[发明专利]封闭域的智能人机对话系统

权利要求书

1.一种封闭域的智能人机对话系统，其特征在于，包括：

第一建模模块，用于基于双向长短时记忆网络BiLSTM和卷积神经网络CNN构建多特征融合深度意图识别模型，以提取并融合用户输入的短文本不同粒度、维度的特征；

第二建模模块，用于采用人机对话状态系统当前状态输入与上下文语句联合建模方式来构建基于MC-BLSTM-MSCNN的对话状态跟踪模型，以提取槽值对特征；所述对话状态跟踪模型包括：语义解码模块和上下文编码模块；

所述语义解码模块用于直接交互用户输入的向量表示r与候选槽值对表示c，并通过向量r与候选槽值对c判断用户是否明确表达了与当前候选对相匹配的意图；

所述上下文编码模块用于获取系统向用户询问特定槽t_q和系统请用户确认特定的槽值对(t_s,t_v)，并根据所述t_q和(t_s,t_v)计算相似度的度量，其中，计算所述相似度的度量包括：系统输出行为(t_q,t_s,t_v)、候选槽值对(c_s,c_v)和用户输入语句表示r；系统输出行为(t_q,t_s,t_v)、候选槽值对(c_s,c_v)和用户输入语句表示r为计算相似性度量d会用到的参数；

第三建模模块，用于构建基于移位注意力机制的域外恢复机制的Bi-LSTM匹配模型，以将识别到的用户意图、用户槽值输入移位网络进行注意力机制的权重分发，实现对话状态的编码和对话控制的匹配。

2.根据权利要求1所述的封闭域的智能人机对话系统，其特征在于，所述多特征融合深度意图识别模型至少包括：多通道嵌入层、高速通道层和多粒度卷积层。

3.根据权利要求1所述的封闭域的智能人机对话系统，其特征在于，所述候选槽值对的槽名称与值的向量空间表示由c_s和c_v给出，将所述候选槽值对的槽名称与值的向量空间表示的元组映射成与用户输入的向量表示r相同维度的单个向量c，其中，这两个向量表示进行交互以学习一种相似性度量，该相似性度量用于区分用户输入语句与其所表达或者不表达的槽值对之间的交互作用，所述相似性度量具体如下：

其中，表示element-wise向量乘法，其将d中丰富的特征集合减少到单个标量，允许下游网络通过学习r和c中的特征集之间的非线性交互来更好地利用其参数。

4.根据权利要求1所述的封闭域的智能人机对话系统，其特征在于，所述系统输出行为(t_q,t_s,t_v)、候选槽值对(c_s,c_v)和用户输入语句表示r之间存在如下关系：

m_r＝(c_s·t_q)r

m_c＝(c_s·t_s)(c_v·t_v)r

其中，·表示点积，当系统询问当前的候选槽或槽值对时，所计算的相似项用作仅通过话语表示的选通门控机制。

5.根据权利要求4所述的封闭域的智能人机对话系统，其特征在于，所述上下文编码模块还用于将得到的向量表示m与语义相似度的向量表示d统一输入到Softmax层，进行分类。