CN111666387A - 对话生成方法、装置、电子设备及存储介质 - Google Patents
对话生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111666387A CN111666387A CN202010285648.3A CN202010285648A CN111666387A CN 111666387 A CN111666387 A CN 111666387A CN 202010285648 A CN202010285648 A CN 202010285648A CN 111666387 A CN111666387 A CN 111666387A
- Authority
- CN
- China
- Prior art keywords
- event
- reply
- nodes
- content
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了对话生成方法、装置、电子设备及存储介质,涉及人工智能领域,其中的方法可包括:获取待回复的上文对话内容;从事件图谱中确定出与上文对话内容相匹配的事件节点,事件图谱为预先构建的有向图,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系;根据相匹配的事件节点以及事件节点之间的连接方式,从事件图谱中确定出用于指导回复生成的事件节点;根据用于指导回复生成的事件节点生成对话回复内容。应用本申请所述方案,可生成主题连贯、内容丰富及准确的多轮对话等。
Description
技术领域
本申请涉及计算机应用技术,特别涉及人工智能领域的对话生成方法、装置、电子设备及存储介质。
背景技术
目前的人机对话技术主要针对任务类对话或特定领域对话,而针对开放域对话,即不限定领域的聊天,还没有一种较好的机制来支持主题连贯的多轮对话生成。
发明内容
本申请提供了对话生成方法、装置、电子设备及存储介质。
一种对话生成方法,包括:
获取待回复的上文对话内容;
从事件图谱中确定出与所述上文对话内容相匹配的事件节点,所述事件图谱为预先构建的有向图,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系;
根据所述相匹配的事件节点以及事件节点之间的连接方式,从所述事件图谱中确定出用于指导回复生成的事件节点;
根据所述用于指导回复生成的事件节点生成对话回复内容。
一种对话生成装置,包括:对话获取模块、事件确定模块以及回复生成模块;
所述对话获取模块,用于获取待回复的上文对话内容;
所述事件确定模块,用于从事件图谱中确定出与所述上文对话内容相匹配的事件节点,所述事件图谱为预先构建的有向图,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系;根据所述相匹配的事件节点以及事件节点之间的连接方式,从所述事件图谱中确定出用于指导回复生成的事件节点;
所述回复生成模块,用于根据所述用于指导回复生成的事件节点生成对话回复内容。
一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如以上所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:在人机对话如开放域对话过程中,针对待回复的上文对话内容,可基于预先构建的事件图谱确定出与其相匹配的事件节点,并可基于相匹配的事件节点等进一步确定出用于指导回复生成的事件节点,进而可根据用于指导回复生成的事件节点生成对话回复内容,即在对话过程中引入了基于事件图谱的对话策略管理机制,可以更好地支持对话过程中的回复内容的逻辑顺序建模,利用事件图谱来辅助进行对话回复内容的规划,从而可生成主题连贯、内容丰富及准确的多轮对话等。应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请所述对话生成方法第一实施例的流程图;
图2为本申请所述事件图谱中的部分内容示意图;
图3为本申请所述对话生成方法第二实施例的流程图;
图4为本申请所述对话生成装置实施例40的组成结构示意图;
图5为根据本申请实施例所述方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
另外,应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本申请所述对话生成方法第一实施例的流程图。如图1所示,包括以下具体实现方式。
在101中,获取待回复的上文对话内容。
在102中,从事件图谱中确定出与上文对话内容相匹配的事件节点,事件图谱为预先构建的有向图,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系。
在103中,根据相匹配的事件节点以及事件节点之间的连接方式,从事件图谱中确定出用于指导回复生成的事件节点。
在104中,根据用于指导回复生成的事件节点生成对话回复内容。
可以看出,为实现本实施例所述方法,需要预先构建事件图谱,事件图谱是以事件(如动词短语等)为节点的有向图,即其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系,如先后顺序、因果关系等。
