机器人对话回复方法及装置.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CN110083693A(43)申请公布日2019.08.02(21)申请号201910349985.1(22)申请日2019.04.28(71)申请人腾讯科技（深圳）有限公司地址518044广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人赵小文黄研洲易振威彭学政(74)专利代理机构北京同达信恒知识产权代理有限公司11291代理人郭润湘李娟(51)Int.Cl.G06F16/332(2019.01)B25J11/00(2006.01)权利要求书3页说明书19页附图7页(54)发明名称机器人对话回复方法及装置(57)摘要本发明公开了一种机器人对话回复方法及装置，属于计算机技术领域，用于提升机器人回复的准确性。该方法包括：获取针对用户的输入内容的M个候选回复项，M为正整数；获得每一个所述候选回复项与回复依据项集合之间的关联概率，其中，所述回复依据项集合包括对话机器人的角色特征的描述语句项以及至少一轮所述用户与所述对话机器人的历史对话；将所述关联概率的值最大的候选回复项确定为所述对话机器人对于所述输入内容的回复。CN110083693ACN110083693A权利要求书1/3页1.一种机器人对话回复方法，其特征在于，所述方法包括：获取针对用户的输入内容的M个候选回复项，M为正整数；获得每一个所述候选回复项与回复依据项集合之间的关联概率，其中，所述回复依据项集合包括对话机器人的角色特征的描述语句项以及至少一轮所述用户与所述对话机器人的历史对话；将所述关联概率的值最大的候选回复项确定为所述对话机器人对于所述输入内容的回复。2.如权利要求1所述的方法，其特征在于，所述获得每一个所述候选回复项与回复依据项集合之间的关联概率，包括：利用预先训练的关联概率确定模型获得每一个所述候选回复项与回复依据项集合之间的关联概率；所述关联概率确定模型是采用标注了候选回复项与回复依据项集合之间的目标概率的多个训练样本进行训练得到的。3.如权利要求2所述的方法，其特征在于，所述训练样本包括正样本和负样本，所述正样本的候选回复项是从多个候选回复项中选中的最佳回复，且与回复依据项集合之间的目标概率为100％，所述负样本为多个候选回复项中除最佳回复之外的候选回复项，且与回复依据项集合之间的目标概率为0；其中，所述关联概率确定模型在训练过程中针对各训练样本输出的关联概率与各训练样本中标注的目标概率之间满足设定要求。4.如权利要求1所述的方法，其特征在于，至少一轮所述用户与所述对话机器人的历史对话仅包括所述用户在至少一轮历史对话中的输入内容。5.如权利要求1所述的方法，其特征在于，所述利用预先训练的关联概率确定模型获得每一个所述候选回复项与回复依据项集合之间的关联概率，包括：针对一个所述候选回复项，基于所述候选回复项的表示矩阵集合，以及所述回复依据项集合中每一个回复依据项的表示矩阵集合，获得关联度特征子向量集合，所述关联度特征子向量集合中的一个关联度特征子向量表征所述候选回复项与一个所述回复依据项之间的相关性；基于每一个关联度特征子向量所对应的回复依据项在回复依据项集合中的顺序，将各关联度特征子向量进行特征融合以得到关联度特征总向量，所述关联度特征总向量用于表征所述候选回复项与所述回复依据项集合之间的相关性；分别基于所述候选回复项与每一个回复依据项的关联度特征总向量，确定所述候选回复项与每一个回复依据项之间的关联概率。6.如权利要求5所述的方法，其特征在于，在所述基于所述候选回复项的表示矩阵集合，以及所述回复依据项集合中每一个回复依据项的表示矩阵集合，获得关联度特征向量集合之前，所述方法还包括：对所述候选回复项进行拆分得到至少一个分词；通过每一个分词的词向量按照各分词在所述候选回复项中的顺序进行组合得到所述候选回复项的词向量表示矩阵；利用至少一种语义特征分析方法对所述词向量表示矩阵进行语义分析，分别得到所述候选回复项的至少一种语义表示矩阵，各语义表示矩阵均包含了所述至少一个分词之间的2CN110083693A权利要求书2/3页语义上下文信息；并，基于所述词向量表示矩阵，以及至少一种语义表示矩阵组成所述表示矩阵集合。7.如权利要求6所述的方法，其特征在于，所述基于所述候选回复项的表示矩阵集合，以及所述回复依据项集合中每一个回复依据项的表示矩阵集合，获得关联度特征子向量集合，包括：将所述候选回复项的表示矩阵集合中各表示矩阵，与每一个回复依据项的表示矩阵集合中各表示矩阵进行交叉匹配，得到所述候选回复项的与每一个回复依据项的多个关联度特征子矩阵；其中，关联度特征子矩阵中的每一个元素表示所述候选回复项的一个分词与一个回复依据项的一个分词之间的相关性；针对每一个回复依据项，对所述候选回复项与所述