[发明专利]多智能体对话策略系统构建方法及自适应方法

权利要求书

1.一种多智能体对话策略系统构建方法，所述系统的输入为取自预设领域语料库的置信对话状态，输出为取自预设领域语料库的对话动作，所述方法包括：

构建语义槽无关智能体、多个语义槽相关智能体和决策网络；

配置所述语义槽无关智能体，以根据输入的置信对话状态的语义槽无关信息计算得到与语义槽无关的对话动作集合的第一关联信息；

配置所述多个语义槽相关智能体，以根据输入的置信对话状态的语义槽相关信息计算得到与语义槽相关的对话动作集合的第二关联信息集，所述第二关联信息集包括分别对应于所述多个语义槽相关智能体的多个第二子关联信息；

配置所述决策网络，以根据所述第一关联信息和所述多个第二子关联信息集确定对应于所述置信对话状态的对话动作。

2.根据权利要求1所述的方法，其中，还包括：

预先获取所述预设领域语料库中的对话的置信对话状态和对话动作集合；

将所述置信对话状态分解为状态语义槽无关信息和状态语义槽相关信息；

将所述对话动作集合分解为动作语义槽无关信息和动作语义槽相关信息；

基于状态语义槽无关信息、状态语义槽相关信息、动作语义槽无关信息和动作语义槽相关信息训练所述语义槽无关智能体和多个语义槽相关智能体。

3.根据权利要求2所述的方法，其中，所述训练所述语义槽无关智能体和多个语义槽相关智能体所采用的是深度强化学习算法，所述深度强化学习算法为深度Q网络算法；

所述语义槽无关智能体和所述多个语义槽相关智能体分别包括多个隐藏层；其中，

第j个语义槽相关智能体的第i+1个隐藏层的输出为：

其中，σ是激活函数，和是所述语义槽相关智能体的网络参数，

所述语义槽无关智能体的第i+1个隐藏层的输出为：

其中，σ是激活函数，和是所述语义槽无关智能体的网络参数，

4.根据权利要求1-3中任一项所述的方法，其中，所述多个语义槽相关智能体之间相互共享参数。

5.根据权利要求1-3中任一项所述的方法，其中，所述多个语义槽相关智能体分别具有私有参数，且同时所述多个语义槽相关智能体之间具有共享参数。

6.根据权利要求5所述的方法，其中，所述多个语义槽相关智能体中的第j个语义槽相关智能体的输出为：

q_j＝αNet(b_i；θ_j)+(1-α)Net(b_j；θ_s)

其中，Net为从置信对话状态到对话动作的映射函数，α是加权系数，θ_s为共享参数，θ_j为私有参数。

7.一种多智能体对话策略系统自适应方法，所述方法应用于权利要求1-6中任一项所述的系统，所述方法包括：

当扩展所述预设领域语料库时，为所增加的语义槽配置新的语义槽相关智能体；

当所述多个语义槽相关智能体之间相互共享参数时，为所述新的语义槽相关智能体配置所述共享参数；

当所述多个语义槽相关智能体分别具有私有参数，且同时所述多个语义槽相关智能体之间具有共享参数时，则配置所述共享参数为所述新的语义槽相关智能体的共享参数，并基于所述共享参数和预设噪音为所述新的语义槽相关智能体配置私有参数；

基于扩展后的所述预设领域语料库训练所述多智能体对话策略系统。

8.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述方法的步骤。

9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。