[发明专利]一种融合闲聊和常识的多技能任务型对话系统构建方法

权利要求书

1.一种融合闲聊和常识的多技能任务型对话系统构建方法，其特征在于：包括以下步骤：

S1、收集大规模开源的中文闲聊语料，将相邻对话作为闲聊语料对，并构建闲聊模型；

S2、收集大规模各领域的常识问答语料以及三元组数据，构建知识图谱，基于常识问答语料训练相似度打分模型；

S3、对原始问题进行处理得到候选实体集合，从知识图谱中获取相关两跳关系内所有出度和入度的关系，并得到最终候选实体；

S4、利用最终候选实体筛选出实体关系路径，并对实体关系路径进行优选得到最终路径，基于最终路径从知识图谱中查询常识答案，完成常识对话模型的构建；

S5、分析任务对话语料，抽象出固定的本体数据存入数据库中，在会话级别构建任务对话模型；

S6、利用常识推理和任务对话语料训练生成话题判别模型；

其中，S1中收集大规模开源的中文闲聊语料，将相邻对话作为闲聊语料对，并构建闲聊模型，包括：

收集大规模开源的中文闲聊语料，对中文闲聊语料进行噪声清洗和质量检查，剔除敏感主题样本，将相邻对话的上文作为问题query，下文作为回答Answer，并利用对话神经网络训练一个生成式的闲聊模型；

S2中收集大规模各领域的常识问答语料以及三元组数据，构建知识图谱，基于常识问答语料训练相似度打分模型，包括：

利用三元组数据扩展常识问答语料的多样性，同时对三元组数据进行清洗和预处理操作，存入neo4j数据库中构建知识图谱，基于常识问答语料训练SimCSE-RoBerta相似度打分模型。

2.根据权利要求1所述的融合闲聊和常识的多技能任务型对话系统构建方法，其特征在于：S4中利用最终候选实体筛选出实体关系路径，并对实体关系路径进行优选得到最终路径，基于最终路径从知识图谱中查询常识答案，包括：

将最终候选实体分别与对应两跳关系内所有出度和入度的关系拼接成完整句子，利用相似度打分模型分别计算原始问题与每个完整句子之间的相似度，并筛选出实体关系路径；

对每条实体关系路径与原始问题进行打分，选取得分最高的实体关系路径作为最终路径，基于最终路径从知识图谱中查询常识答案。

3.根据权利要求2所述的融合闲聊和常识的多技能任务型对话系统构建方法，其特征在于：所述将最终候选实体分别与对应两跳关系内所有出度和入度的关系拼接成完整句子，包括：

所有最终候选实体对应拼接成的完整句子有：

其中，代表入度中所有关系及第i个最终候选实体组成的句子，I_i为第i个输入的最终候选实体，R_r1为两跳关系内的入度关系，T_r1为两跳关系内的入度实体，代表出度中所有关系及第i个最终候选实体组成的句子，R_r2为两跳关系内的出度关系，T_r2为两跳关系内的出度实体，M为最终候选实体的个数，R表示关系总数，E表示实体总数，i表示最终候选标识，r1表示入度关系数，e1表示入度实体数，r2表示出度关系数，e2表示出度实体数。

4.根据权利要求2所述的融合闲聊和常识的多技能任务型对话系统构建方法，其特征在于：所述利用相似度打分模型分别计算原始问题与每个完整句子之间的相似度，并筛选出实体关系路径，包括：

让原始问题和完整句子分别经过相似度打分模型，取最后一层N维特征向量相加，再拼接上最后一层N维特征向量差分形成的3*N向量，经过两层全连接层后输出，最后利用softmax函数进行打分，筛选出分数最高的预设个数的完整句子对应的实体关系路径。