[发明专利]一种面向出行领域的人机多轮对话方法

权利要求书

1.一种面向出行领域的人机多轮对话方法，其特征在于，该方法的具体步骤为：

步骤一、对用户的当前问句进行规范化处理，再对当前问句中存在明确指示代词或缺乏句子子结构的情况，根据与用户之前交互中涉及的槽位信息，对当前问句中的指示代词和缺失的句子子结构进行替代或填充；得到处理后的当前问句；

步骤二、采用DAN、CNN或BLSTM模型得到步骤一处理后的当前问句的意图信息：将步骤一处理后的当前问句输入DAN、CNN或BLSTM模型；DAN、CNN或BLSTM模型的输出经过softmax操作得到当前问句的意图概率，将概率最大的意图作为当前问句的意图信息；

步骤三、将步骤一处理后的当前问句输入引入意图特征词表的BLSTM-CRF模型，得到当前问句的槽位信息；

所述步骤三中将步骤一处理后的当前问句输入引入意图特征词表的BLSTM-CRF模型，得到当前问句的槽位信息的具体过程为：

所述BLSTM-CRF模型包括输入层、前向LSTM层、后向LSTM层和CRF输出层；BLSTM-CRF模型的训练过程如下：

BLSTM-CRF模型的参数设置，字向量维度为50维，前向LSTM层和后向LSTM层的隐藏层维度为128，意图特征维度为10，dropout为0.5，mini-batch大小设置为64，迭代次数为B₄，patience设置为5，即经过5次测试准确率均无提升时，停止训练；采用Adam学习率更新方法，学习率设置为0.001；

将步骤一处理后的当前问句输入训练好的BLSTM-CRF模型的输入层，输入层输出当前问句的字向量表示为X＝(X₁,X₂,…,X_N)，X₁为当前问句的第一个字的字向量，N是当前问句中字的总个数；

构建意图特征词表，意图特征词表包括每个意图中相应的特征词；根据意图特征词表中所包括的意图特征词对步骤一处理后的当前问句进行标注，得到标注后的序列集合Y＝(y₁,y₂,…,y_N)，y₁,y₂,…,y_N′分别为标注后得到的序列，N′是集合Y中的序列总个数；

标注后的序列集合Y＝(y₁,y₂,…,y_N′)经过训练好的BLSTM-CRF模型的输入层操作得到各序列的向量表示，分别将每个序列的向量表示与当前问句的字向量表示进行拼接，将拼接后的结果作为训练好的BLSTM-CRF模型的前向LSTM层和后向LSTM层的输入；

拼接前向LSTM层和后向LSTM层的输出，并采用随机初始化对前向LSTM层和后向LSTM层的参数矩阵进行初始化，得到每个时刻的隐藏层状态H₁,H₂,…,H_T，其中，H₁、H₂和H_T分别代表第1时刻、第2时刻和第T时刻的隐藏层状态；

前向LSTM层和后向LSTM层输出的拼接结果为Q，拼接结果Q的大小为2*N*h，h是隐藏层的维度，拼接结果Q经过CRF输出层得到状态矩阵P；

通过状态矩阵P，计算出标注后的序列集合Y中每个序列y_k的概率得分s(X,y_k)，k＝1,2,…,N′；

状态矩阵P通过softmax操作得到标注后的序列集合Y中的每个序列y_k的概率P(y_k|X)，其中；

计算序列集合Y中的每个序列y_k的对数概率log(p(y_k|X))：

将对数概率最大的序列y_k作为当前问句的槽位信息；

步骤四、将历史的槽位信息和当前问句的槽位信息作为输入，确定当前的对话状态信息，并结合当前问句的意图信息确定下一步的回复策略；

步骤五、根据步骤四确定的回复策略选择对应的模板回复给用户。