[发明专利]基于深度神经网络的场景自动切换的人机多轮对话方法

权利要求书

1.一种基于深度神经网络的场景自动切换的人机多轮对话方法，其特征在于，操作步骤如下：

a）构建多轮对话问答上下文表示：使用向量进行问题上下文表示；

b）构建问答上下文场景聚类与场景上下文表示：使用聚类的方法自动划分场景，并训练场景上下文向量；

c）问题场景自动识别及应答自动生成：自动的识别问题的所属场景，使用语言模型自动生成应答；

d）场景与场景上下文自动更新：将新生成的问题添加匹配到的场景中，若未匹配到则生成新的场景；

所述步骤a）构建多轮对话问答上下文表示具体为：问答上下文表示依托问答知识库为基础支持，问答知识库即多个一问一答存储的数据库；问答上下文表示使用深度循环神经网络将一问一答的文本转换为问答的上下文向量表示；其中，问答的上下文向量表示方法包括如下步骤：

1）使用id表示问答字符串中的每一个字，将问答转换为id序列表示；

2）采用循环神经网络算法将问答序列转换为问答上下文表示；每一个问答赋予一个场景编号；

3）使用一个全连接层将问答上下文映射为总场景个数的长度；

4）使用Softmax激活函数对问答上下文的全连接表示进行场景分类；

5）保存问答上下文和循环神经网络参数。

2.根据权利要求1所述的基于深度神经网络的场景自动切换的人机多轮对话方法，其特征在于，所述步骤b）构建问答上下文场景聚类与场景上下文表示具体为：每一个问答上下文的向量表示在向量空间中作为一个孤立点，为了将所有的问答上下文按场景进行分类，采用聚类方法将问答知识库的所有问答上下文进行聚类，对于每一个场景类别，使用深度循环神经网络提取其场景上下文的向量表示。

3.根据权利要求1所述的基于深度神经网络的场景自动切换的人机多轮对话方法，其特征在于，所述步骤c）问题场景自动识别及应答自动生成具体为：对于每一个问题，提取其问题与场景上下文表示，与当前对话前的对话内容进行场景相似度匹配，若相似度最高的场景高于阈值，则从最相似的场景中抽取上下文内容，若低于阈值则从问答知识库中匹配最相似场景，从中提取上下文内容；结合从场景中提取的上下文与当前问题，使用深度神经网络语言模型自动生成应答。

4.根据权利要求1所述的基于深度神经网络的场景自动切换的人机多轮对话方法，其特征在于，所述步骤d）场景与场景上下文自动更新具体为：若新生成的问答与之前的对话内容中的某个场景相匹配，则将该问答上下文存入该场景中，使用深度循环神经网络更新该场景的上下文表示；若无法从正在进行的对话内容中准确匹配，则构建一个新的场景，训练该轮问答的场景上下文，并将该轮问答存入该场景中。