[发明专利]一种基于知识图谱的对话管理方法及对话系统

说明书

一种基于知识图谱的对话管理方法及对话系统，对话管理方法包括以下步骤：步骤1，用户输入内容，进行自然语言理解，输出对话意图和实体词；步骤2，根据实体词，采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态，记为全局状态数组g；步骤3，将全局状态数组g进行层级压缩，采用另一个一维数组表示用户围绕该实体的对话意图，记为局部状态数组l；步骤4，使用局部状态数组l，通过Q‑learning进行训练得到Q表，选择Q值最大的动作作为最优动作，进行自然语言生成，向用户输出应答。用知识图谱来表示对话状态可以使得对话系统建模更复杂的对话任务，同时层级压缩的方法也解决了状态空间过大的问题。在相似的领域内，易于进行领域迁移。

技术领域

本发明属于人机对话技术领域，更具体地，涉及一种基于知识图谱的对话管理方法及对话系统。

背景技术

随着技术的发展，现有的人机对话系统如智能客服、智能个人助理等得到了广泛的应用。人机对话系统中最核心的部分就是对话管理模块，它决定了对话系统的对话策略及交互内容。

现有技术中，人机对话系统常常根据其有无任务目标分成闲聊型人机对话系统(比如微软小冰)和任务型人机对话系统(比如淘宝的小蜜、95588机器人客服)。本文提出的方法属于任务型人机对话系统的范畴。传统上，任务型人机对话系统常采用管道式的构建方法，一般分为三个模块：自然语言理解、对话管理和自然语言生成，如图1、2所示。

自然语言理解(Natural Language Understanding，NLU)模块，主要作用是对用户输入的句子进行理解，提取用户的对话意图以及与对话任务相关的信息，通常用语义槽表示，例如预定机票任务，包括语义槽“出发地”“目的地”“出发时间”“航班号”“乘机人”等信息。

对话管理(Dialogue Management，DM)模块，主要作用是根据NLU得到的结果，结合对话历史信息，自动更新对话系统的内部状态，以此为基础选取系统下一步要进行的对话动作，例如“询问用户出发时间”“与用户确认目的地”等。

自然语言生成(Natural Language Generation，NLG)模块，主要作用是根据对话管理选择的对话动作，生成相应的自然语言回答，例如“请问您计划什么时候出发？”“请问您的目的地是北京吗？”。

传统的对话管理模块通常采用基于槽填充(Slot-Filling)的方法，将对话过程中需要表示为通过和用户的多轮交互不断获取槽值信息的过程。然而，上述基于槽填充的对话管理方法存在如下问题：

(1)在对话过程中槽的个数固定不变，槽和槽之间相对独立，使得对话系统难以处理复杂的对话任务。

(2)基于槽填充的任务型对话系统由于无法很好地处理状态动作空间过大的问题，所以可以设置的槽值数量有限，引入的领域知识信息不够丰富。

(3)由于槽的设置是针对各垂直领域的，所以进行领域迁移设计的改动将会非常复杂，成本很高。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于知识图谱的对话管理方法及对话系统。

本发明采用如下的技术方案。一种基于知识图谱的对话管理方法，包括以下步骤：

步骤1，用户输入内容，进行自然语言理解，输出对话意图和实体词；

步骤2，根据步骤1获得的实体词，如果其是知识图谱中的一个实体，则记该实体被提及，采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态，记为全局状态数组g；

步骤3，将步骤2生成的全局状态数组g进行层级压缩，对于每个实体，采用另一个一维数组表示用户围绕该实体的对话意图，记为局部状态数组l；