事件图谱可基于叙事文本构建,所述叙事文本可以是指中文故事文本或英文故事文本等。可通过对叙事文本进行分析,从中提取出不同的事件以及不同事件之间的逻辑关系等,进而构建出事件图谱。具体实现为现有技术。比如,提取出的事件可包括“今天是万圣节”、“装扮成怪兽”、“讨要糖果”等。
完成事件图谱的构建之后,即可将其应用到实际的对话过程中,如开放域对话过程中。相应地,在对话过程中,针对获取到的待回复的上文对话内容,可首先从事件图谱中确定出与上文对话内容相匹配的事件节点。
优选地,可按照现有的分词技术,首先对上文对话内容进行分词处理,之后可分别确定出各分词结果对应的事件图谱中的事件节点,作为候选匹配事件节点,若候选匹配事件节点的数量为一,则可将候选匹配事件节点作为与上文对话内容相匹配的事件节点,若候选匹配事件节点的数量大于一,则可从中选出一个作为与上文对话内容相匹配的事件节点。
对上文对话内容进行分词处理之后,可得到一个或多个分词结果。针对各分词结果,可分别确定出对应的事件图谱中的事件节点,如何确定为现有技术,这样,可确定出一个或多个事件节点,可将这一个或多个事件节点作为候选匹配事件节点。若候选匹配事件节点的数量为一,那么可直接将该候选匹配事件节点作为与上文对话内容相匹配的事件节点,若候选匹配事件节点的数量大于一,那么可从中选出一个作为与上文对话内容相匹配的事件节点。
当需要从各候选匹配事件节点中选出一个作为与上文对话内容相匹配的事件节点时,可分别计算各候选匹配事件节点与上文对话内容之间的相似度,进而将相似度最高的候选匹配事件节点作为与上文对话内容相匹配的事件节点。所述相似度可以是指字符串之间的相似度,也可以是指对应的词向量表示之间的相似度等,具体实现方式不限。
通过上述处理,可方便快捷地确定出与上文对话内容相匹配的事件节点,且确定结果具有很好的准确性。
之后,可根据相匹配的事件节点以及事件节点之间的连接方式,从事件图谱中确定出用于指导回复生成的事件节点。
优选地,可首先从事件图谱中筛选出与相匹配的事件节点符合预定连接关系的事件节点,作为候选回复事件节点;其中,与相匹配的事件节点符合预定连接关系的事件节点可包括:与相匹配的事件节点通过边直接相连的事件节点,或者,与相匹配的事件节点通过边直接相连的事件节点以及通过N个事件节点与相匹配的事件节点间接相连的事件节点,N为正整数,具体取值可根据实际需要而定。若候选回复事件节点的数量为一,可将该候选回复事件节点作为用于指导回复生成的事件节点,若候选回复事件节点的数量大于一,可从中选出一个作为用于指导回复生成的事件节点。
图2为本申请所述事件图谱中的部分内容示意图。如图2所示,以事件节点a为例,其中的事件节点b、事件节点c和事件节点d为与事件节点a通过边直接相连的事件节点,而事件节点f和事件节点e为与事件节点a通过一个事件节点间接相连的事件节点。
在从各候选回复事件节点中选出一个作为用于指导回复生成的事件节点时,可综合各候选回复事件节点的语义逻辑顺序合理性、与上文对话内容之间的相关性以及与本次对话过程中的所有历史对话之间的相关性,从各候选回复事件节点中选出一个最优的候选回复事件节点,作为用于指导回复生成的事件节点。
比如,针对任一候选回复事件节点,可分别按照预先设定的计算规则,计算出该候选回复事件节点与相匹配的事件节点的语义逻辑顺序合理性评分、与上文对话内容之间的相关性评分(即局部相关性评分)以及与本次对话过程中的所有历史对话之间的相关性评分(即全局相关性评分),并可将三个评分分别与对应的权重相乘,将三个乘积相加,将相加之和作为该候选回复事件节点的综合评分,不同权重的取值可以相同,也可以不同。在分别得到各候选回复事件节点的综合评分之后,可从中选出综合评分最高的候选回复事件节点作为用于指导回复生成的事件节点。
可以看出,通过上述方式,可基于事件节点之间的连接方式、语义逻辑顺序的合理性以及对话的局部相关性和全局相关性等,准确地选出用于指导回复生成的事件节点,进而提升了后续生成的对话回复内容的主题连贯性和准确性等。
之后,可根据用于指导回复生成的事件节点生成对话回复内容。进一步地,可结合用于指导回复生成的事件节点以及上文对话内容生成对话回复内容。
优选地,可将用于指导回复生成的事件节点以及上文对话内容输入预先训练得到的回复生成模型,从而得到对话回复内容。其中,可利用对话数据等预先训练得到回复生成模型。
也就是说,在生成对话回复内容时,除了可利用用于指导回复生成的事件节点之外,还可进一步结合上文对话内容,并可利用训练得到的回复生成模型来生成对话回复内容,从而进一步提升了生成的对话回复内容的主题连贯性和准确性等。
综合上述介绍,图3为本申请所述对话生成方法第二实施例的流程图。如图3所示,包括以下具体实现方式。
在301中,构建事件图谱,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系。
在302中,对话过程中,获取待回复的上文对话内容。
在303中,从事件图谱中确定出与上文对话内容相匹配的事件节点。
可对上文对话内容进行分词处理,分别确定出各分词结果对应的事件图谱中的事件节点,作为候选匹配事件节点,若候选匹配事件节点的数量为一,则可将该候选匹配事件节点作为与上文对话内容相匹配的事件节点,若候选匹配事件节点的数量大于一,则可从中选出一个作为与上文对话内容相匹配的事件节点。
其中,从各候选匹配事件节点中选出一个作为与上文对话内容相匹配的事件节点时,可分别计算各候选匹配事件节点与上文对话内容之间的相似度,并可将相似度最高的候选匹配事件节点作为与上文对话内容相匹配的事件节点。
