

说明书

公开了一种基于人工智能的语句补全方法、语句补全装置、语句补全设备、介质及对话处理系统，所述语句补全方法包括：获取对话中当前语句及当前语句的至少一个先前语句；提取所述至少一个先前语句中与当前语句相关联的隐含字；将所述至少一个先前语句、当前语句和隐含字拼接，得到复合输入序列；对所述复合输入序列进行处理，补全当前语句，得到补全对话。通过在先前语句中提取与当前语句相关联的隐含字，基于隐含字补全当前语句，便于更好地理解该对话语句并对于对话语句进行响应。

技术领域

本公开涉及人工智能领域，更具体地涉及一种基于人工智能的语句补全方法、语句补全装置、语句补全设备、介质及对话处理系统。

背景技术

随着人工智能和机器学习技术在民用和商用领域的广泛应用，在聊天机器人、语音助理、客服机器人、语音交互系统及其他各类任务导向对话系统中均需要理解用户的对话内容，并对该对话内容进行反馈和响应。

目前的对话处理过程采用隐形模式对上文内容建模，一方面，对话上下文之间的联系较弱，相关性不明显，模型难以从上文内容中准确识别出有用信息；另外一方面，在隐形模式建模中，由于不会将模型对输入对话文本处理得到的对话内容进行输出或显示，因而在实际使用过程中，用户无法得知模型是否真正理解了对话内容。

因此，需要一种能够从上文对话语句中挑选有用信息，基于上文对话语句中的有用信息补全对话语句内容，从而能够直观真实地反映模型理解上文的能力的语句补全方法。

发明内容

针对以上问题，本公开提供了一种基于人工智能的语句补全方法、装置、设备、介质及对话处理系统。利用本公开提供的语句补全方法能够从上文对话语句中挑选隐含字，基于上文对话语句中的隐含字补全对话语句内容，从而能够直观真实地反映模型理解上文的能力的语句补全方法。

根据本公开的一方面，提出了一种基于人工智能的语句补全方法，包括：获取对话中当前语句及当前语句的至少一个先前语句；提取所述至少一个先前语句中与当前语句相关联的隐含字；将所述至少一个先前语句、当前语句和隐含字拼接，得到复合输入序列；对所述复合输入序列进行处理，补全当前语句，得到补全对话。

在一些实施例中，提取所述至少一个先前语句中与当前语句相关联的隐含字包括：将所述至少一个先前语句及当前语句拼接得到待挑选语句序列，并生成与所述待挑选语句序列对应的待挑选语句矩阵，所述待挑选语句矩阵中的每一行向量为待挑选语句序列中相应字的字向量；对所述待挑选语句矩阵进行处理，得到隐含字预测向量，所述隐含字预测向量与待挑选语句序列具有相同尺寸；将隐含字预测向量中的每一个隐含字预测值与预设阈值相比较，并将大于预设阈值的隐含字预测值所对应的字确定为隐含字。

在一些实施例中，对所述待挑选语句矩阵进行处理得到隐含字预测向量包括：对于待挑选语句矩阵中的每一行向量，计算其所对应的位置编码向量，并将所得到的位置编码向量与该行向量相加和，得到语句编码矩阵；对所述语句编码矩阵进行处理，生成待检测矩阵；对所述待检测矩阵进行处理，得到对应于该待检测矩阵的隐含字预测向量。

在一些实施例中，对所述复合输入序列进行处理以补全当前语句得到补全对话包括：对于预设输出序列中的每一个输出位，计算复合输入序列中每一个输入字为预设输出序列该输出位上输出字的概率，获得在该输出位上该输入字所对应的注意力数值，基于所述注意力数值得到注意力分布向量；计算预设字库序列中的每一个预设字为预设输出序列该输出位上的输出字的概率，获得在该输出位上该预设字所对应的生成概率数值，基于所述生成概率数值得到生成概率分布向量；基于生成概率分布向量和注意力分布向量，得到总分布向量；将总分布向量中最大总分布数值所对应的字确定为预设输出序列该输出位上的输出字，并将其输出。