[发明专利]直接从对话历史和资源中生成自动化助理响应和/或动作

权利要求书

1.一种由一个或多个处理器实现的方法，所述方法包括：

在用户与自动化助理之间的对话会话期间，使用自动话音识别组件从用户的口头话语生成所识别的文本，所述口头话语在由客户端设备的一个或多个麦克风检测到的音频数据中被捕获；

将所述口头话语添加到所述对话会话的对话历史；

基于使用转换器编码器处理所识别的文本以及所述对话会话的所述对话历史的任何其他文本，生成编码的对话表示；

识别多个离散资源；

基于处理所述多个离散资源来生成编码的资源表示；以及

生成响应于所述口头话语的自然语言响应和/或动作，生成所述自然语言响应和/或所述动作包括：

使用处理所述编码的对话表示和所述编码的资源表示二者的转换器解码器，逐个令牌地生成所述自然语言响应和/或所述动作；以及

作为所述自动化助理对所述口头话语的响应，使得所述自然语言响应在所述客户端设备处渲染和/或执行所述动作。

2.根据权利要求1所述的方法，其中，生成所述编码的资源表示包括：

基于所述编码的对话表示，确定所述多个离散资源中的每个离散资源的对应概率；以及

根据所述多个离散资源的对应初始表示以及所述对应概率，生成所述编码的资源表示。

3.根据权利要求2所述的方法，其中，基于所述编码的对话表示来确定所述多个离散资源中的每个离散资源的所述对应概率包括在确定所述对应概率时使用稀疏关注机制。

4.根据权利要求3所述的方法，其中，使用所述稀疏关注机制来确定所述多个离散资源中的每个离散资源的对应概率包括：

使用所述稀疏关注机制来处理所述编码的对话表示的平均值。

5.根据权利要求2所述的方法，其中，根据所述多个离散资源的对应初始表示和所述对应概率来生成所述编码的资源表示包括：

将所述初始表示乘以它们的对应概率。

6.根据权利要求2所述的方法，其中，所述对应初始表示中的每个均是基于所述多个离散资源中的对应离散资源的对应词嵌入的。

7.根据权利要求1所述的方法，其中，所述多个离散资源中的每个均是来自知识图的对应三元组。

8.根据权利要求1所述的方法，其中，所述对话会话的所述对话历史进一步包括所述对话会话中的一个或多个先前自动化助理响应和/或来自所述对话会话中的先前用户话语的所识别的文本的一个或多个先前实例。

9.根据权利要求1所述的方法，其中，基于处理所述多个离散资源来生成所述编码的资源表示包括：使用所述转换器编码器连同所识别的文本和所述对话历史的所述任何其他文本来处理所述多个离散资源。

10.根据权利要求1所述的方法，其中，识别所述多个离散资源包括：

基于所识别的文本发布搜索；以及

基于所述多个离散资源响应于所发布的搜索来识别该多个离散资源。

11.根据权利要求1所述的方法，其中，使用处理所述编码的对话表示和所述编码的资源表示二者的所述转换器解码器，逐个令牌地生成所述自然语言响应和/或所述动作包括：

在使用所述转换器解码器处理的多个迭代中的每个迭代，生成令牌词汇表上的概率分布；

从所述令牌词汇表中基于该迭代的所述概率分布，选择对应令牌以用于该迭代；以及

将所选择的令牌用作所述自然语言响应和/或所述动作的一部分，并且在处理的所述多个迭代中的后续迭代，用作所述转换器解码器的输入的一部分。

12.根据权利要求11所述的方法，进一步包括：通过改变所述令牌词汇表中的还包括在所述对话历史和/或所述多个离散资源中的一个或多个令牌的令牌概率来改变所述概率分布。