在304中,根据相匹配的事件节点以及事件节点之间的连接方式,从事件图谱中确定出用于指导回复生成的事件节点。
可从事件图谱中筛选出与相匹配的事件节点符合预定连接关系的事件节点,作为候选回复事件节点,其中,与相匹配的事件节点符合预定连接关系的事件节点可包括:与相匹配的事件节点通过边直接相连的事件节点,或者,与相匹配的事件节点通过边直接相连的事件节点以及通过N个事件节点与相匹配的事件节点间接相连的事件节点,N为正整数,若候选回复事件节点的数量为一,则可将该候选回复事件节点作为用于指导回复生成的事件节点,若候选回复事件节点的数量大于一,则可从中选出一个作为用于指导回复生成的事件节点。
其中,从各候选回复事件节点中选出一个作为用于指导回复生成的事件节点时,可综合各候选回复事件节点的语义逻辑顺序合理性、与上文对话内容之间的相关性以及与本次对话过程中的所有历史对话之间的相关性,从各候选回复事件节点中选出一个最优的候选回复事件节点,作为用于指导回复生成的事件节点。
在305中,结合用于指导回复生成的事件节点以及上文对话内容生成对话回复内容。
可将用于指导回复生成的事件节点以及上文对话内容输入预先训练得到的回复生成模型,从而得到所需的对话回复内容。
需要说明的是,对于前述的各方法实施例,为了简单描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。另外,某个实施例中没有详述的部分,可以参见其它实施例中的相关说明。
采用上述方法实施例所述方案,可在对话过程中引入了基于事件图谱的对话策略管理机制,可以更好地支持对话过程中的回复内容的逻辑顺序建模,利用事件图谱来辅助进行对话回复内容的规划,从而可生成主题连贯、内容丰富及准确的多轮对话等。
以上是关于方法实施例的介绍,以下通过装置实施例,对本申请方案进行进一步说明。
图4为本申请所述对话生成装置实施例40的组成结构示意图。如图4所示,包括:对话获取模块401、事件确定模块402以及回复生成模块403。
对话获取模块401,用于获取待回复的上文对话内容。
事件确定模块402,用于从事件图谱中确定出与上文对话内容相匹配的事件节点,事件图谱为预先构建的有向图,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系;根据相匹配的事件节点以及事件节点之间的连接方式,从事件图谱中确定出用于指导回复生成的事件节点。
回复生成模块403,用于根据用于指导回复生成的事件节点生成对话回复内容。
事件图谱可为预先构建的,是以事件为节点的有向图,即其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系,如先后顺序、因果关系等。
针对对话获取模块401获取到的待回复的上文对话内容,事件确定模块402可对该上文对话内容进行分词处理,并分别确定出各分词结果对应的事件图谱中的事件节点,作为候选匹配事件节点,若候选匹配事件节点的数量为一,则将该候选匹配事件节点作为与上文对话内容相匹配的事件节点,若候选匹配事件节点的数量大于一,则从中选出一个作为与上文对话内容相匹配的事件节点。
当需要从各候选匹配事件节点中选出一个作为与上文对话内容相匹配的事件节点时,事件确定模块402可分别计算各候选匹配事件节点与上文对话内容之间的相似度,进而将相似度最高的候选匹配事件节点作为与上文对话内容相匹配的事件节点。所述相似度可以是指字符串之间的相似度,也可以是指对应的词向量表示之间的相似度等。
之后,事件确定模块402可根据相匹配的事件节点以及事件节点之间的连接方式,从事件图谱中确定出用于指导回复生成的事件节点。
具体地,事件确定模块402可从事件图谱中筛选出与相匹配的事件节点符合预定连接关系的事件节点,作为候选回复事件节点,其中,与相匹配的事件节点符合预定连接关系的事件节点包括:与相匹配的事件节点通过边直接相连的事件节点,或者,与相匹配的事件节点通过边直接相连的事件节点以及通过N个事件节点与相匹配的事件节点间接相连的事件节点,N为正整数,若候选回复事件节点的数量为一,则将该候选回复事件节点作为用于指导回复生成的事件节点,若候选回复事件节点的数量大于一,则从中选出一个作为用于指导回复生成的事件节点。
在从各候选回复事件节点中选出一个作为用于指导回复生成的事件节点时,事件确定模块402可综合各候选回复事件节点的语义逻辑顺序合理性、与上文对话内容之间的相关性以及与本次对话过程中的所有历史对话之间的相关性,从各候选回复事件节点中选出一个最优的候选回复事件节点,作为用于指导回复生成的事件节点。
之后,回复生成模块403可根据用于指导回复生成的事件节点生成对话回复内容。进一步地,可结合用于指导回复生成的事件节点以及上文对话内容生成对话回复内容。
另外,回复生成模块403还可将用于指导回复生成的事件节点以及上文对话内容输入预先训练得到的回复生成模型,从而得到对话回复内容。
图4所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明,不再赘述。
