[发明专利]一种任务型多轮对话中的复杂意图识别方法有效
申请号: | 201910588106.0 | 申请日: | 2019-07-02 |
公开(公告)号: | CN110309170B | 公开(公告)日: | 2021-04-13 |
发明(设计)人: | 王厚峰;施晨 | 申请(专利权)人: | 北京大学;华为技术有限公司 |
主分类号: | G06F16/245 | 分类号: | G06F16/245;G06F16/332;G06N3/04;G06N3/08 |
代理公司: | 北京万象新悦知识产权代理有限公司 11360 | 代理人: | 贾晓玲 |
地址: | 100871*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 任务 轮对 中的 复杂 意图 识别 方法 | ||
1.一种任务型多轮对话中的复杂意图识别方法,包括:
A.根据门结构控制器识别对话当前轮次意图,包括:
A1.定义三大类意图转移模式,分别为:意图已转移且当前意图尚未结束、意图已转移且当前意图已结束、以及意图未转移;
A2.计算意图转移模式的分布,并使用其结果来进行门结构转移计算,在对话语句级别和词汇级别两个层面上对对话状态进行追踪;并据此生成意图识别结果;
在步骤A之后,根据前摄反馈机制预测下一轮次对话意图,包括:
1.使用一个意图转移矩阵来进行前摄预测,矩阵中的每个元素是一个表示当前意图是否会转移到下一个意图的置信度的实值函数;
2.通过意图转移矩阵,使用一个马尔科夫链来模拟意图转移过程,且使用一个二次型来表示意图转移的一致性与预测的概率值;预测下一轮次对话意图;
B.利用预定义好的模板与信息槽进行自然语言的回复生成,包括:
B1.使用序列标注的方法来为信息槽进行标注提取;
B2.对于每个意图,设计若干类不同的模板,将信息槽查询的结果填入选择好的模板内得到最终的生成结果。
2.如权利要求1所述的任务型多轮对话中的复杂意图识别方法,其特征是,步骤A2具体包括:在对话过程在词汇级别和句子级别两个层面上被模拟,使用两个循环神经网络来模拟对话序列:词汇级别的循环神经网络用来表示每一个问句/回答语句,另一个句子级别的循环神经网络则负责跟踪对话总体进程中的隐状态,词汇级别的循环神经网络以一个问句或回答语句作为输入,学习向量表示;而句子级别的循环神经网络则将词汇级别的循环神经网络学习到的每个句向量作为输入,输出对话过程到当前轮次为止的隐状态。
3.如权利要求1所述的任务型多轮对话中的复杂意图识别方法,其特征是,步骤B1标注过程使用对话语句作为输入,依次将语句中的每个词标注为知识性信息槽、需求性信息槽,之后将这些信息槽填充到一个全局的内存里,以使得不同的意图共享重复的信息槽值。
4.如权利要求3所述的任务型多轮对话中的复杂意图识别方法,其特征是,所述知识性信息槽是从用户提供的信息中提取出来,用来约束回复内容的信息槽。
5.如权利要求3所述的任务型多轮对话中的复杂意图识别方法,其特征是,所述需求性信息槽是未知的信息,通常是用户想要询问具体值的一些内容,系统需要在接下来几轮对话里返回这些信息槽的准确值,需求性信息槽的值不可以直接从当前语句中提取出来,系统在标注结束后,需要向数据库发起一个查询来得到相应的信息槽的值。
6.如权利要求1所述的任务型多轮对话中的复杂意图识别方法,其特征是,生成模板是人为构造的带有待填充的空信息槽的句子。
7.如权利要求1所述的任务型多轮对话中的复杂意图识别方法,其特征是,步骤B2中包括如下模板:对于需求性信息槽,如果数据库中只有一个可能的结果,直接将其返回给用户;对于需求性信息槽,如果数据库中有不止一个可能的结果,将所有结果返回给用户,让用户进行选择;如果无法针对需求性信息槽在数据库中找到任何可能的结果,则将请求用户更改问题;如果用户并没有提供任何需求性信息槽,则更新数据库。
8.如权利要求1所述的任务型多轮对话中的复杂意图识别方法,其特征是,步骤B2中,如果下一个意图被前摄预测部分所确定,则将提前提供有用的信息给用户。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学;华为技术有限公司,未经北京大学;华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910588106.0/1.html,转载请声明来源钻瓜专利网。