[发明专利]一种基于满意度的用户模拟方法及系统

说明书

本公开提供了一种基于满意度的用户模拟方法及系统，包括：预先设定用户需求采样空间，从所述采样空间中随机采样出用户需求信息；获取对话历史数据，并与所述用户需求信息进行拼接；基于seq2seq模型中的编码器对拼接后的数据进行编码，获得对话文本的向量表示；基于获得的对话文本的向量表示以及预先训练的seq2seq模型中的解码器，分别生成系统行为、用户满意度以及用户行为的文本表示；其中，所述解码器自回归生成字符序列，并基于预先设定的行为树，将每个字符映射为对应的标签；基于所述对话文本向量表示、用户行为的问题本表示以及预先训练的seq2seq模型中的解码器，获得用户回复文本。

技术领域

本公开属于用户对话模拟技术领域，尤其涉及一种基于满意度的用户模拟方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

任务导向性对话系统有着广泛的应用，如智能语音助手，智能客服等等。在对话系统在真实场景下，需要应对各种各样的用户需求，这使得现有对话系统大都存在以下问题：

1)使用静态的训练数据很难训练出鲁棒性高的对话系统；

2)使用静态的测试数据很难评估系统在真实场景下的表现。

为了解决上述问题，研究人员通过采用一些用户模拟软件向对话系统进行模拟交互，实现对话系统的辅助训练，但是，发明人发现，现有的用户模拟软件仅仅是去模拟用户向对话系统提出一系列需求，其并未考虑实际用户与对话系统交流过程中，对话系统的回复对用户接下来行为所产生的影响，导致基于用户模拟软件进行辅助训练后的对话系统仍然十分机械，无法满足现实场景下的需求。

发明内容

本公开为了解决上述问题，提供了一种基于满意度的用户模拟方法及系统，所述方案根据任务导向性对话系统回复情况计算用户满意度，并将其引入用户行为预测中，使用户模拟回复更加贴近实际情况，模拟实际用户的真实度更强；同时，通过获得的用户满意度能够对任务导向性对话系统进行有效评估。

根据本公开实施例的第一个方面，提供了一种基于满意度的用户模拟方法，包括：

预先设定用户需求采样空间，从所述采样空间中随机采样出用户需求信息；

获取对话历史数据，并与所述用户需求信息进行拼接；基于seq2seq模型中的编码器对拼接后的数据进行编码，获得对话文本的向量表示；

基于获得的对话文本的向量表示以及预先训练的seq2seq模型中的解码器，分别生成系统行为、用户满意度以及用户行为的文本表示；其中，所述解码器自回归生成字符序列，并基于预先设定的行为树，将每个字符映射为对应的标签；

基于所述对话文本向量表示、用户行为的问题本表示以及预先训练的seq2seq模型中的解码器，获得用户回复文本。

进一步的，所述seq2seq模型采用Transformer模型，所述Transformer模型包括编码器和解码器。

进一步的，所述分别生成表示系统行为、用户满意度以及用户行为的文本表示，具体为：通过预先标注有系统回复满意度的数据集对所述解码器进行训练，利用训练好的解码器依次对系统行为、用户满意度以及用户行为进行预测，获得其字符串表示，并将字符串中的字符根据预先设定的行为树映射为对应的标签。

进一步的，所述解码器中的自回归解码过程采用受限解码方式，具体为：

对于每个要预测的标签构建一个行为树，并限制解码器的输出为所述行为树的路径，若不满足行为树的路径，则剪枝掉；其中，所述行为树的每条路径对应一种用户行为，所述用户行为对应于要预测的标签。

进一步的，在对所述标签的数据进行排序时，采用Beam Search方法，并且在搜索过程中基于当前节点预测分数剪枝掉低于预设阈值分数的节点。