[发明专利]一种任务型多轮对话中的复杂意图识别方法

说明书

本发明提供一种任务型多轮对话的复杂意图的识别方法，属于自然语言处理领域。该方法定义了多意图追踪识别的任务，引入了一整套意图转移模式集合；设计了一个门结构控制器来更好地利用对话中的信息，并在对话进行过程中识别对话当前轮次的意图。此外，该方法还可以在当前的对话意图结束时，预测出用户的下一个可能的意图，并提前提供出有用的信息。这种前摄预测的机制可以通过从其它相关意图里借取信息，一定程度上避免了冗长的对话轮次。在得到当前轮次与潜在的下一轮次的对话意图后，该方法根据人工预定义好的模板库，结合意图及信息槽进行回复生成，从而得到更加自然的对话回复结果。

技术领域

本发明提供了一种对任务型多轮对话中复杂意图识别与预测方法，具体包括：根据门结构控制器识别对话当前轮次意图，根据前摄反馈机制预测下一轮次对话意图，使用预定义好的模板进行回复生成。本发明属于自然语言处理领域。

背景技术

任务型对话系统有着很广阔的应用场景，比如机票预订、在线客服等等。在任务型对话系统中，用户通过自然语言方式与机器进行交互，得到所需要的信息或解答。

任务型对话的“意图”就是用户想要达到的目标。为了实现这个意图，系统通常需要一些特定的称为“信息槽”的信息，对话系统通过分析用户的表述，提取出相应信息槽的行为被称作“槽填充”。

对话大多需要有多个轮回。现有的方法通常只追踪多轮对话的槽值信息，缺少针对用户意图追踪的方法。然而在现实中，多意图对话场景其实十分普遍。这也使得目前的对话系统很难应对多轮对话里复杂意图的转换，而根据现有对话内容来提前预测用户的下一步可能的意图则更为困难。

发明内容

本发明中提出的方法主要应对复杂意图的转换。在不同的意图之间共享相同的信息槽信息，追踪识别对话当前句的意图。本方法通过一个门结构控制器融入上文信息，分析当前用户话语中的意图。除此之外，本方法还可以在当前的对话意图结束时，预测出用户下一个可能的意图，并提前提供出有用的信息，即“前摄预测”。在得到当前轮次与潜在的下一轮次的对话意图后，本方法根据人工预定义好的模板库，结合意图及信息槽进行回复。

本发明对应的结构示意图如图1所示。本发明提供的任务型多轮对话中的复杂意图识别方法，具体技术方案如下：

A.根据门结构控制器识别对话当前轮次意图，实现任务型多轮对话中复杂意图的识别追踪，这部分是本发明的核心，其作用是识别当前轮次的意图。

A1.对于多轮对话中复杂意图的追踪识别任务，本发明引入了一整套意图转移模式包括如下三类：

模式1(意图已转移且当前意图尚未结束)：当前意图依然在进行中，但用户又询问了一个其他意图的问题(一般而言，其后还会回到未完成的意图中)。

模式2(意图已转移且当前意图已结束)：当前意图已经结束后，用户开始询问其它意图的问题。

模式3(意图未转移)：用户继续就当前意图与系统交互。

A2.设计一个门结构控制器在对话语句的向量表示层面上对对话状态进行追踪。模型首先计算意图转移模式的分布，并使用其结果计算当前轮次的意图，对话过程在词汇级别和句子级别两个层面上被模拟。模型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。

本发明进一步使用“前摄预测”机制对用户的下一个可能意图做合理的“猜测”。如果这个猜测被确定下来了，系统将在用户发问前提供有用的信息，以避免重复和冗余的对话轮次。

1.模型使用一个意图转移矩阵进行“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实值函数。