[发明专利]基于上下文的对话生成方法及系统

说明书

本发明公开了基于上下文的对话生成方法及系统，包括：获取当前对话语句、当前对话的上文语句和当前对话的下文语句；将当前对话语句、当前对话的上文语句和当前对话的下文语句，输入到预先训练好的编解码器中，编解码器输出当前对话语句的预测对话语句。该方法能够起到承上启下的作用，将与当前对话相关的上下文信息结合起来生成更有效的信息，一方面可以使对话更加地流畅，保持对话的前后一致性、逻辑性；另一方面能够给神经网络提供更多的前提输入信息，研究表明丰富的输入信息有利于神经网络生成更有意义的回答。

技术领域

本申请涉及对话生成技术领域，特别是涉及基于上下文的对话生成方法及系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。

网络虚拟接触特有的低投入，高回报的特点，使得网上作业逐渐广泛。目前来看，网络对话、网络办公、网络购物、网上诊疗已然成为人们生活的一大部分。网络发展的大背景下，聊天机器人逐渐走向人们视野中心，这主要得益于聊天机器人遍布人们网络生活的各个角落：网上购物时，机器人可以取代客服推荐符合客户需求的商品；网上诊疗时，机器人可以根据病情描述向病人推荐主治医生；快节奏高强度的生活状态下，机器人可能成为用户不可或缺的排解心情的对话工具。此外，据有效数据显示，人类第一次使用消息应用的次数超过了他们使用社交网络的次数，这说明消息类应用是网上人群聚集的地方，不可否认，一个在现实生活中只言片语的人在网上也有自己的精神世界，人们将更多的情感储备在网络上，网络对话开始占据生活交流的一大部分。因此，无论从聊天机器人的应用背景还是发展前景来看，聊天机器人都有无限潜力。

具体来讲，聊天机器人是人们网络对话的学习者，与现实对话不同，网络对话缺失了物理世界的切实触碰，抛开面对面接触的仪式感，一方面通过语言文字营造出的特殊意境将带给人心理上的安全感，人们更愿意倾诉内心；另一方面，不受时间紧迫性的影响，人们有更大的时空理清自己的思路，促就更高质量的有效对话。因此聊天机器人不仅是简单地基于文字的服务，为了获得更好的用户体验，需要带给用户一种熟悉的感觉。

聊天机器人涉猎极广，近年来已经吸引人工智能学者的广泛关注。目前，chatbots在任务型对话中的方法臻于成熟，主要问题在于缺少有效注释的大型语料库。不同于任务型对话知识固定性的特点，闲聊型机器人被要求具备更广泛的知识以及更自然的信息整合处理能力，对话上下文信息显得愈来愈重要也直接影响用户的体验性。为了解决上述问题，一些学者主张在检索式对话中执行上下文与候选回答的相关性计算，比如Wu Yu等人提出一种新型的序列匹配模型(SWF)来识别上下文中的有效部分或者在生成式对话中研究上下文与当前对话的相关性，比如Tian Zhiliang等人则通过计算上下文与当前对话余弦相似度来利用上下文信息，实验表明这种显式的加权能够有效过滤无效信息保留有用信息。

发明内容

为了解决现有技术的不足，本申请提供了基于上下文的对话生成方法及系统；

第一方面，本申请提供了基于上下文的对话生成方法；

基于上下文的对话生成方法，包括：

获取当前对话语句、当前对话的上文语句和当前对话的下文语句；

将当前对话语句、当前对话的上文语句和当前对话的下文语句，输入到预先训练好的编解码器中，编解码器输出当前对话语句的预测对话语句。

第二方面，本申请提供了基于上下文的对话生成系统；

基于上下文的对话生成系统，包括：

获取模块，其被配置为：获取当前对话语句、当前对话的上文语句和当前对话的下文语句；

预测模块，其被配置为：将当前对话语句、当前对话的上文语句和当前对话的下文语句，输入到预先训练好的编解码器中，编解码器输出当前对话语句的预测对话语句。