[发明专利]对话策略优化的冷启动系统和方法有效
| 申请号： | 201710483731.X | 申请日： | 2017-06-23 |
| 公开（公告）号： | CN107342078B | 公开（公告）日： | 2020-05-05 |
| 发明（设计）人： | 俞凯;陈露;周翔;常成;杨闰哲 | 申请（专利权）人： | 上海交通大学;苏州思必驰信息科技有限公司 |
| 主分类号： | G10L15/06 | 分类号： | G10L15/06;G10L15/183;G10L15/16 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种对话策略优化的冷启动系统和方法，包括：用户输入模块、对话状态跟踪模块、教师决策模块、学生决策模块、从教师决策模块和学生决策模块产生的回复动作中随机选择一个最终的回复动作的动作选择模块、将最终的回复动作转换成更自然的表达并展现给用户的输出模块、将对话经验(transition)存储到经验池中并采样固定数量的经验，根据深度Q网络(DQN)算法进行网络参数更新的策略训练模块以及在对话的每一个轮回计算对话的奖励回报(Reward)并输出至策略训练模块的奖励函数模块。本发明能够显著提高对话策略在强化学习在线训练初期的性能；提高对话策略的学习速度，即减少其达到一定性能所用的对话数量。 | ||
| 搜索关键词： | 对话 策略 优化 冷启动 系统 方法 | ||
【主权项】：
一种对话策略优化的冷启动系统，其特征在于，包括：用于接收用户输入的用户输入模块、用于解析当前用户输入的语义并根据对话上下文进行对话状态跟踪，即理解用户的意图的对话状态跟踪模块、根据设计好的基于规则的对话策略决策出在当前状态下的回复动作的教师决策模块、根据策略网络决策出当前状态的回复动作并估计当前决策的确定度的学生决策模块、从教师决策模块和学生决策模块产生的回复动作中随机选择一个最终的回复动作的动作选择模块、将最终的回复动作转换成更自然的表达并展现给用户的输出模块、将对话经验存储到经验池中并采样固定数量的经验，根据深度Q网络算法进行网络参数更新的策略训练模块以及在对话的每一个轮回计算对话的奖励回报并输出至策略训练模块的奖励函数模块。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学;苏州思必驰信息科技有限公司，未经上海交通大学;苏州思必驰信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710483731.X/，转载请声明来源钻瓜专利网。
