[发明专利]对话交互方法、装置及电子设备

说明书

本发明提供了一种对话交互方法、装置及电子设备，涉及人工智能技术领域，该方法包括：获取对话操作对应的候选回答集；其中，候选回答集中的候选回答包括至少一个检索回答和/或至少一个生成回答；将对话操作对应的对话问题和候选回答集输入至预先训练得到的排序模型；其中，排序模型为基于对话语料样本训练得到的；通过排序模型计算对话问题与候选回答集中的每个候选回答的匹配度；基于每个候选回答的匹配度生成候选回答的排序结果；按照排序结果回复对话操作。本发明能够有效改善人机对话效果，提升用户满意度。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种对话交互方法、装置及电子设备。

背景技术

人机自动对话是人工智能领域的重要应用，目前多采用自然语言处理技术实现自动对话。在人机对话技术中，通常是首先设置多个匹配子模型，不同子模型用于计算不同方式产生的候选回答与用户问题之间的匹配度；然后将多个子模型的匹配度和预设的与回答有关的人工特征输入至基于GBDT(Gradient Boosting Decision Tree，梯度提升决策树)或Xgboost的树模型，通过树模型输出各候选回答的得分；最后根据得分对候选回答进行排序，挑选出得分最高的回答返回给用户。

但是，发明人经研究发现，在上述方式中，由于不同子模型计算匹配度的过程并不统一，子模型之间的差异性导致候选回答的排序结果不准确，致使给用户的回答难以让用户满意；同时，多个子模型的资源消耗过大且部署繁琐，导致回答的排序结果的生成效率较低，无法及时响应用户，综合导致人机对话效果不佳，用户体验较差。

发明内容

本发明的目的在于提供一种对话交互方法、装置及电子设备，能够有效改善人机对话效果，提升用户满意度。

本发明提供一种对话交互方法，该方法包括：获取对话操作对应的候选回答集；其中，候选回答集中的候选回答包括至少一个检索回答和/或至少一个生成回答；将对话操作对应的对话问题和候选回答集输入至预先训练得到的排序模型；其中，排序模型为基于对话语料样本训练得到的；通过排序模型计算对话问题与候选回答集中的每个候选回答的匹配度；基于每个候选回答的匹配度生成候选回答的排序结果；按照排序结果回复对话操作。

进一步的，基于每个候选回答的匹配度生成候选回答的排序结果的步骤，包括：根据候选回答的匹配度大小对每个候选回答进行排序，得到初始排序结果；根据预设的处理规则对初始排序结果进行顺序调整，得到候选回答的最终排序结果；其中，预设的处理规则包括以下中的一种或多种：候选回答的来源优先级、候选回答的长度、候选回答与对话问题的重复度、候选回答的来源占比、候选回答中包含的词语序列的联合概率。

进一步的，当预设的处理规则包括候选回答的来源优先级时，根据预设的处理规则对初始排序结果进行顺序调整的步骤，包括：如果候选回答集中包括多个候选回答，获取每个候选回答携带的来源标识；其中，来源标识包括网络对话检索库标识、人工对话检索库标识和生成式回答标识中的一种或多种；根据候选回答的来源优先级对每个候选回答携带的来源标识进行排序；按照来源标识的排序结果对初始排序结果进行顺序调整。

进一步的，将对话操作对应的对话问题和候选回答集输入至预先训练得到的排序模型的步骤，包括：如果对话问题包括待答复问题和待答复问题之前的背景对话，采用预设拼接符号将背景对话和待答复问题分别与各个候选回答进行拼接，得到拼接对话；将拼接对话输入至预先训练得到的排序模型。

进一步的，通过排序模型计算对话问题和候选回答的匹配度的步骤，包括：根据拼接对话中的字符生成矩阵；其中，矩阵中的元素为字符对应的字向量；通过排序模型对矩阵进行运算，得到对话问题和候选回答的匹配度。

进一步的，按照排序结果回复对话操作的步骤，包括：将排在首位的候选回答作为目标回答；以目标回答对应的文字和/或语音回复对话操作。