[发明专利]产生一对话状态追踪模型的装置及方法

说明书

一种产生一对话状态追踪模型的装置及方法。该装置根据一询问消息所对应的一询问栏位自一数据库撷取该询问栏位所对应的一栏位特征量。该装置自该数据库撷取该询问栏位所对应的至少一候选词各自对应的一候选词特征量，且将之整合为一整合特征量。该装置还产生与该询问消息对应的一回复消息的至少一关联子句，且根据该至少一关联子句产生一语句关联特征量。该装置还根据该栏位特征量、该整合特征量及该语句关联特征量产生一询问栏位相关特征，且根据该询问栏位相关特征训练该对话状态追踪模型。

技术领域

本发明系关于一种产生一对话状态追踪模型的装置及方法。具体而言，本发明系关于一种基于对话记录产生一对话状态追踪模型的装置及方法。

背景技术

目前已有许多企业导入以人工智能(Artificial Intelligence；AI)为基础的对话式服务，例如：采用对话机器人提供客户服务。这类对话式服务涉及自然语言理解、对话管理及自然语言生成等三个面向的技术。对话管理技术中的对话状态追踪系用以判读对话中的关键资讯，为对话式服务能否正确地达成任务(例如：协助使用者办理车祸理赔、协助使用者购票)的重要关键。

某些习知的对话管理技术为规则式的。概要而言，这类技术先对使用者所输入/所说出的句子进行语意理解，再基于语意理解的结果以预定的规则回复。这类技术极度仰赖语意理解的准确度，若未能准确地理解使用者所输入/所说出的句子的语意，则基于预定规则所决定出来的回复也会不准确。此外，由于这类技术受限于预定的规则，因此缺乏弹性。基于前述各种缺点，采用这类技术，一旦发生误判，往往会导致连续的错误，而无法完成任务。

目前已有一些学习式的对话管理技术，其系利用特征来训练神经网络模型，再以经过训练的神经网络模型作为对话状态追踪模型。然而，这类技术能否准确地进行对话状态追踪，进而完成任务，取决于训练神经网络模型时所使用的特征，以及如何以这些特征训练神经网络模型。尽管学习式的对话管理技术优于规则式的对话管理技术，但相较于由人类直接提供服务，仍有相当大的改善空间。有鉴于此，针对学习式的对话管理技术，如何提供适当的特征(例如：含有语意及各种语句关联的特征) 来训练神经网络模型作为对话状态追踪模型，以及如何利用这些特征训练该模型，乃业界亟需努力的目标。

发明内容

本发明的一目的在于提供一种产生一对话状态追踪模型的装置。该装置包含一储存器及一处理器，其中该处理器电性连接至该储存器。该储存器储存一数据库。该处理器根据一询问消息所对应的一询问栏位自该数据库撷取该询问栏位所对应的一栏位特征量，自该数据库撷取该询问栏位所对应的至少一候选词各自对应的一候选词特征量，且将该至少一候选词特征量整合为一整合特征量。该处理器还产生与该询问消息对应的一回复消息的至少一关联子句，根据该至少一关联子句产生一语句关联特征量，且根据该栏位特征量、该整合特征量及该语句关联特征量产生一询问栏位相关特征。该处理器还根据该询问栏位相关特征训练该对话状态追踪模型。

本发明的又一目的在于提供一种产生一对话状态追踪模型的方法，其系适用于一电子装置。该电子装置储存一数据库。该方法包含下列步骤：(a)根据一询问消息所对应的一询问栏位自该数据库撷取该询问栏位所对应的一栏位特征量，(b)自该数据库撷取该询问栏位所对应的至少一候选词各自对应的一候选词特征量，(c)将该至少一候选词特征量整合为一整合特征量，(d)产生与该询问消息对应的一回复消息的至少一关联子句，(e)根据该至少一关联子句产生一语句关联特征量，(f)根据该栏位特征量、该整合特征量及该语句关联特征量产生一询问栏位相关特征，以及(g)根据该询问栏位相关特征训练该对话状态追踪模型。

本发明所提供的产生一对话状态追踪模型的技术(至少包含装置及方法) 会根据一轮对话中的询问消息所对应的询问栏位，自数据库撷取出不同的特征量(包含询问栏位本身所对应的栏位特征量及候选词所对应的候选词特征量)。此外，本发明会找出该轮对话中的回复消息的关联子句，且据以产生语句关联特征量。本发明再根据自数据库撷取出的特征量及语句关联特征量产生用以训练一对话状态追踪模型的询问栏位相关特征，且以询问栏位相关特征来训练该对话状态追踪模型。