CN115964462A - 对话内容处理方法、对话理解模型的训练方法和装置 - Google Patents

Abstract

本公开提供了一种对话内容处理方法、对话理解模型的训练方法和装置，涉及人工智能领域，具体涉及自然语言处理、深度学习技术、对话理解技术。该方法包括：获取用户的对话内容；利用对话理解模型对对话内容进行内容理解，以生成基于自然语言的对话查询文本；以及基于对话查询文本，确定对对话内容的回复内容。

Description

对话内容处理方法、对话理解模型的训练方法和装置

技术领域

本公开涉及人工智能领域，具体涉及自然语言处理、深度学习技术、对话理解技术，特别涉及一种对话内容处理方法、对话理解模型的训练方法、对话内容处理装置、对话理解模型的训练装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

任务式对话(Task-Oriented Dialogue，TOD)系统旨在通过对话帮助用户完成指定的任务或者达成预定的目标，例如：预订酒店、询问天气、日程安排和路线导航等。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种对话内容处理方法、对话理解模型的训练方法、对话内容处理装置、对话理解模型的训练装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种对话内容处理方法，包括：获取用户的对话内容；利用对话理解模型对对话内容进行内容理解，以生成基于自然语言的对话查询文本；以及基于对话查询文本，确定对对话内容的回复内容。

根据本公开的一方面，提供了一种对话理解模型的训练方法，包括：获取样本用户的样本对话内容和与样本对话内容对应的真实回复内容；利用对话理解模型对样本对话内容进行内容理解，以生成基于自然语言的样本对话查询文本；基于样本对话查询文本，确定对对话内容的样本回复内容；以及基于样本回复内容和真实回复内容，调整对话理解模型的参数，以得到训练后的对话理解模型。

根据本公开的一方面，提供了一种对话内容处理装置，包括：第一获取单元，被配置为获取用户的对话内容；第一内容理解单元，被配置为利用对话理解模型对对话内容进行内容理解，以生成基于自然语言的对话查询文本；以及第一确定单元，被配置为基于对话查询文本，确定对对话内容的回复内容。

根据本公开的一方面，提供了一种对话理解模型的训练装置，包括：第三获取单元，被配置为获取样本用户的样本对话内容和与样本对话内容对应的真实回复内容；第二内容理解单元，被配置为利用对话理解模型对样本对话内容进行内容理解，以生成基于自然语言的样本对话查询文本；第三确定单元，被配置为基于样本对话查询文本，确定对对话内容的样本回复内容；以及调参单元，被配置为基于样本回复内容和真实回复内容，调整对话理解模型的参数，以得到训练后的对话理解模型。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，这些指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述方法。

根据本公开的一个或多个实施例，通过将对话内容理解为一种自然语言形式的查询文本，无需提前定义领域的词槽信息，泛化性更强。这样的方式还能够有效迁移至一个新的领域，并且具有较强的领域自适应能力，因而无需针对不同领域训练多个模型。此外，通用的基于自然语言的查询文本，可以适配任何下游的知识检索工具或者模型，不需要单独训练一个检索模型。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开示例性实施例的对话内容处理方法的流程图；

图3示出了根据本公开示例性实施例的对话理解模型的训练方法的流程图；

图4示出了根据本公开示例性实施例的对话内容处理装置的结构框图；

图5示出了根据本公开示例性实施例的对话理解模型的训练装置的结构框图；以及

图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

相关技术中，一般是将对话内容理解为一种结构化的信息，包含领域信息(Domain)、意图信息(Intent)和词槽信息(Slot-Value键值对)，即对话状态追踪(DST)。这也就意味着在使用该模型进行预测时，模型需要提前知道该领域的槽位信息，因此当在一个新的领域对话数据上进行预测时，对话理解能力会无法准确预测得到槽位和槽位值，进而导致整个对话的失败。

为解决上述问题，本公开通过将对话内容理解为一种自然语言形式的查询文本，无需提前定义领域的词槽信息，泛化性更强。这样的方式还能够有效迁移至一个新的领域，并且具有较强的领域自适应能力，因而无需针对不同领域训练多个模型。此外，通用的基于自然语言的查询文本，可以适配任何下游的知识检索工具或者模型，不需要单独训练一个检索模型。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行对话内容处理方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)网络下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来进行人机交互。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

根据本公开的一方面，提供了一种对话内容处理方法。如图2所示，该方法包括：步骤S201、获取用户的对话内容；步骤S202、利用对话理解模型对对话内容进行内容理解，以生成基于自然语言的对话查询文本；以及步骤S203、基于对话查询文本，确定对对话内容的回复内容。

由此，通过将对话内容理解为一种自然语言形式的查询文本，无需提前定义领域的词槽信息，泛化性更强。这样的方式还能够有效迁移至一个新的领域，并且具有较强的领域自适应能力，因而无需针对不同领域训练多个模型。此外，通用的基于自然语言的查询文本，可以适配任何下游的知识检索工具或者模型，不需要单独训练一个检索模型。

