[发明专利]基于双动态记忆网络的智能外呼对话方法和系统

说明书

本发明公开了一种基于双动态记忆网络的智能外呼对话方法和系统，其方法为：获取对话数据，对话数据包括多回合对话数据和当前回合客户话术；对多回合对话数据处理，得到编码向量信息，用于对话内存管理器中对话历史内存和对话状态内存的全局管理和迭代更新；对当前回合客户话术进行词嵌入向量化后，得到解码向量信息，用于处理内存管理器的对话状态内存和访问KB内存管理器的KB内存；对话内存管理器动态地依次扩展对话内存，并通过更新机制跟踪对话历史，生成第一输出分布；对KB内存管理器动态访问，生成第二输出分布；根据第一、第二输出分布生成回复客户的话术。本发明通过学习人机历史对话、结合外呼知识库，实现机器人与客户的流畅、精准对答。

技术领域

本发明涉及自动对话生成技术领域，具体涉及基于双动态记忆网络的智能外呼对话方法和系统。

背景技术

传统的人工客服人员流动性大、人力成本高、服务缺乏标准、服务效率低等问题，导致企业招聘难、培训时间长，增加了企业相关成本，因此有了智能客服的需求与发展。在智能客服中任务型的对话机器人起到了关键性作用。任务型对话系统(task-orienteddialogue TOD)主要分为两类：管道式(pipeline)任务型对话系统和端到端(end-to-end)任务型对话系统，智能外呼对话系统属于任务型的对话系统，传统的智能外呼系统采用管道式搭建。

管道式对话系统通常由自然语言理解(NLU)、对话状态跟踪(DST)、对话策略学习(POL)和自然语言生成(NLG)四个模块组成。管道式对话系统中的这些模块通常是单独优化的，因此无法保证整个对话系统的总体优化性能，管道式对话系统模型较多，存在训练难模型管理难问题，而且这种管道式的结构也会导致信息错误的传播，以致严重影响对话质量。端到端对话的提出就是为了解决以上问题，端到端对话系统利用历史对话来直接生成系统回复，从而避免了管道式对话系统的弊端。但是，端到端对话系统通常难以与外部知识库进行交互，因此提出来一种可以结合外部知识库的端到端对话系统。

发明内容

为解决上述问题，本发明提供的技术方案为：

一种基于双动态记忆网络的智能外呼对话方法，包括以下步骤：

获取对话数据，对话数据包括多回合对话数据和当前回合客户话术；

对多回合对话数据处理，得到编码向量信息，用于对话内存管理器中对话历史内存和对话状态内存的全局管理和迭代更新；对当前回合客户话术进行词嵌入向量化后，得到解码向量信息，用于处理内存管理器的对话状态内存和访问KB内存管理器的KB内存；

对话内存管理器动态地依次扩展对话内存，并通过更新机制跟踪对话历史，生成第一输出分布；对KB内存管理器动态访问，生成第二输出分布；

根据第一输出分布和第二输出分布生成回复客户的话术。

本发明进一步设置为所述多回合对话数据通过BiGRU编码器处理得到编码向量H，所述当前回合客户话术通过GRU解码器处理得到解码向量q_t。

本发明进一步设置为对话状态内存根据编码向量H进行寻址操作找到指定分配给内存槽的规范化权值a_t，以规范化权值a_t为指引读取对话历史内存中的上下文表示向量c_t，每回合根据上下文表示向量c_t和解码向量q_t输入到GRU网络得到中间隐藏状态s_t,中间隐藏状态s_t＝GRU(q_t,c_t)，中间隐藏状态s_t用于更新对话状态内存，每回合根据中间隐藏状态s_t和上下文表示向量c_t得到权重值g，权重值g＝Sigmoid(s_t,c_t)。