对话数据生成方法及装置、设备和介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114118101A(43)申请公布日2022.03.01(21)申请号202111419074.5(22)申请日2021.11.26(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人田昕何东峰黄炼楷林英展黄世维(74)专利代理机构北京市汉坤律师事务所11602代理人姜浩然吴丽丽(51)Int.Cl.G06F40/35(2020.01)G06N3/08(2006.01)权利要求书3页说明书9页附图4页(54)发明名称对话数据生成方法及装置、设备和介质(57)摘要本公开提供了一种对话数据生成方法及装置、设备和介质，涉及人工智能领域，尤其涉及自然语言处理和深度学习技术领域。实现方案为：获取目标对话数据模板，所述目标对话数据模板包括一个或多个目标单轮对话数据模板，并且每个目标单轮对话数据模板包括一个或多个关键词槽位以及每个关键词槽位的相关信息，每个关键词槽位的相关信息包括位置信息和属性信息；针对每个关键词槽位，至少基于该关键词槽位的属性信息，从关键词数据集中确定与该关键词槽位匹配的一个或多个目标关键词；以及针对每个目标单轮对话数据模板，基于所述一个或多个关键词槽位的位置信息，将所述一个或多个目标关键词相应填充到该目标单轮对话数据模板中，以得到目标对话数据。CN114118101ACN114118101A权利要求书1/3页1.一种对话数据生成方法，包括：获取目标对话数据模板，所述目标对话数据模板包括一个或多个目标单轮对话数据模板，并且每个目标单轮对话数据模板包括一个或多个关键词槽位以及每个关键词槽位的相关信息，每个关键词槽位的相关信息包括位置信息和属性信息；针对所述一个或多个关键词槽位中的每个关键词槽位，至少基于该关键词槽位的属性信息，从关键词数据集中确定与该关键词槽位匹配的一个或多个目标关键词，所述关键词数据集包括多个关键词以及每个关键词的属性信息；以及针对所述目标对话数据模板的所述每个目标单轮对话数据模板，基于所述一个或多个关键词槽位的位置信息，将所述一个或多个目标关键词相应填充到该目标单轮对话数据模板中，以得到目标对话数据。2.根据权利要求1所述的方法，其中，所述获取目标对话数据模板包括：获取历史对话数据，其中，所述历史对话数据包括一个或多个历史单轮对话数据，并且每个历史单轮对话数据包括至少一个关键词；以及基于每个历史单轮对话数据所包括的至少一个关键词，确定相应的一个或多个关键词槽位以及每个关键词槽位的相关信息，以得到该历史单轮对数数据相应的目标单轮对话数据模板。3.根据权利要求2所述的方法，其中，每个历史单轮对话数据还包括相应的意图信息，并且其中，所述获取目标对话数据模板还包括：将每个历史单轮对话数据的意图信息确定为相应的目标单轮对话数据模板的意图信息。4.根据权利要求1所述的方法，所述目标对话数据模板包括多个单轮对话数据模板，并且其中，所述获取目标对话数据模板包括：基于对话动作标签，利用预设规则对对话数据集进行采样，以得到包括多个目标对话动作标签的目标对话动作标签序列，所述对话数据集包括多个对话动作标签以及每个对话动作标签相应的至少一个单轮对话数据模板；基于所述目标对话动作标签序列中的每个目标对话动作标签，确定该目标对话动作标签相应的目标单轮对话数据模板；以及基于所述目标对话动作标签序列和相应的多个目标单轮对话数据模板，构建包括多个目标单轮对话数据模板的目标对话数据模板。5.根据权利要求4所述的方法，其中，所述基于对话动作标签，利用预设规则对所述对话数据集进行采样包括：针对目标对话动作标签序列中的每个目标对话动作标签，至少基于该目标对话动作标签的前序目标对话动作标签，确定多个对话动作标签各自相应的采样概率；以及基于所述多个对话动作标签相应的采样概率，对所述对话数据集进行采样，以得到该目标对话动作标签。6.根据权利要求4或5所述的方法，所述目标对话数据模板中的每个目标单轮对话数据模板还包括相应的意图信息，每个目标单轮对话数据模板相应的意图信息是基于该目标单轮对话数据模板相应的对话动作标签来确定的。2CN114118101A权利要求书2/3页7.根据权利要求1‑6中任一项所述的方法，所述每个关键词槽位的相关信息还包括该关键词槽位的表述信息，并且所述方法还包括：获取关键词槽位的表述信息集，所述表述信息集包括多个关键词槽位的表述信息和属性信息之间的映射关系，其中，所述将所述一个或多个目标关键词相应填充到该目标单轮对话数据模板中，以得到目标对话数据包括：基于该目标单轮对话数据模板所包括的每一个关键词槽位的属性信息，从所述关键词槽位的表述信息集中确定该关键词槽位的表述信息；以及基于所述一个或多个关键词槽位