[发明专利]一种基于图表征增强的开放域对话系统评估方法

权利要求书

1.一种基于图表征增强的开放域对话系统评估方法，其特征在于：所述的方法包括步骤如下：

S1：获取对话的上下文c＝{c₁,…,c_m}和对话的回复r＝{r₁,…,r_n}，其中，c_k1表示上下文中的一个词，其中k1＝1、2、…、m，r_k2表示回复中的一个词，k2＝1、2、…、n；

S2：采用BERT编码上下文c和回复r，取BERT池化层的输出特征作为句子级别的上下文表征v_c，其中v_c＝BERT(c,r)；

S3：基于上下文c和回复r对当前对话构建主题级别的对话图，表示为G＝(V,E)，其中，V表示主题节点的集合，E表示主题之间的边的集合；

S4：根据从常识图ConceptNet获取的线索确认对话图G中的节点和边，并通过聚合、融合这两个步骤进行图推理，生成一个主题级别的对话图表征v_g；所述的线索包括k跳邻居节点表示、hop-attention权重矩阵；

S5：将上下文表征v_c和对话图表征v_g进行拼接，输入到多层感知器，将一个高维表征转化为一个分数值，实现基于v_c和v_g预测得到一个连贯性的分数。

2.根据权利要求1所述的基于图表征增强的开放域对话系统评估方法，其特征在于：步骤S3，基于上下文c和回复r对当前对话构建主题级别的对话图，具体的如下：

对于对话图G中的节点，利用TF-IDF和词性信息对c和r之中的关键字进行提取；上下文c中的关键字构成对话图G中的上下文主题节点，标记为V_c＝{t₁,t₂,…,t_p}；回复r中的关键字构成G中的回复主题节点，标记为V_r＝{t_p+1,t_p+2,…,t_p+q}，其中，p表示上下文c中关键字的数量，q表示回复r中关键字的数量；由此得到对话图G中的节点V＝V_c∪V_r。

3.根据权利要求2所述的基于图表征增强的开放域对话系统评估方法，其特征在于：在确定对话图G中的节点后，利用从常识图ConceptNet获取线索，去初始化对话图G中的节点的特征表示，具体如下：

每个主题节点t_i和常识图ConceptNet中的节点进行对齐，同时使用ConceptNetNumberbatch预训练表征进行表征初始化，表达公式如下：

h_i＝CN(t_i)∈R^d

其中，i∈[1,p+q]，h_i是节点t_i的初始化表征，CN表示常识图ConceptNet表征，d表示节点表征的维度。

4.根据权利要求3所述的基于图表征增强的开放域对话系统评估方法，其特征在于：为了捕捉现实生活中的话题关系，h_i采用在常识图ConceptNet中k跳邻居节点的表征用如下方式进行更新：

其中，K表示最大数量的跳数；表示t_i在常识图ConceptNet中k^th跳的邻居节点,W_k和b分别表示权重矩阵和偏置向量。