智能对话方法、装置、存储介质及设备.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CN110209897A(43)申请公布日2019.09.06(21)申请号201810144881.2(22)申请日2018.02.12(71)申请人腾讯科技（深圳）有限公司地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层申请人中国科学院自动化研究所(72)发明人方全徐常胜(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人滕一斌(51)Int.Cl.G06F16/9032(2019.01)权利要求书3页说明书14页附图8页(54)发明名称智能对话方法、装置、存储介质及设备(57)摘要本发明公开了一种智能对话方法、装置、存储介质及设备，属于人工智能技术领域。所述方法包括：接收目标终端发送的对话内容；获取发起对话的目标用户的用户特征信息；获取与所述对话内容存在内容关联的上下文信息；根据所述用户特征信息以及所述上下文信息，检索与所述对话内容相匹配的目标回复内容；将所述目标回复内容发送给所述目标终端。本发明实现了基于用户发起的对话内容、与该对话内容相关联的上下文信息以及用户特征信息，来寻找与该对话内容相匹配的最佳回复，该种智能对话方式更加符合真实场景中不同用户之间以及同一用户多轮对话的聊天需求，使得人机对话聊天过程更加自然，显著地提升了人与机器之间的对话质量。CN110209897ACN110209897A权利要求书1/3页1.一种智能对话方法，其特征在于，所述方法包括：接收目标终端发送的对话内容；获取发起对话的目标用户的用户特征信息；获取与所述对话内容存在内容关联的上下文信息；根据所述用户特征信息以及所述上下文信息，检索与所述对话内容相匹配的目标回复内容；将所述目标回复内容发送给所述目标终端。2.根据权利要求1所述的方法，其特征在于，所述根据所述用户特征信息以及所述上下文信息，检索与所述对话内容相匹配的目标回复内容，包括：根据所述对话内容，在已存储的回复内容中筛选出候选回复内容；对于所述候选回复内容中包括的M项回复内容，将所述M项回复内容分别与所述对话内容、所述上下文信息以及所述用户特征信息进行组合，得到M个匹配项；获取所述M个匹配项的特征向量；根据所述M个匹配项的特征向量，获取所述M个匹配项对应的匹配分值；对M个匹配分值进行排序，基于得到的排序结果确定所述目标回复内容。3.根据权利要求2所述的方法，其特征在于，所述获取所述M个匹配项的特征向量，包括：对于所述M个匹配项中的每一个匹配项，获取所述对话内容的第一特征向量，以及获取所述匹配项中包含的回复内容的第二特征向量；获取所述上下文信息的第三特征向量，以及获取所述用户特征信息的第四特征向量；将所述第一特征向量、所述第二特征向量、所述第三特征向量以及所述第四特征向量进行拼接处理，将拼接得到的特征向量作为所述匹配项的特征向量。4.根据权利要求3所述的方法，其特征在于，所述对话内容中包括文本、视觉图像、表情符号中的至少一种，所述获取所述对话内容的第一特征向量，包括：当所述对话内容中包括所述视觉图像时，基于建立好的卷积神经网络提取所述视觉图像的K1维特征向量，将所述K1维特征向量作为所述第一特征向量；当所述对话内容中包括所述文本和/或所述表情符号时，对所述文本和/或所述表情符号进行词嵌入处理，将得到的词向量输入到长短期记忆网络LSTM模型中，得到N1维特征向量，将所述N1维特征向量作为所述第一特征向量；当所述对话内容中包括所述视觉图像，以及包括所述文本和所述表情符号中的至少一种时，将所述K1维特征向量和所述N1维特征向量进行拼接处理，得到所述第一特征向量。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：对所述K1维特征向量进行降维处理，得到N2维特征向量，将所述N2维特征向量作为所述第一特征向量；或，对拼接得到的特征向量进行降维处理，得到所述第一特征向量。6.根据权利要求3所述的方法，其特征在于，所述回复内容中包括文本、视觉图像、表情符号中的至少一种，所述获取所述匹配项中包含的回复内容的第二特征向量，包括：当所述回复内容中包括所述视觉图像时，基于建立好的卷积神经网络提取所述视觉图像的K2维特征向量，将所述K2维特征向量作为所述第二特征向量；2CN110209897A权利要求书2/3页当所述回复内容中包括所述文本和/或所述表情符号时，对所述文本和/或所述表情符号进行词嵌入处理，并将得到的词向量输入长短期记忆网络LSTM模型中，得到N4维特征向量，将所述N3维特征向量作为所述第二特征向量；当所述回复内容中包括所述视觉图像，以及包括所述文本和所述表情符号中的至少一种时，将所述K2维特征向量和所述N3维特征向量进行拼接处理，得到所述第二特征向量。7.根据权利要求3所述的方法，其