[发明专利]一种基于深度神经网络的自动聊天方法和机器人有效
申请号: | 201810249289.9 | 申请日: | 2018-03-23 |
公开(公告)号: | CN108388944B | 公开(公告)日: | 2019-10-18 |
发明(设计)人: | 于涌;陈云霁 | 申请(专利权)人: | 中国科学院计算技术研究所 |
主分类号: | G06N3/063 | 分类号: | G06N3/063;G06N3/04;G06F16/332 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 任岩 |
地址: | 100190 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本公开提供了一种基于深度神经网络的自动聊天方法,包括以下步骤:获取用户输入信息,并经深度神经网络编码器生成固定长度向量;所述固定长度向量输入多个attention子模型之后分别输出分数;以及对所述多个attention子模型输出的分数进行比较,选择最高分数所对应的attention子模型作为最终模型,生成与所述输入信息对应的答复信息。本公开还提供了一种基于深度神经网络的自动聊天机器人。本公开基于深度神经网络的自动聊天方法及机器人保证了聊天过程中答复信息的准确性,使得聊天内容更切合实际。 | ||
搜索关键词: | 神经网络 子模型 固定长度向量 答复信息 神经网络芯片 用户输入信息 聊天 聊天机器人 聊天过程 聊天内容 输入信息 最终模型 输出 编码器 机器人 切合 保证 | ||
【主权项】:
1.一种基于深度神经网络的自动聊天方法,包括以下步骤:获取用户输入信息,并经深度神经网络编码器生成固定长度向量;所述固定长度向量输入多个attention子模型之后分别输出分数;以及对所述多个attention子模型输出的分数进行比较,选择最高分数所对应的attention子模型作为最终模型,生成与所述输入信息对应的答复信息;其中,所述多个attention子模型分别采用不同类别语料训练而成;所述多个attention子模型并联连接,各所述attention子模型为包括一或多个神经网络层的深度神经网络;其中,所述多个attention子模型包括:第一attention子模型,其包括全连接层神经网络、softmax层神经网络及卷积层神经网络,采用日常生活类别语料进行训练;第二attention子模型,其包括卷积层、全连接层、池化层及batch norm层神经网络,采用时事新闻类别语料进行训练;第三attention子模型,其包括全连接层神经网络、池化层神经网络、softmax层神经网络及卷积层神经网络,采用心灵情感类别语料进行训练。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所,未经中国科学院计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810249289.9/,转载请声明来源钻瓜专利网。
- 上一篇:一种适用于神经网络的池化装置及方法
- 下一篇:AI决策的配置方法及装置