[发明专利]情感对话生成方法、装置及情感对话模型训练方法、装置在审

专利信息
申请号: 202010733061.4 申请日: 2020-07-27
公开(公告)号: CN111897933A 公开(公告)日: 2020-11-06
发明(设计)人: 梁云龙;孟凡东;周杰;徐金安;陈钰枫 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F40/126;G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳市隆天联鼎知识产权代理有限公司 44232 代理人: 叶虹
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 情感 对话 生成 方法 装置 模型 训练
【说明书】:

本公开提供了一种情感对话生成方法、装置及情感对话模型训练方法、装置,涉及人工智能领域。方法包括:获取与对话参与方相关的多源知识;对多源知识进行编码以获取多源知识特征信息,并根据多源知识特征信息确定与当前对话参与方对应的回复情绪预测信息;对历史回复信息对应的特征信息及多源知识特征信息进行编码,以获取待回复特征信息;根据与回复情绪预测信息对应的情绪特征和待回复特征信息确定目标回复语句。本公开能够根据与多源知识精准预测与当前对话参与方对应的情绪信息,并将该情绪信息引入生成的回复中,提高了回复的精准度,进一步提升了用户体验。

技术领域

本公开涉及人工智能技术领域,具体而言,涉及一种情感对话生成方法、情感对话生成装置、情感对话模型的训练方法、情感对话模型的训练装置、计算机可读存储介质及电子设备。

背景技术

随着人工智能的迅速发展,人机对话逐渐受到学术界和工业界的广泛关注。人机对话是计算机的一种工作方式,即计算机操作员或用户与计算机之间,以对话方式进行工作,包括语音对话和书面对话两方面。

随着各种智能语音设备、智能语音软件的更新换代,语音对话成为一个主要研究方向。为了提高语音对话的质量,机器与人进行具有情感的语音对话是很有意义的,目前的情感对话系统都是基于受限的场景,例如机器表达给定的情绪,或者只从用户的语音文本中感知情绪并回复生成相应的内容,但是由于无法从部分文本内容中准确感知情绪,因此机器无法做出与场景密切相关的回复,导致用户体验度较差。

需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的实施例提供了一种情感对话生成方法、情感对话生成装置、情感对话模型的训练方法、情感对话模型的训练装置、计算机可读存储介质及电子设备,进而至少在一定程度上可以提高情感预测以及回复预测的准确率,进一步提高用户体验。

本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面,提供了一种情感对话生成方法,包括:获取与对话参与方相关的多源知识;对所述多源知识进行编码以获取多源知识特征信息,并根据所述多源知识特征信息确定与当前对话参与方对应的回复情绪预测信息;对历史回复信息对应的特征信息及所述多源知识特征信息进行编码,以获取待回复特征信息;根据与所述回复情绪预测信息对应的情绪特征和所述待回复特征信息确定目标回复语句。

根据本公开实施例的一个方面,提供了一种情感对话生成装置,包括:多源知识获取模块,用于获取与对话参与方相关的多源知识;回复情绪预测模块,用于对所述多源知识进行编码以获取多源知识特征信息,并根据所述多源知识特征信息确定与当前对话参与方对应的回复情绪预测信息;待回复特征确定模块,用于对历史回复信息对应的特征信息及所述多源知识特征信息进行编码,以获取待回复特征信息;回复语句生成模块,用于根据与所述回复情绪预测信息对应的情绪特征和所述待回复特征信息确定目标回复语句。

在本公开的一些实施例中,基于前述方案,所述回复情绪预测模块包括:特征提取单元,用于对所述多源知识中的各类知识进行特征提取,以获取多个子特征信息;特征拼接单元,用于将各所述子特征信息进行拼接,以获取第一拼接特征信息;全连接单元,用于对所述第一拼接特征信息进行全连接处理,以获取所述多源知识特征信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010733061.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top