总之,采用本申请装置实施例所述方案,可在对话过程中引入了基于事件图谱的对话策略管理机制,可以更好地支持对话过程中的回复内容的逻辑顺序建模,利用事件图谱来辅助进行对话回复内容的规划,从而可生成主题连贯、内容丰富及准确的多轮对话等;另外,可方便快捷地确定出与上文对话内容相匹配的事件节点,且确定结果具有很好的准确性;再有,可基于事件节点之间的连接方式、语义逻辑顺序的合理性以及对话的局部相关性和全局相关性等,准确地选出用于指导回复生成的事件节点,进而提升了后续生成的对话回复内容的主题连贯性和准确性等;再有,在生成对话回复内容时,除了可利用用于指导回复生成的事件节点之外,还可进一步结合上文对话内容,并可利用训练得到的回复生成模型来生成对话回复内容,从而进一步提升了生成的对话回复内容的主题连贯性和准确性等。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器Y01、存储器Y02,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器Y01为例。
存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的方法。
存储器Y02作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的方法对应的程序指令/模块。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器Y02可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器Y02可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器Y02可选包括相对于处理器Y01远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置Y03可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,阴极射线管或者液晶显示器监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网、广域网、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (16)
1.一种对话生成方法,其特征在于,包括:
获取待回复的上文对话内容;
从事件图谱中确定出与所述上文对话内容相匹配的事件节点,所述事件图谱为预先构建的有向图,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系;
根据所述相匹配的事件节点以及事件节点之间的连接方式,从所述事件图谱中确定出用于指导回复生成的事件节点;
根据所述用于指导回复生成的事件节点生成对话回复内容。
2.根据权利要求1所述的方法,其特征在于,
所述从事件图谱中确定出与所述上文对话内容相匹配的事件节点包括:
对所述上文对话内容进行分词处理;
分别确定出各分词结果对应的所述事件图谱中的事件节点,作为候选匹配事件节点;
若所述候选匹配事件节点的数量为一,则将所述候选匹配事件节点作为与所述上文对话内容相匹配的事件节点;
若所述候选匹配事件节点的数量大于一,则从中选出一个作为与所述上文对话内容相匹配的事件节点。
3.根据权利要求2所述的方法,其特征在于,
所述从中选出一个作为与所述上文对话内容相匹配的事件节点包括:
分别计算各候选匹配事件节点与所述上文对话内容之间的相似度;
将相似度最高的候选匹配事件节点作为与所述上文对话内容相匹配的事件节点。
4.根据权利要求1所述的方法,其特征在于,
所述从所述事件图谱中确定出用于指导回复生成的事件节点包括:
从所述事件图谱中筛选出与所述相匹配的事件节点符合预定连接关系的事件节点,作为候选回复事件节点;其中,所述与所述相匹配的事件节点符合预定连接关系的事件节点包括:与所述相匹配的事件节点通过边直接相连的事件节点,或者,与所述相匹配的事件节点通过边直接相连的事件节点以及通过N个事件节点与所述相匹配的事件节点间接相连的事件节点,N为正整数;
若所述候选回复事件节点的数量为一,则将所述候选回复事件节点作为所述用于指导回复生成的事件节点;
若所述候选回复事件节点的数量大于一,则从中选出一个作为所述用于指导回复生成的事件节点。
5.根据权利要求4所述的方法,其特征在于,
所述从中选出一个作为所述用于指导回复生成的事件节点包括:
综合各候选回复事件节点的语义逻辑顺序合理性、与所述上文对话内容之间的相关性以及与本次对话过程中的所有历史对话之间的相关性,从各候选回复事件节点中选出一个最优的候选回复事件节点,作为所述用于指导回复生成的事件节点。
6.根据权利要求1所述的方法,其特征在于,
所述根据所述用于指导回复生成的事件节点生成对话回复内容包括:
结合所述用于指导回复生成的事件节点以及所述上文对话内容生成所述对话回复内容。
7.根据权利要求6所述的方法,其特征在于,
所述结合所述用于指导回复生成的事件节点以及所述上文对话内容生成所述对话回复内容包括:
将所述用于指导回复生成的事件节点以及所述上文对话内容输入预先训练得到的回复生成模型,得到所述对话回复内容。
8.一种对话生成装置,其特征在于,包括:对话获取模块、事件确定模块以及回复生成模块;
所述对话获取模块,用于获取待回复的上文对话内容;
所述事件确定模块,用于从事件图谱中确定出与所述上文对话内容相匹配的事件节点,所述事件图谱为预先构建的有向图,其中包含有分别对应于不同事件的事件节点,事件节点之间的边表明不同事件之间的逻辑关系;根据所述相匹配的事件节点以及事件节点之间的连接方式,从所述事件图谱中确定出用于指导回复生成的事件节点;
