[发明专利]对话文本生成方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种对话文本生成方法、装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取原始对话数据；对原始对话数据进行特征提取，得到目标对话数据；对目标对话数据进行编码处理，得到初始对话隐变量；根据预设的属性特征数据对初始对话隐变量进行重采样处理，得到标准对话隐变量；对标准对话隐变量进行解码处理，得到目标对话文本；对目标对话文本进行语义分析处理，得到标准对话文本。本申请实施例能够提高对话文本的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种对话文本生成方法、装置、电子设备及存储介质。

背景技术

随着人工智能技术的发展，对话机器人的使用率也逐渐提升，对话机器人能够根据用户输入的信息来识别用户语义，然后根据用户语义生成相应的回复。目前对话机器人主要是利用基于Encoder-decoder或者seq2seq形式的对话生成模型生成对话文本，这一方式往往会使得对话文本的回复语句比较单一，无法在不同的应用场景下使用，影响对话文本的准确性。因此，如何能够使得对话文本运用于不同的对话场景，提高对话文本的准确性，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种对话文本生成方法、装置、电子设备及存储介质，旨在提高对话文本的准确性。

为实现上述目的，本申请实施例的第一方面提出了一种对话文本生成方法，所述方法包括：

获取原始对话数据；

对所述原始对话数据进行特征提取，得到目标对话数据；

对所述目标对话数据进行编码处理，得到初始对话隐变量；

根据预设的属性特征数据对所述初始对话隐变量进行重采样处理，得到标准对话隐变量

对所述标准对话隐变量进行解码处理，得到目标对话文本；

对所述目标对话文本进行语义分析处理，得到标准对话文本。

在一些实施例，所述对所述原始对话数据进行特征提取，得到目标对话数据的步骤，包括：

提取所述原始对话数据中的实体对话特征；

通过预先训练的序列分类器对所述实体对话特征进行分类处理，得到对话参数特征；

对所述对话参数特征进行卷积处理，得到所述目标对话数据。

在一些实施例，所述对所述目标对话数据进行编码处理，得到初始对话隐变量的步骤，包括：

将所述目标对话数据映射到预设的向量空间，得到目标对话特征；

根据预设的编码顺序和编码维度，对所述目标对话特征进行编码处理，得到第一对话隐变量；

对所述第一对话隐变量进行下采样处理，得到所述初始对话隐变量。

在一些实施例，所述根据预设的属性特征数据对所述初始对话隐变量进行重采样处理，得到标准对话隐变量的步骤，包括：

对所述属性特征数据进行解析处理，生成目标高斯分布网络；

通过所述目标高斯分布网络对所述初始对话隐变量进行重采样处理，得到标准对话隐变量。

在一些实施例，所述对所述标准对话隐变量进行解码处理，得到目标对话文本的步骤，包括：

对所述标准对话隐变量进行解码处理，得到第二对话隐变量；

对所述第二对话隐变量进行上采样处理，得到目标对话隐变量；

通过预设函数对所述目标对话隐变量进行激活处理，得到所述目标对话文本。