[发明专利]用于在对话中提供答复语句的方法及装置

说明书

本公开提供了用于在对话中提供答复语句的方法及装置，在该方法中，获取包括用户的当前对话语句和上下文对话语句的查询语句，以及从对话日志中搜索出的回答语料，并对查询语句和回答语料分别进行向量化处理以得到查询语句向量矩阵和回答语料向量矩阵，将查询语句向量和回答语料向量提供给机器阅读理解模型，以从回答语料中确定当前对话语句的答复语句的起始词语位置和结束词语位置，基于所确定的起始词语位置和结束词语位置，从回答语料中获取答复语句。

技术领域

本公开涉及机器学习技术领域，具体地，涉及用于在对话中提供答复语句的方法及装置。

背景技术

随着机器学习技术的不断发展，智能对话系统已被广泛应用。通过智能对话系统可以实现人机对话，用户向智能对话系统提问，智能对话系统回答用户的问题。

目前的智能对话系统中会预先建立用于提供答案的知识库以及以“问题-答案”对的形式存储的知识库索引。智能对话系统在接收到用户的问题后，从知识库索引中匹配问题，并将匹配的问题所对应的答案输出给用户。

发明内容

鉴于上述，本公开提供了一种用于在对话中提供答复语句的方法及装置。在该方法中，获取包括用户的当前对话语句和上下文对话语句的查询语句，以及从对话日志中搜索出的回答语料，并对查询语句和回答语料分别进行向量化处理以得到查询语句向量矩阵和回答语料向量矩阵，将查询语句向量和回答语料向量提供给机器阅读理解模型，以从回答语料中确定当前对话语句的答复语句的起始词语位置和结束词语位置，基于所确定的起始词语位置和结束词语位置，从回答语料中获取答复语句。将当前对话语句与上下文对话语句结合进行机器阅读理解可以更准确地理解当前对话语句的意思，进而可以更准确地为用户提供当前对话语句的答复语句，提升用户体验。

根据本公开的一个方面，提供了一种用于在对话中提供答复语句的方法，包括：获取用户的当前对话语句以及上下文对话语句，以作为查询语句；从对话日志中搜索与所述查询语句匹配的至少一条对话记录，以作为回答语料，每条对话记录包括该次对话的完整对话内容；对所述查询语句和所述回答语料分别进行向量化处理，以得到查询语句向量矩阵和回答语料向量矩阵，其中，所述查询语句向量矩阵和所述回答语料向量矩阵中的各个词语所对应的向量至少包括该词语的词向量和上下文向量；将所述查询语句向量矩阵和所述回答语料向量矩阵提供给机器阅读理解模型，以从所述回答语料中确定所述当前对话语句的答复语句的起始词语位置和结束词语位置；基于所确定的起始词语位置和结束词语位置，从所述回答语料中获取所述答复语句；以及将所获取的答复语句提供给所述用户。

可选地，在上述方面的一个示例中，所述上下文对话语句包括设定轮对话所涉及的上下文语句。

可选地，在上述方面的一个示例中，所述当前对话语句以及所述上下文对话语句是经过无用信息去除后的对话语句，和/或所述回答语料是经过无用信息去除后的回答语料。

可选地，在上述方面的一个示例中，获取用户的当前对话语句以及上下文对话语句，以作为查询语句包括：获取用户的当前对话语句以及上下文对话语句；以及基于对话语句的时间发生顺序，对所获取的当前对话语句以及上下文对话语句进行拼接，以生成所述查询语句。

可选地，在上述方面的一个示例中，各个词语所对应的向量包括经过拼接后的该词语的词向量和上下文向量。

可选地，在上述方面的一个示例中，所述回答语料包括经过拼接的至少一条对话记录。

可选地，在上述方面的一个示例中，所述查询语句向量矩阵和所述回答语料向量矩阵中的每个词语的词向量是通过查询词向量表而获得的。

可选地，在上述方面的一个示例中，所述词向量表是使用下述向量化模型中的一种向量化模型得到的：Word2vec模型；cw2vec模型；GloVe模型；以及Fasttext模型。