[发明专利]基于多文档的任务型人机对话任务的实现方法

说明书

本申请公开了一种基于多文档的任务型人机对话任务的实现方法，包括：每轮对话结束时，利用预设人机对话任务模型对该轮对话的问答文本处理，该处理包括：基于问答文本生成问答向量；计算问答向量与各候选文档的属性相关向量的相似度；基于问答向量和相似度生成该轮对话中各候选文档的概率分布和该轮对话的属性分布；根据所述概率分布更新全局候选文档概率分布向量；根据所述属性分布更新全局属性分布向量；若满足人机对话结束条件，则基于全局候选文档概率分布向量确定任务执行结果并输出；否则，基于全局候选文档概率分布向量和全局属性分布向量，利用自然语言对话模板，确定下一提问信息。采用本发明可以提高任务执行效率和成功率，且易于实现。

技术领域

本发明涉及计算机技术领域，特别是涉及一种基于多文档的任务型人机对话任务的实现方法。

背景技术

人机对话系统旨在构建一个采用自然语言处理与人类进行交互的计算机系统，依据使用场景的不同，可以分为任务型人机对话和非任务型人机对话。其中，任务型人机对话是针对特定领域，通过多轮对话，辅助用户完成一项或多项任务，例如常见的智能客服系统。

在很多人机对话场景中，如产品推荐、文件检索、个人助理等场景，需要估测用户感兴趣的目标对象，以更准确地辅助用户完成相应场景的任务。

发明人在实现本发明的过程中发现：现有的针对任务型的人机对话方案，不适用于估测用户感兴趣目标对象的人机对话任务，具体原因分析如下：

目前，针对任务型人机对话的实现方案，基于结构化知识驱动的技术框架实现。该技术框架中需要建立结构化知识库。所谓结构化知识，是将知识定义为若干主体，属性，值的三元组。而在实际应用中，往往存在的是大量的非结构化知识，即自由文档。在建立结构化知识库时，需要从大量的非结构化知识中提取出结构化知识，其实现复杂，需要花费大量的人力、物力。并且，在基于结构化知识实现的人机对话场景中，用户会被限制在结构化的选项集合(如，是、否和不知道)中选择答案对话。相比于自然语言的非结构化回答方式，这种结构化的回答方式携带的信息有限，这样，一方面会影响对用户感兴趣目标对象估测的准确性，另一方面还会导致需要较多轮次对话才能够估测出用户感兴趣目标对象，从而降低用户的人机对话体验。因此，采用现有的任务型人机对话方案，估测用户感兴趣目标对象会存在部署成本高、准确性差、对话轮次多等问题，从而不适用于估测用户感兴趣目标对象的人机对话任务。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于多文档的任务型人机对话任务的实现方法，能够提高任务执行的成功率和效率，且易于实现。

为了达到上述目的，本发明提出的技术方案为：

一种基于多文档的任务型人机对话任务的实现方法，包括：

在人机对话过程中，当完成一轮对话时，拼接所述轮对话的提问信息和答复信息，得到所述轮对话的问答文本；

将所述问答文本输入至预先训练的人机对话任务模型中处理，得到下一轮对话的提问信息或者人机对话任务的执行结果，并在得到所述提问信息时，启动下一轮人机对话；其中，所述处理包括：

基于所述问答文本，生成所述轮对话的问答向量；计算所述问答向量与每个预设候选文档的属性相关向量的相似度；基于所述问答向量和所述相似度，生成所述轮对话中每个所述候选文档的概率分布，以及所述轮对话对应的属性分布；

根据每个所述候选文档的概率分布，更新当前的全局候选文档概率分布向量；根据所述轮对话对应的属性分布，更新当前的全局属性分布向量；

如果当前满足预设的人机对话结束条件，则将所述全局候选文档概率分布向量中的概率分布最大值对应的候选文档，作为人机对话任务的执行结果并输出；否则，基于所述全局候选文档概率分布向量和所述全局属性分布向量，利用预设的自然语言对话模板，确定下一轮对话的提问信息。

在一个实施方式中，所述基于所述问答文本，生成所述轮对话的问答向量包括：