所述回复生成模块,用于根据所述用于指导回复生成的事件节点生成对话回复内容。
9.根据权利要求8所述的装置,其特征在于,
所述事件确定模块对所述上文对话内容进行分词处理,分别确定出各分词结果对应的所述事件图谱中的事件节点,作为候选匹配事件节点,若所述候选匹配事件节点的数量为一,则将所述候选匹配事件节点作为与所述上文对话内容相匹配的事件节点,若所述候选匹配事件节点的数量大于一,则从中选出一个作为与所述上文对话内容相匹配的事件节点。
10.根据权利要求9所述的装置,其特征在于,
所述事件确定模块分别计算各候选匹配事件节点与所述上文对话内容之间的相似度,将相似度最高的候选匹配事件节点作为与所述上文对话内容相匹配的事件节点。
11.根据权利要求8所述的装置,其特征在于,
所述事件确定模块从所述事件图谱中筛选出与所述相匹配的事件节点符合预定连接关系的事件节点,作为候选回复事件节点,其中,所述与所述相匹配的事件节点符合预定连接关系的事件节点包括:与所述相匹配的事件节点通过边直接相连的事件节点,或者,与所述相匹配的事件节点通过边直接相连的事件节点以及通过N个事件节点与所述相匹配的事件节点间接相连的事件节点,N为正整数,若所述候选回复事件节点的数量为一,则将所述候选回复事件节点作为所述用于指导回复生成的事件节点,若所述候选回复事件节点的数量大于一,则从中选出一个作为所述用于指导回复生成的事件节点。
12.根据权利要求11所述的装置,其特征在于,
所述事件确定模块综合各候选回复事件节点的语义逻辑顺序合理性、与所述上文对话内容之间的相关性以及与本次对话过程中的所有历史对话之间的相关性,从各候选回复事件节点中选出一个最优的候选回复事件节点,作为所述用于指导回复生成的事件节点。
13.根据权利要求8所述的装置,其特征在于,
所述回复生成模块进一步用于,结合所述用于指导回复生成的事件节点以及所述上文对话内容生成所述对话回复内容。
14.根据权利要求13所述的装置,其特征在于,
所述回复生成模块将所述用于指导回复生成的事件节点以及所述上文对话内容输入预先训练得到的回复生成模型,得到所述对话回复内容。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285648.3A CN111666387A (zh) | 2020-04-13 | 2020-04-13 | 对话生成方法、装置、电子设备及存储介质 |
JP2020193197A JP7230304B2 (ja) | 2020-04-13 | 2020-11-20 | 対話生成方法、装置、電子機器、プログラム及び記憶媒体 |
US16/953,426 US20210319185A1 (en) | 2020-04-13 | 2020-11-20 | Method for generating conversation, electronic device and storage medium |
EP21160031.7A EP3896580A1 (en) | 2020-04-13 | 2021-03-01 | Method and apparatus for generating conversation, electronic device, storage medium and computer program product |
KR1020210035541A KR20210127613A (ko) | 2020-04-13 | 2021-03-18 | 대화 생성 방법, 장치, 전자 기기 및 기록 매체 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285648.3A CN111666387A (zh) | 2020-04-13 | 2020-04-13 | 对话生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111666387A true CN111666387A (zh) | 2020-09-15 |
Family
ID=72382702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010285648.3A Pending CN111666387A (zh) | 2020-04-13 | 2020-04-13 | 对话生成方法、装置、电子设备及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210319185A1 (zh) |
EP (1) | EP3896580A1 (zh) |
JP (1) | JP7230304B2 (zh) |
KR (1) | KR20210127613A (zh) |
CN (1) | CN111666387A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149759A (zh) * | 2020-10-26 | 2020-12-29 | 北京明略软件系统有限公司 | 一种事件图谱的匹配方法、装置、电子设备及存储介质 |
CN112667795A (zh) * | 2021-01-04 | 2021-04-16 | 北京百度网讯科技有限公司 | 对话树构建方法和装置、对话树运行方法、装置以及系统 |
