[发明专利]知识选择策略的对话生成方法、装置以及终端

权利要求书

1.一种知识选择策略的对话生成方法，其特征在于，包括：

获取基于当前回复语句的上一句话的向量表示和基于所述上一句话的历史对话的向量表示，以及多条知识的向量表示，基于当前回复语句的上一句话和基于所述上一句话的历史对话构成基于当前回复语句的上文；

基于当前回复语句的上一句话的向量表示和所述多条知识的向量表示进行相似度计算，得到第一概率分布；

基于所述上一句话的历史对话的向量表示和所述多条知识的向量表示进行相似度计算，得到第二概率分布；

将所述第一概率分布和所述第二概率分布求和，得到知识选择的概率分布；

从所述知识选择的概率分布中选择最大概率值，并根据所述最大概率值对应的知识，生成所述当前回复语句。

2.根据权利要求1所述的方法，其特征在于，基于当前回复语句的上一句话u_t-1和基于所述上一句话的历史对话c_t-1构成基于当前回复语句的上文c_t，当前回复语句为u_t，获取基于当前回复语句的上一句话的向量表示和基于所述上一句话的历史对话的向量表示，以及多条知识的向量表示，包括：

基于当前回复语句的上一句话u_t-1、基于所述上一句话的历史对话c_t-1以及多条知识Z分别通过词向量层，生成基于当前回复语句的上一句话的向量、基于所述上一句话的历史对话的向量以及所述多条知识的向量；

将基于当前回复语句的上一句话的向量、基于所述上一句话的历史对话的向量以及所述多条知识的向量分别通过循环神经网络模型，生成基于当前回复语句的上一句话的向量表示u^G_t-1、基于所述上一句话的历史对话的向量表示c^G_t-1，以及所述多条知识的向量表示Z^G。

3.根据权利要求2所述的方法，其特征在于，基于当前回复语句的上一句话的向量表示和所述多条知识的向量表示进行相似度计算，得到第一概率分布，包括：

基于当前回复语句的上一句话的向量表示u^G_t-1和所述多条知识的向量表示Z^G经过多层感知器网络模型，得到第一概率分布p(Z|u_t)。

4.根据权利要求3所述的方法，其特征在于，基于所述上一句话的历史对话的向量表示和所述多条知识的向量表示进行相似度计算，得到第二概率分布，包括：

基于所述上一句话的历史对话的向量表示c^G_t-1和所述多条知识的向量表示Z^G经过所述多层感知器网络模型，得到第二概率分布p(Z|c_t-1)。

5.根据权利要求2至4任一项所述的方法，其特征在于，还包括：

基于当前回复语句的上文以及多条回复语句构成多轮对话；

根据每轮对话的信息量分数和连贯性分数得到每轮对话的知识选择策略分数，对每轮对话的知识选择策略分数求和，得到所述多轮对话的综合分数R(τ)；

利用策略梯度算法对所述循环神经网络模型和多层感知器网络模型中的全部网络参数进行更新，θ是所述全部网络参数，b为所述多轮对话的平均知识选择策略分数，z_i是被选择的知识。