[发明专利]对话生成方法、装置、电子设备及介质

权利要求书

1.一种对话生成方法，包括：

获取问题信息；

将所述问题信息输入至小样本学习模型之中以生成第一特征，其中，所述第一特征包括问题特征和支撑集特征，所述将所述问题信息输入至小样本学习模型之中以生成第一特征，包括：所述小样本学习模型对所述问题信息进行特征提取以生成所述问题特征；以及所述小样本学习模型根据所述问题特征获取所述问题信息对应的支撑集，并获取所述问题信息对应的支撑集的支撑集特征；

将所述问题信息输入至深度学习模型之中以生成第二特征；

将所述第一特征和所述第二特征进行组合以生成特征序列；以及

将所述特征序列输入至融合模型以生成所述问题信息对应的对话信息。

2.如权利要求1所述的对话生成方法，其中，所述小样本学习模型根据所述问题特征获取所述问题信息对应的支撑集，包括：

所述小样本学习模型获取多个候选支撑集，并获取每个所述候选支撑集的意图特征；

所述小样本学习模型根据所述问题特征和每个所述候选支撑集的意图特征生成所述问题特征相对于所述多个候选支撑集的直接得分；以及

根据所述问题特征相对于所述多个候选支撑集的直接得分从所述多个候选支撑集之中选择所述问题信息对应的支撑集。

3.如权利要求2所述的对话生成方法，其中，还包括：

根据所述每个候选支撑集的意图特征生成所述多个候选支撑集之间的上下文特征；以及

根据所述问题特征、所述每个候选支撑集的意图特征和所述上下文特征生成对比得分，其中，根据所述直接得分和所述对比得分从所述多个候选支撑集之中选择所述问题信息对应的支撑集。

4.如权利要求2所述的对话生成方法，其中，所述候选支撑集包括多个问题，所述候选支撑集的意图特征通过如下步骤获得：

获取所述候选支撑集之中多个问题的问题特征；以及

根据所述多个问题的问题特征生成所述候选支撑集的意图特征。

5.如权利要求1所述的对话生成方法，其中，所述小样本学习模型、所述深度学习模型和所述融合模型进行联合训练得到。

6.如权利要求1所述的对话生成方法，其中，所述第二特征包括低阶特征和高阶特征，所述将所述问题信息输入至深度学习模型之中以生成第二特征，包括：

所述深度学习模型对所述问题信息进行特征提取以生成所述问题信息的特征信息；

所述深度学习模型对所述特征信息进行特征嵌入处理，生成所述问题信息的所述低阶特征；

所述深度学习模型对所述低阶特征进行特征融合，生成所述高阶特征。

7.如权利要求6所述的对话生成方法，其中，所述深度学习模型还接收所述问题信息的外部特征向量，所述外部特征向量通过预设的向量表示模型生成，所述深度学习模型对所述低阶特征进行特征融合，生成所述高阶特征，包括：

所述深度学习模型对所述低阶特征和所述外部特征向量进行特征融合，生成所述高阶特征。

8.如权利要求7所述的对话生成方法，其中，所述深度学习模型还接收所述问题信息的外部知识向量，所述外部知识向量为预设训练样本中与所述问题信息匹配的目标训练样本对应的向量表示，所述深度学习模型对所述低阶特征进行特征融合，生成所述高阶特征，包括：

对所述低阶特征、所述外部知识向量和所述外部特征向量进行特征融合，生成所述高阶特征。

9.如权利要求1所述的对话生成方法，其中，所述将所述第一特征和所述第二特征进行组合以生成特征序列，包括：

利用预设的多个融合算子对所述第一特征和所述第二特征进行组合，生成所述特征序列，所述融合算子包括拼接算子、内积算子和双线性特征交叉积。