CN113961678A (zh) * | 2021-09-15 | 2022-01-21 | 北京三快在线科技有限公司 | 一种基于事理图谱的智能对话方法和装置 |
CN114356178A (zh) * | 2022-01-12 | 2022-04-15 | 平安科技(深圳)有限公司 | 交互内容的配置方法、装置、终端设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208987B1 (en) * | 1997-07-15 | 2001-03-27 | Nec Corporation | Hierarchically structured indexed information retrieval system |
CN106776649A (zh) * | 2015-11-24 | 2017-05-31 | 镇江诺尼基智能技术有限公司 | 一种基于可视化流程图的智能问答多轮交互方法和系统 |
CN108804536A (zh) * | 2018-05-04 | 2018-11-13 | 科沃斯商用机器人有限公司 | 人机对话与策略生成方法、设备、系统及存储介质 |
CN109241256A (zh) * | 2018-08-20 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 对话处理方法、装置、计算机设备和可读存储介质 |
US20190026815A1 (en) * | 2017-07-18 | 2019-01-24 | International Business Machines Corporation | Elicit user demands for item recommendation |
CN110704596A (zh) * | 2019-09-29 | 2020-01-17 | 北京百度网讯科技有限公司 | 基于话题的对话方法、装置和电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9195739B2 (en) * | 2009-02-20 | 2015-11-24 | Microsoft Technology Licensing, Llc | Identifying a discussion topic based on user interest information |
US11586655B2 (en) * | 2017-12-19 | 2023-02-21 | Visa International Service Association | Hyper-graph learner for natural language comprehension |
CN109033223B (zh) * | 2018-06-29 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于跨类型对话的方法、装置、设备以及计算机可读存储介质 |
CN110942769A (zh) * | 2018-09-20 | 2020-03-31 | 九阳股份有限公司 | 一种基于有向图的多轮对话应答系统 |
CN111753061B (zh) * | 2019-03-27 | 2024-03-12 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
-
2020
- 2020-04-13 CN CN202010285648.3A patent/CN111666387A/zh active Pending
- 2020-11-20 US US16/953,426 patent/US20210319185A1/en not_active Abandoned
- 2020-11-20 JP JP2020193197A patent/JP7230304B2/ja active Active
-
2021
- 2021-03-01 EP EP21160031.7A patent/EP3896580A1/en not_active Ceased
- 2021-03-18 KR KR1020210035541A patent/KR20210127613A/ko not_active Application Discontinuation
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208987B1 (en) * | 1997-07-15 | 2001-03-27 | Nec Corporation | Hierarchically structured indexed information retrieval system |
CN106776649A (zh) * | 2015-11-24 | 2017-05-31 | 镇江诺尼基智能技术有限公司 | 一种基于可视化流程图的智能问答多轮交互方法和系统 |
US20190026815A1 (en) * | 2017-07-18 | 2019-01-24 | International Business Machines Corporation | Elicit user demands for item recommendation |
