任务对话系统中的对话处理方法及装置.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CN107273406A(43)申请公布日2017.10.20(21)申请号201710289869.6(22)申请日2017.04.27(71)申请人上海奔影网络科技有限公司地址100081北京市海淀区学院南路融科资讯A座701(72)发明人刘振国张晓庆张海雷胡一川汪冠春(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人张润(51)Int.Cl.G06F17/30(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图3页(54)发明名称任务对话系统中的对话处理方法及装置(57)摘要本发明公开了一种任务对话系统中的对话处理方法及装置，其中，该方法包括：获取本轮用户消息；获取上一轮对话中任务对话系统反馈的对话动作；根据本轮用户消息和上一轮对话中任务对话系统反馈的对话动作，生成本轮对话中任务对话系统反馈的对话动作；显示本轮对话中任务对话系统反馈的对话动作。本发明实施例提供的任务对话系统中的对话处理方法，结合上轮对话的对话动作生成本轮对话的对话动作，不需要针对不同领域的任务对话系统预先定义对话状态，使得该方法具有很强的跨领域迁移能力。CN107273406ACN107273406A权利要求书1/2页1.一种任务对话系统中的对话处理方法，其特征在于，包括以下步骤：获取本轮用户消息；获取上一轮对话中所述任务对话系统反馈的对话动作；根据所述本轮用户消息和上一轮对话中所述任务对话系统反馈的对话动作，生成本轮对话中所述任务对话系统反馈的对话动作；显示本轮对话中所述任务对话系统反馈的对话动作。2.如权利要求1所述的方法，其特征在于，所述根据所述本轮用户消息和上一轮对话中所述任务对话系统反馈的对话动作，生成本轮对话中所述任务对话系统反馈的对话动作，包括：根据上一轮对话中所述任务对话系统反馈的对话动作和所述本轮用户消息，抽取所述本轮对话中与任务相关的实体信息，并根据实体抽取结果生成对应的实体向量；对所述本轮用户消息进行文本向量处理，以生成所述本轮用户消息的文本向量；获取上一轮对话的隐向量；基于预先训练的深度神经网络模型，根据所述文本向量、所述实体向量、上一轮对话的隐向量、上一轮对话中所述任务对话系统反馈的对话动作的对话动作向量生成本轮对话中所述任务对话系统反馈的对话动作。3.如权利要求2所述的方法，其特征在于，所述深度神经网络模型是基于长短时记忆(LSTM)的循环神经网络预先建立的。4.如权利要求2所述的方法，其特征在于，所述根据上一轮对话中所述任务对话系统反馈的对话动作和所述本轮用户消息，抽取所述本轮对话的实体信息，包括：根据所述上一轮对话中所述任务对话系统反馈的对话动作和所述本轮用户消息确定用户的任务；判断所述本轮用户消息中是否存在与所述任务相关的实体要素的实体关键词；若存在，则从所述本轮用户消息中抽取所述本轮对话中与任务相关的实体信息。5.一种任务对话系统中的对话处理装置，其特征在于，包括：第一获取模块，用于获取本轮用户消息；第二获取模块，用于获取上一轮对话中所述任务对话系统反馈的对话动作；生成模块，用于根据所述本轮用户消息和上一轮对话中所述任务对话系统反馈的对话动作，生成本轮对话中所述任务对话系统反馈的对话动作；显示模块，用于显示本轮对话中所述任务对话系统反馈的对话动作。6.如权利要求5所述的装置，其特征在于，所述生成模块，包括：抽取单元，用于根据上一轮对话中所述任务对话系统反馈的对话动作和所述本轮用户消息，抽取所述本轮对话中与任务相关的实体信息，并根据实体抽取结果生成对应的实体向量；文本向量化单元，用于对所述本轮用户消息进行文本向量处理，以生成所述本轮用户消息的文本向量；获取单元，用于获取上一轮对话的隐向量；生成单元，用于基于预先训练的深度神经网络模型，根据所述文本向量、所述实体向量、上一轮对话的隐向量、上一轮对话中所述任务对话系统反馈的对话动作的对话动作向2CN107273406A权利要求书2/2页量生成本轮对话中所述任务对话系统反馈的对话动作。7.如权利要求6所述的装置，其特征在于，所述深度神经网络模型是基于长短时记忆(LSTM)的循环神经网络预先建立的。8.如权利要求6所述的装置，其特征在于，所述抽取单元，具体用于：根据所述上一轮对话中所述任务对话系统反馈的对话动作和所述本轮用户消息确定用户的任务；判断所述本轮用户消息中是否存在与所述任务相关的实体关键词；若存在，则从所述本轮用户消息中抽取所述本轮对话中与任务相关的实体信息。9.一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的任务对话系