[发明专利]一种对话生成方法及装置

说明书

本发明实施例公开了一种对话生成方法，包括：将第K轮询问句中的每个字转化为第一词向量，并根据第一词向量计算每个字的正向隐层向量和反向隐层向量；获取第K轮询问句的内容主题，并将内容主题转化为第二词向量；根据第二词向量、第K轮询问句中最后一个字的正向隐层向量、针对第K‑1轮询问句输出的第K‑1轮答复句中最后一个字的隐层向量、以及针对第K‑1轮询问句输出的第K‑1轮答复句的初始隐层向量，确定针对第K轮询问句输出的初始隐层向量；根据第K轮询问句中每个字的正向隐层向量和反向隐层向量、以及针对第K轮询问句输出的初始隐层向量，生成针对第K轮询问句的答复句，实施本发明实施例，可以提高生成对话的精确性。

技术领域

本发明涉及语音处理领域，尤其涉及一种对话生成方法及装置。

背景技术

近年来，人机交互方式正发生着日新月异的变化，对话机器人正作为一种新的交互模式吸引着越来越多人的关注。然而，如何在多轮对话中提高自动生成的回复语句的相关性，如何降低高频答案的生成概率，生成高质量的对话，一直成为自然语言处理领域研究的重点，其中，对话系统是自然语言处理的一个重要应用方向。

在现有技术方案中，对话系统可以包括基于规则的对话系统、基于搜索的对话系统或生成式对话系统。其中，基于规则的对话系统结构简单、高准确度，但泛化能力较差；基于搜索的对话系统，要求语料库的质量以及数量比较高，否则容易出现低召回等问题；生成式对话系统可以较好的构建语言模型，对任意输入语句，均可生成对应的答句，生成式对话系统建模方式可以分为单轮建模与多轮建模两类，其中，单轮生成式对话模型仅对问答对进行建模，而在处理多轮对话时将上下文直接拼接成一句长问句，但当对话轮数较多且上下文较长时，容易出现信息压缩混乱，导致生成答句质量较低等问题，多轮生成式对话模型将多轮问答传递过程进行建模，但是该模型容易生成高频答案，精确度低。

发明内容

本发明实施例提供一种对话生成方法及装置。可以解决生成对话精确度低的技术问题。

本发明第一方面提供了一种对话生成方法，包括：

将第K轮询问句中的每个字转化为第一词向量，并根据所述第一词向量计算所述每个字的正向隐层向量和反向隐层向量，K为大于等于2的正整数；

获取所述第K轮询问句的内容主题，并将所述内容主题转化为第二词向量；

根据所述第二词向量、所述第K轮询问句中最后一个字的正向隐层向量、针对第K-1轮询问句输出的第K-1轮答复句中最后一个字的隐层向量、以及针对所述第K-1轮询问句输出的第K-1轮答复句的初始隐层向量，确定针对所述第K轮询问句输出的初始隐层向量；

根据所述第K轮询问句中每个字的所述正向隐层向量和所述反向隐层向量、以及所述针对所述第K轮询问句输出的初始隐层向量，生成针对所述第K轮询问句的答复句。

相应地，本发明第二方面提供了一种对话生成装置，包括：

隐层计算模块，用于将第K轮询问句中的每个字转化为第一词向量，并根据所述第一词向量计算所述每个字的正向隐层向量和反向隐层向量，K为大于等于2的正整数；

主题确定模块，用于获取所述第K轮询问句的内容主题，并将所述内容主题转化为第二词向量；

向量计算模块，用于根据所述第二词向量、所述第K轮询问句中最后一个字的正向隐层向量、针对第K-1轮询问句输出的第K-1轮答复句中最后一个字的隐层向量、以及针对所述第K-1轮询问句输出的第K-1轮答复句的初始隐层向量，确定针对所述第K轮询问句输出的初始隐层向量；

答复输出模块，用于根据所述第K轮询问句中每个字的所述正向隐层向量和所述反向隐层向量、以及所述针对所述第K轮询问句输出的初始隐层向量，生成针对所述第K轮询问句的答复句。