[发明专利]一种个性化对话的回复生成方法

说明书

本发明公开了一种个性化对话的回复生成方法，包括步骤：收集具有人物个性信息的对话语料数据；对收集的数据进行预处理；采用对话上下文以及预处理后的数据作为输入数据对模型进行训练；将对话上下文和人物个性信息输入训练后模型，生成新的回复。本发明通过人物个性信息和数据后处理得到一个有效的人机对话方法，同时考虑了对话中的两个人物个性并进行融合，再使用数据后处理对句子进行修整。本发明在保证回复语法通顺、逻辑连贯的前提下，生成能够体现人物个性的回复。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种个性化对话的回复生成方法。

背景技术

通常来说，根据对话系统构建的目的和应用的场景，对话系统框架可以分为任务导向型对话系统和非任务导向型对话系统。任务导向型对话系统是带着明确的目的而设计，旨在能够对用户完成事先设定的服务，例如预定酒店、预订机票、购买商品等。而非任务导向型系统，是没有局限条件的聊天，具体为用户输入自己的话语，系统返回回复这样的一个交互过程，主要起到情感陪伴、建立用户信任、提高用户粘性的作用。对于现有的获得对话系统的回复的方法中，根据构建技术的不同，近年来的方法可以分为基于检索和基于生成两类方法。

检索式的对话系统主要有构造候选回复和评分排序两个模块。在评分排序模块中，系统输出的评估分数一般是考量了输入与回复的两个序列的匹配程度。序列间的匹配程度可以通过比较句子之间的相似度来衡量。在经典的基于信息检索技术的对话系统中，使用神经网络提取出句子的特征，通过对比不同句子的特征表示，计算句子之间的相似度。因此，基于检索的方法给出的回复结果会比较通顺，但有着无法给出对话语料数据库以外的回复结果的缺点。而基于生成的方法，使用深度学习的方法和大数据工具，训练出有效的语言模型，能够生成新的回复结果，灵活应对各种不同的对话场景，然而生成的回复结果有着流畅性不足、不通顺的风险。

上述的两类对话系统技术，往往是基于用户和机器对话的上下文内容，去检索或者生成系统返回的回复。这样得到的回复可能只和对话内容相关，而与对话参与者的个性无关。可是人类之间的对话内容一般来说是和对话者的个性有很大关系的。所以，如果仅只考虑，可能会得到与人物个性无关甚至不符合的回复。

举例说明：在对话情景，用户说话的语句为“你是哪里人？”，而如果考虑人物个性进行限定，得到的回复可能为“我是广州的”、“我是上海的”等。这些回复对于对话上下文“你是哪里人”，是符合人类对话中的逻辑的。但是这两条所反映的人物个性是不同的，其对应的人物所在地域值为广州和上海。这造成针对同一对话上下文，可能每次生成的回复中所反映的人物个性是不同的，反复无常。随着对话过程的延长，该问题会愈加明显，造成用户在使用对话系统时会产生割裂感，降低用户体验。

发明内容

本发明的目的在于克服现有技术的不足，提供一种个性化对话的回复生成方法。本发明考虑了对话过程中的两个对话参与者的人物个性信息，通过注意力机制、门控机制等策略，增强了生成回复与人物个性的关联；同时还定义了若干规则进行数据后处理，对生成的回复中的个别词语进行删改，以保证与人物个性的一致性。本发明使得生成的回复不仅与对话上下文的内容相关，也与对话参与者的个性相关，从而提高生成的回复的质量。

本发明的目的能够通过以下技术方案实现：

一种个性化对话的回复生成方法，包括步骤：

收集具有人物个性信息的对话语料数据；

对收集的数据进行预处理；

采用对话上下文以及预处理后的数据作为输入数据对模型进行训练；

将对话上下文和人物个性信息输入训练后模型，生成新的回复。

在社交网站中，当一个用户发布一条消息后，其他用户会对其进行评论，用户间会持续通过评论的方式进行沟通，这些评论数据形成了以原始消息为根节点的树形结构数据，可以将其中一条从根节点到叶子节点的路径看作是一个对话。