[发明专利]知识选择策略的对话生成方法、装置以及终端

说明书

本发明实施例提出一种知识选择策略的对话生成方法、装置以及终端，方法包括：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；基于上一句话的历史对话的向量表示和多条知识的向量表示进行相似度计算，得到第二概率分布；将第一概率分布和第二概率分布求和，得到知识选择的概率分布；从知识选择的概率分布中选择最大概率值，并根据最大概率值对应的知识，生成当前回复语句。能够产生有信息量且连贯的回复。

技术领域

本发明涉及对话策略技术领域，尤其涉及一种知识选择策略的对话方法、装置以及终端。

背景技术

现阶段的对话系统可以模仿人与人的交谈，产生流畅的对话。但由于忽视了人与人对话的主要因素：交换信息和加强社交。对话系统经常产生通用的、无意义的回复，像“哈哈哈”、“么么哒”，“我不知道啊”等等。最近，一些新提出的知识聊天对话系统，可以在回复中融合知识。但是，由于在对话中，缺乏有效的知识选择策略，无法有效利用已有的背景知识进行回复，所以还是会经常产生一些冗余的、不连贯的回复。

发明内容

本发明实施例提供一种知识选择策略的对话方法、装置以及终端，以解决现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种知识选择策略的对话生成方法，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。

在一种实施方式中，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。

在一种实施方式中，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)。