CN108804536A (zh) * | 2018-05-04 | 2018-11-13 | 科沃斯商用机器人有限公司 | 人机对话与策略生成方法、设备、系统及存储介质 |
CN109241256A (zh) * | 2018-08-20 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 对话处理方法、装置、计算机设备和可读存储介质 |
CN110704596A (zh) * | 2019-09-29 | 2020-01-17 | 北京百度网讯科技有限公司 | 基于话题的对话方法、装置和电子设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149759A (zh) * | 2020-10-26 | 2020-12-29 | 北京明略软件系统有限公司 | 一种事件图谱的匹配方法、装置、电子设备及存储介质 |
CN112667795A (zh) * | 2021-01-04 | 2021-04-16 | 北京百度网讯科技有限公司 | 对话树构建方法和装置、对话树运行方法、装置以及系统 |
CN112667795B (zh) * | 2021-01-04 | 2023-07-28 | 北京百度网讯科技有限公司 | 对话树构建方法和装置、对话树运行方法、装置以及系统 |
CN113961678A (zh) * | 2021-09-15 | 2022-01-21 | 北京三快在线科技有限公司 | 一种基于事理图谱的智能对话方法和装置 |
CN114356178A (zh) * | 2022-01-12 | 2022-04-15 | 平安科技(深圳)有限公司 | 交互内容的配置方法、装置、终端设备及存储介质 |
CN114356178B (zh) * | 2022-01-12 | 2024-01-19 | 平安科技(深圳)有限公司 | 交互内容的配置方法、装置、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3896580A1 (en) | 2021-10-20 |
JP7230304B2 (ja) | 2023-03-01 |
US20210319185A1 (en) | 2021-10-14 |
JP2021170310A (ja) | 2021-10-28 |
KR20210127613A (ko) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859994B (zh) | 机器翻译模型获取及文本翻译方法、装置及存储介质 | |
CN111666387A (zh) | 对话生成方法、装置、电子设备及存储介质 | |
CN112530437B (zh) | 语义识别方法、装置、设备以及存储介质 | |
JP7264866B2 (ja) | イベント関係の生成方法、装置、電子機器及び記憶媒体 | |
CN111177355B (zh) | 基于搜索数据的人机对话交互方法、装置和电子设备 | |
CN111177339B (zh) | 对话生成方法、装置、电子设备及存储介质 | |
CN112365876B (zh) | 语音合成模型的训练方法、装置、设备以及存储介质 | |
CN111368046A (zh) | 人机对话方法、装置、电子设备及存储介质 | |
CN111079945B (zh) | 端到端模型的训练方法及装置 | |
CN112599141B (zh) | 神经网络声码器训练方法、装置、电子设备及存储介质 | |
CN112466288A (zh) | 语音识别方法、装置、电子设备及存储介质 | |
CN111144108A (zh) | 情感倾向性分析模型的建模方法、装置和电子设备 | |
CN111709252B (zh) | 基于预训练的语义模型的模型改进方法及装置 | |
CN110704596A (zh) | 基于话题的对话方法、装置和电子设备 | |
CN111582375A (zh) | 数据增强策略搜索方法、装置、设备以及存储介质 | |
CN111354370B (zh) | 一种唇形特征预测方法、装置和电子设备 | |
CN111859997A (zh) | 机器翻译中的模型训练方法、装置、电子设备及存储介质 | |
KR20210122204A (ko) | 대화 감정 스타일의 예측 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품 | |
CN111090991A (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
CN112270169B (zh) | 对白角色预测方法、装置、电子设备及存储介质 | |
CN112650844A (zh) | 对话状态的追踪方法、装置、电子设备和存储介质 | |
CN111767832A (zh) | 模型生成方法、装置、电子设备及存储介质 | |
CN111475614B (zh) | 知识推理对话方法、装置、电子设备和存储介质 | |
CN112989219B (zh) | 兴趣点推荐方法、装置、电子设备及存储介质 | |
CN111324747A (zh) | 三元组的生成方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |