[发明专利]一种基于记忆网络的对话策略状态跟踪方法及系统

权利要求书

1.一种基于记忆网络的对话策略状态跟踪方法，其特征在于，所述跟踪方法包括：网络模型包括多个记忆数组；

获取原始对话语言文本；

将所述原始对话语言文本预处理，获得神经网络里内在的词向量；

将所述词向量存储在所述记忆数组的下一个位置；

根据所述词向量在所有记忆数组中选择出最相关的k个记忆单元；

获取所述原始对话语言文本和所述最相关的k个记忆单元，获得相关记忆参数；

使用评分函数计算候选词与所述相关记忆参数的相关性，获得计算得分；

获取所述计算得分中最相关的语言文本。

2.根据权利要求1所述的一种基于记忆网络的对话策略状态跟踪方法，其特征在于，所述将所述原始对话语言文本预处理，获得神经网络里内在的词向量具体包括：

采用文本输入解析、共参考和实体解析进行标准化预处理；

将所述原始文本x转化为内部词向量I(x)。

3.根据权利要求1所述的一种基于记忆网络的对话策略状态跟踪方法，其特征在于，所述将所述词向量存储在所述记忆数组的下一个位置具体包括：直接写入新的记忆，对原有的记忆不做更新；

m_N＝x；

N＝N+1；

其中x为原始文本，I(x)为经过转换后的内部词向量，m为记忆数组，i，N为第几条数据。

4.根据权利要求1所述的一种基于记忆网络的对话策略状态跟踪方法，其特征在于，所述使用评分函数计算候选词与所述相关记忆参数，获得计算得分具体包括：

根据所述原始文本x和选出的最相关的k个记忆单元m_oi，获取相关记忆参数为[x,m_o1,m_o2]；

使用评分函数计算所有候选词与所述相关记忆参数的相关性；

获取最相关的结果r＝argmax_ωεWS_R([x,m_o1,m_o2],ω)；

其中ω为候选词，W为字典中所有候选词集合，S_R是计算得分的函数；

评分函数S_O和S_R具有相同的形式，满足以下条件：

s(x,y)＝Φ_x(x)^TU^TUΦ_y(y)

U是n×D矩阵，其中n是维数，D是特征的个数，Φ_x和Φ_y的作用是从原始文本映射到D维特征空间。

5.一种基于记忆网络的对话策状态跟踪系统，其特征在于，所述跟踪系统具体包括：

信息输入模块，用于获取原始对话语言文本；将所述原始对话语言文本预处理，获得神经网络里内在的词向量；

归纳总结模块，用于将所述词向量存储在所述记忆数组的下一个位置；

记忆数组单元，用于根据所述词向量在所有记忆数组中选择出最相关的k个记忆单元；获取所述原始对话语言文本和所述最相关的k个记忆单元，获得相关记忆参数；

输出模块，用于使用评分函数计算候选词与所述相关记忆参数的相关性，获得计算得分；

评价结果输出模块，用于获取所述计算得分中最相关的语言文本。