[发明专利]一种面向出行领域的车载多轮对话方法

摘要

本发明涉及一种面向出行领域的车载多轮对话方法，属于人工智能技术领域。该方法主要包括对话意图识别过程、置信状态跟踪过程以及对话策略生成过程。对话意图识别过程主要包括构建长短期记忆网络、完成意图识别网络结构设计、对学习模型进行训练与交叉验证等；置信状态跟踪过程主要包括对每个槽构建专用状态跟踪器、训练置信跟踪器，并设计数据库查询方法进行查询等。对话策略生成过程主要包括设计总体回报函数与Q网络，搭建深度增强学习模型，依据对话状态的全局置信概率分布与策略回报选择所有可能的并行对话路径等。本方法能够为用户提供快捷高效与人性化的用户体验，在面向出行领域的车载多轮对话领域具有重要的理论意义和应用价值。

主权项

1.一种面向出行领域的车载多轮对话方法，其特征在于：该方法基于深度学习，所述深度学习包括：基于长短期记忆网路的意图识别、与卷积神经网络绑定的循环神经网络置信状态跟踪、深度增强学习下的策略网络；该方法包括以下步骤：S1、获取出行领域下的多伦对话训练数据集，意图识别模型训练数据集与置信状态跟踪模型训练数据集，构建长短期记忆网络；S2、对于给定的意图识别模型训练数据集，在超参数选择约束下，对学习模型进行训练与交叉验证，最终生成模型用于识别用户意图，并将结果提交给用于对话管理的策略网络；S3、搭建与卷积神经网络绑定的循环神经网络进行置信状态跟踪任务，对每个槽构建专用状态跟踪器，利用卷积神经网络提取特征向量，通过循环神经网络计算对话置信状态；S4、通过数据驱动训练置信跟踪器，并设计数据库查询方法进行查询；S5、通过意图类别，置信状态和数据库真值向量构建对话状态，设计总体回报函数与Q网络，搭建深度增强学习模型；S6、通过调整Q网络对迭代的Bellman目标参数进行求解，利用出行领域的多轮对话数据集进行端到端的模型训练；S7、依据对话状态的全局置信概率分布与策略回报选择所有可能的并行对话路径，最终生成下一时刻对话动作。