[发明专利]基于对话的内容推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种基于对话的内容推荐方法，其特征在于，所述方法包括：

获取与目标用户之间的历史对话语句；

将所述历史对话语句，以及各个候选推荐内容输入至对话推荐模型，获得所述对话推荐模型输出的对话推荐预测结果；所述对话推荐模型的奖励函数的输入信息包括预测回复信息以及预测推荐结果；所述预测回复信息包括所述对话推荐模型在强化学习过程中产生的预测对话回复对应的信息；所述预测推荐结果指示所述对话推荐模型在强化学习过程中从所述各个候选推荐内容中预测出的目标推荐内容；

向所述目标用户展示所述对话推荐预测结果；所述对话推荐预测结果包括针对所述历史对话语句生成的对话回复，以及，针对所述历史对话语句从所述各个候选推荐内容中预测出的目标推荐内容中的至少一种。

2.根据权利要求1所述的方法，其特征在于，所述将所述历史对话语句，以及各个候选推荐内容输入至对话推荐模型，获得所述对话推荐模型输出的对话推荐预测结果，包括：

通过所述对话推荐模型中的回复生成组件对所述历史对话语句进行编码，得到对话历史编码信息；

通过所述对话推荐模型中的推荐组件对所述各个候选推荐内容进行编码，得到内容编码信息；

通过所述推荐组件对所述对话历史编码信息以及所述内容编码信息进行处理，得到所述各个候选推荐内容的推荐概率，并基于所述各个候选推荐内容的推荐概率以及所述内容编码信息获得所述各个候选推荐内容的集合表示；

通过所述对话推荐模型中的决策组件对所属于对话历史编码信息和所述集合表示进行处理，得到决策信息，所述决策信息用于指示输出推荐结果或者输出对话回复；

基于所述决策信息，输出所述对话推荐预测结果。

3.根据权利要求2所述的方法，其特征在于，所述通过所述推荐组件对所述对话历史编码信息以及所述内容编码信息进行处理，得到所述各个候选推荐内容的推荐概率，并基于所述各个候选推荐内容的推荐概率以及所述内容编码信息获得所述各个候选推荐内容的集合表示，包括：

通过所述推荐组件中的注意力机制层对所述对话历史编码信息以及所述内容编码信息进行处理，得到所述各个候选推荐内容的推荐概率，并基于所述各个候选推荐内容的推荐概率以及所述内容编码信息获得所述各个候选推荐内容的集合表示。

4.一种对话推荐模型训练方法，其特征在于，所述方法包括：

通过对话推荐模型与第一对话模型进行模拟对话，获得所述对话推荐模型的预测回复信息以及预测推荐结果；所述对话推荐模型用于在所述模拟对话过程中，基于各个候选推荐内容以及第一历史对话语句，产生第一预测对话回复以及所述预测推荐结果；所述第一对话模型用于在所述模拟对话过程中，基于第二历史对话语句产生第二预测对话回复；所述预测回复信息包括所述第一预测对话回复对应的信息；所述预测推荐结果指示所述对话推荐模型从所述各个候选推荐内容中预测出的目标推荐内容；

基于所述预测回复信息以及所述预测推荐结果获取奖励函数值；

基于所述奖励函数值对所述对话推荐模型进行参数更新。

5.根据权利要求4所述的方法，其特征在于，所述基于所述预测回复信息以及所述预测推荐结果获得奖励函数值，包括：

基于所述预测回复信息获取第一奖励值；

基于所述预测推荐结果获取第二奖励值；

所述基于所述奖励函数值对所述对话推荐模型进行参数更新，包括：

基于所述第一奖励值以及所述第二奖励值，对所述对话推荐模型进行参数更新。

6.根据权利要求5所述的方法，其特征在于，所述预测回复信息包括所述第一预测对话回复，以及所述第一历史对话语句；

所述基于所述预测回复信息获取第一奖励值，包括：

将所述第一历史对话语句输入第二对话模型，将所述第二对话模型基于所述第一历史对话语生成所述第一预测对话回复的概率添加入所述第一奖励值。