[发明专利]将上下文扩充到知识图谱中的对话生成方法及系统

说明书

本发明公开了将上下文扩充到知识图谱中的对话生成方法及系统，获取当前语句和当前语句的若干条上下文语句；根据当前语句，构建当前语句的知识子图谱；对当前语句的若干条上下文语句进行筛选，筛选出上下文重要语句；根据当前语句的上下文重要语句，从当前语句的知识子图谱筛选出重要词汇；将当前语句的知识子图谱中的非重要词汇删除，得到更新后的知识子图谱；将上下文重要语句分词后得到的词汇与更新后的知识子图谱中的重要词汇进行连接，得到扩充后的知识图谱；基于当前语句和扩充后的知识图谱，生成应答对话语句。根据上下文及知识感知进一步生成信息丰富且流畅的回复。

技术领域

本发明涉及对话生成技术领域，特别是涉及将上下文扩充到知识图谱中的对话生成方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

人机对话涉及人类与机器两大主体，对话系统作为两者交流的直接体现，致力于追求对话的流畅性与自然性。近年来不少学者根植于开放领域下对话回复的生成，涉及广泛但成效相对单一，面向主题迁移则较难把握对话的一致性，致力于对话逻辑性则无法涌现更为丰富的信息，把握人物特殊性又很难平衡对话的流畅性。总的来说对话涉及因素较多，重点在于机器能够理解语言背后的知识，并推理出特定对话中的概念，然而仅仅依靠对话数据或简单的实体检索，而不借助背景知识的学习，很难做到真正的语义交互。

近期，一些研究开始实践通过额外知识的引入促进开放领域下的对话生成，这些模型主要通过非结构化知识或结构化三元组来发挥背景知识的作用，并且实验表明这些先验知识能够增强知识选择模型的泛化能力。特别是知识三元组或图路径，能够有效缩小候选顶点的范围，生成信息更为多样的回答，但由于参与生成局限于一个词或实体，只能从查询消息的表面文本中捕获有限的信息，因此可能会遇到无法生成响应的信息。不同于结构化三元组，上下文中的文本句子包含当前对话的丰富信息，因此相关上下文的参与能够为对话生成提供特定的语境信息。图结构与相关上下文的融合可能会对知识感知以及会话生成产生积极作用，对此的研究较少。

针对聊天系统中对话回复的信息含量低，倾向于通用回答的特点，近期的研究提出根据知识图检索引入结构化知识。在对话中赋予额外的相关知识显然能够丰富对话生成，但知识检索过程局限于实体词上的检索，忽略了语境中实体的含义，不能全面把握当前对话的特定知识。

发明内容

为了解决现有技术的不足，本发明提供了将上下文扩充到知识图谱中的对话生成方法及系统；

第一方面，本发明提供了将上下文扩充到知识图谱中的对话生成方法；

将上下文扩充到知识图谱中的对话生成方法，包括：

获取当前语句和当前语句的若干条上下文语句；

根据当前语句，构建当前语句的知识子图谱；

对当前语句的若干条上下文语句进行筛选，筛选出上下文重要语句；

根据当前语句的上下文重要语句，从当前语句的知识子图谱筛选出重要词汇；

将当前语句的知识子图谱中的非重要词汇删除，得到更新后的知识子图谱；将上下文重要语句分词后得到的词汇与更新后的知识子图谱中的重要词汇进行连接，得到扩充后的知识图谱；

基于当前语句和扩充后的知识图谱，生成应答对话语句。

第二方面，本发明提供了将上下文扩充到知识图谱中的对话生成系统；

将上下文扩充到知识图谱中的对话生成相同，包括：

获取模块，其被配置为：获取当前语句和当前语句的若干条上下文语句；

构建模块，其被配置为：根据当前语句，构建当前语句的知识子图谱；