[发明专利]一种融合闲聊和常识的多技能任务型对话系统构建方法

说明书

本发明涉及对话系统，具体涉及一种融合闲聊和常识的多技能任务型对话系统构建方法，收集大规模开源的中文闲聊语料，将相邻对话作为闲聊语料对，并构建闲聊模型，收集大规模各领域的常识问答语料以及三元组数据，构建知识图谱，基于常识问答语料训练相似度打分模型，对原始问题进行处理得到候选实体集合，从知识图谱中获取相关两跳关系内所有出度和入度的关系，并得到最终候选实体，利用最终候选实体筛选出实体关系路径，并对实体关系路径进行优选得到最终路径，基于最终路径从知识图谱中查询常识答案，完成常识对话模型的构建；本发明提供的技术方案能够有效克服现有技术所存在的无法兼具常识推理能力和闲聊功能、对话回复召回准确性较低的缺陷。

技术领域

本发明涉及对话系统，具体涉及一种融合闲聊和常识的多技能任务型对话系统构建方法。

背景技术

对话系统按照任务类型可以分为闲聊型对话系统、问答型对话系统和任务型对话系统。

闲聊型对话系统，主要是与用户进行情感互动交流，帮助用户排忧解闷，其一般利用大量闲聊语料对数据训练，比如DialoDG、T5等采用生成式模型，使模型具备根据输入生成相应输出的能力，但是生成的结果是随机的，整体过程难以评估控制。闲聊型对话系统不具备常识推理能力，也无法在特定领域提供垂直任务。

问答型对话系统又称FAQ问答系统，主要是给用户提供垂直领域的咨询服务，比如政务咨询、法律咨询等。目前主流的问答型对话系统都是基于检索的方案，即预先根据问题和答案构建一个ES问答对库，用户提问时对库内的问题进行检索，返回与用户问题最相似的topN个候选问题，然后利用打分重排机制选出其中最相似的标准问题，返回该标准问题对应的答案作为问题答案。目前常见的FAQ问答系统，通过构建大量相似问或者高质量的知识图谱，充分利用文本和语义特征向量，采用召回和打分策略来保证可控性和精度，但是问答型对话系统也不具备常识推理能力，同时无法支持闲聊功能。

任务型对话系统，又称智能客服系统，其在物流、金融、保险、制造、电商等诸多领域具有广阔的应用前景，其可以替代部分人工客服为用户提供24h服务，极大减小人工客服的压力，降低企业成本。目前，市面上主流的任务型对话系统都是以pipeline方式实现的，整个系统分为多个模块，比如对话理解NLU模块主要是识别用户意图和提取对话中关键槽位，对话追踪DST模块主要负责记录对话状态和槽位，对话策略DPL模块主要负责根据当前输入和历史记录决策本次对话该向用户作何响应，对话生成NLG模块主要负责生成最终响应给用户的内容。鉴于任务型对话系统的复杂性及对任务完成的高标准要求，该类系统亦不具备常识推理能力，也无法很好地支持闲聊功能。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种融合闲聊和常识的多技能任务型对话系统构建方法，能够有效克服现有技术所存在的无法兼具常识推理能力和闲聊功能、对话回复召回准确性较低的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种融合闲聊和常识的多技能任务型对话系统构建方法，包括以下步骤：

S1、收集大规模开源的中文闲聊语料，将相邻对话作为闲聊语料对，并构建闲聊模型；

S2、收集大规模各领域的常识问答语料以及三元组数据，构建知识图谱，基于常识问答语料训练相似度打分模型；

S3、对原始问题进行处理得到候选实体集合，从知识图谱中获取相关两跳关系内所有出度和入度的关系，并得到最终候选实体；

S4、利用最终候选实体筛选出实体关系路径，并对实体关系路径进行优选得到最终路径，基于最终路径从知识图谱中查询常识答案，完成常识对话模型的构建；

S5、分析任务对话语料，抽象出固定的本体数据存入数据库中，在会话级别构建任务对话模型；