[发明专利]对话引导模型的训练样本构建方法和生成模型的方法

说明书

本申请公开了对话引导模型训练样本构建方法、模型生成方法及对话引导模型，涉及神经网络的训练领域。具体实现方案为：对话引导模型训练样本构建方法包括：获取符合条件的会话序列，符合条件的会话序列中的最后一次人机对话的查询请求具有召回结果；在符合条件的会话序列中，确定第n次人机对话的查询请求，其中第n次人机对话不是最后一次人机对话；在符合条件的会话序列中，确定最后一次人机对话的召回结果；基于第n次人机对话的查询请求与最后一次人机对话的召回结果，构建对话引导模型的训练样本。利用本申请能够方便地得到高质量的对话引导模型训练样本。

技术领域

本申请涉及深度学习技术领域，尤其涉及神经网络的训练领域。

背景技术

人机对话交互通常包括任务型对话和开放型对话等类别，任务型对话就是智能设备满足用户需求，达成用户希望完成的任务；开放型对话的典型代表是聊天，聊天过程中也许没有明确的任务，而是开放型的闲聊。目前在人机对话交互中，占据主流的是任务型对话，智能设备达成用户希望完成的任务。

在实际应用中，任务型对话过程经常出现对话失败的情形，无法满足用户的需求，原因可能有多种，例如语音识别错误导致召回失败、意图槽位解析失败导致召回失败，等等。为应对召回失败后的反馈，一般的做法大致有：为智能设备人工配置兜底话术，比如“我还不理解”、“我还不知道”，以安抚用户的情绪；或者向用户推送时下热门的查询，引导用户再次表达。

但是，人工配置兜底话术其实是一种迫不得已的兜底方案，并没有解决无召回结果的问题；而向用户推荐热门查询，容易形成对用户的无意义打扰，浪费用户的时间。目前，智能设备在人机对话交互中的表现已不能满足日益多样的用户需求。

发明内容

有鉴于此，本申请提供一种对话引导模型的训练样本构建方法、生成对话引导模型的方法、对话引导模型、电子设备及可读存储介质。

第一方面，本申请提供一种对话引导模型的训练样本构建方法，包括：

获取符合条件的会话序列，符合条件的会话序列中的最后一次人机对话的查询请求具有召回结果；

在符合条件的会话序列中，确定第n次人机对话的查询请求，其中n 为正整数，第n次人机对话不是最后一次人机对话；

在符合条件的会话序列中，确定最后一次人机对话的召回结果；

基于第n次人机对话的查询请求与最后一次人机对话的召回结果，构建对话引导模型的训练样本。

利用本申请上述实施例，可以以用户与智能设备之间的会话数据为数据来源，从中选取具有召回结果的会话序列，在会话序列中再选取用户需求得到满足的最后一次对话的数据作为部分样本数据，另外还选取之前的对话(称为第n次人机对话)的查询请求Query为部分样本数据，进而构建训练样本，无需人工标注，由于最后一次对话的召回结果为用户满意的召回结果的概率较高，使得训练样本的指向性较强，训练样本的质量较高，有助于模型将Query引导向潜在的正确形式，可见，利用本申请实施例能够以较低成本获得高质量、高价值的训练样本。

根据本申请实施例的方法，方法包括：将最后一次人机对话的召回结果作为训练样本的目标：其中，最后一次人机对话的查询请求具有明确的意图和/或槽位。

利用本申请上述实施例，最后一次对话的Query具有成功解析出明确的意图和/或槽位，能够进一步提高训练样本的质量。

根据本申请实施例的方法，最后一次人机对话之前的多次人机对话的查询请求不具有召回结果；或者，最后一次人机对话之前的每一次人机对话的查询请求均不具有召回结果。