在一些实施例中，用户的对话内容可以为用户输入的对话请求信息，例如“推荐一个9分，提供中餐的餐厅”或“明天天气如何”。

根据一些实施例，对话查询文本可以为对对话内容的概括性描述。为了使任务式对话能够更好的迁移至一个新的领域，对话理解首先就要具备一定的泛化能力。不同于现有的DST技术，可以将对话内容理解为一个自然语言的对话查询文本(Query)，该Query是对当前轮用户请求关键信息的概括性描述。它可以不包含属性名的信息，比如：推荐一个9分，提供中餐的餐厅，对于「评分」和「食物类型」这两个关键属性信息，在生成的查询Query中不是必要的内容。这才使得基于自然语言的Query生成理解技术具备迁移到全新的领域上的能力。

根据一些实施例，对话内容可以包括用户当前轮的对话信息以及用户的历史对话信息。这样的对话内容也可以称为对话历史。通过对对话历史进行内容理解，能够更好地识别用户的意图，从而生成更准确的Query。

在一些实施例中，在跨领域对话中，DST技术的对话状态会包含本次对话中聊到过的领域及其历史对话状态的集合。比如，用户在对话上文中询问了酒店相关的内容之后，又想要查询一些餐厅的信息，此时对话状态表示为：{[酒店]{星级：5星级，区域；福田区},[餐厅]{食物类型：中餐，评分：9}}，是一种累积的对话状态。这也会给DST模型增加一定的难度，同时也会给后续的步骤带来一些冗余干扰信息，增大对话难度。

而本公开的方法在这样的场景下，对话理解模型通过对对话历史进行内容理解，可以判断出上文询问的酒店内容与当前轮询问的餐厅内容无关，因此能够生成仅与餐厅内容相关的Query，避免了历史信息造成干扰。

根据一些实施例，步骤S203、基于对话查询文本，确定对对话内容的回复内容可以包括：利用知识检索模块基于对话查询文本进行检索，以得到与对话查询文本相关的知识内容；以及利用回复内容生成模块基于知识内容和对话查询文本，生成对对话内容的回复内容。由此，通过利用知识检索模块对Query进行检索，以得到相关知识内容，进而基于该知识内容和Query本身，即能够生成高质量的回复内容。

根据一些实施例，任务式对话可以包含4个步骤：

1)对话理解：从对话内容中对用户意图等关键信息进行识别；

2)对话策略生成：基于对话理解和对话内容生成合适的对话策略；

3)知识查询：基于对话理解利用知识检索模块检索符合要求的知识；

4)对话生成：根据对话理解、对话策略以及知识生成合适的回复内容。对话内容处理方法还可以包括：基于对话内容和对话查询文本中的至少一者，确定对话策略；以及获取用户的对话上下文信息。利用回复内容生成模块基于知识内容，生成对对话内容的回复内容可以包括：利用回复内容生成模块基于知识内容、对话查询文本、对话策略以及对话上下文信息，生成对对话内容的回复内容。由此，通过上述流程，能够生成准确且高质量的回复内容。此外，基于这些信息，还可以确定回复的形式、格式等内容，从而提升用户体验。

在一些实施例中，一个示例的对话内容为“推荐一个9分，提供中餐的餐厅”，则对话策略可以确定为“推荐”；另一个示例的对话内容为“明天天气如何”，则对话策略可以确定为“信息提供”。可以理解的是，针对其他场景和其他对话内容，还可以具有其他的对话策略。

根据一些实施例，对话理解模型可以基于Transformer架构的编码器-解码器预训练语言模型。基于Transformer架构的编码器-解码器预训练语言模型在生成式的自然语言处理下游任务中的表现十分出色，因此使用这样的模型能够基于对话内容得到准确的对话查询文本。

在一些实施例中，可以对基于Transformer架构的编码器-解码器预训练语言模型进行离线训练，得到对话内容理解模型，如下文将要描述的。在训练中，尽量包含尽可能多的领域数据，提高模型的通用性能力。基于此种方法生成的自然语言形式的Query，就可以当成一个通用的查询语句，后续的知识检索模块可以视为一个黑盒，这意味着可以使用任何检索工具或者模型来适配自然语言形式的Query，例如BM25，ElasticSearch，RocketQA等。

为了验证基于Query的对话理解技术具备更好的领域自适应能力，发明人在端到端TOD中进行了实验，如表1所示。其中，PPTOD是基于DST的任务式对话模型。从实验结果中可以看出，本公开提出的基于Query对话理解技术的TOD模型在一个全新领域的效果能够远远高于基于DST的TOD模型(见Zero-Shot效果)；在小样本实验中，我们的方法也能大幅优于基于DST的方法(见Few-Shot效果)。

表1

综上，相比于DST技术，本公开的方法具有如下优点：

a)将对话内容理解为一种自然语言形式的对话查询文本，不需要提前定义领域的词槽信息，更符合自然场景；

b)泛化性较强，能够有效迁移至一个新的领域，具有领域自适应能力；

c)每轮生成对话查询文本，只包含当前轮用户想要查询领域的关键信息，过滤掉了冗余的、对当前轮对话无意义的信息，减轻后续步骤的压力；

d)通用的基于自然语言对话查询文本，可以适配任何检索工具或者模型，不需要单独训练一个检索模型。

根据本公开的另一方面，提供了一种对话理解模型的训练方法。如图3所示，该方法包括：步骤S301、获取样本用户的样本对话内容和与样本对话内容对应的真实回复内容；步骤S302、利用对话理解模型对样本对话内容进行内容理解，以生成基于自然语言的样本对话查询文本；步骤S303、基于样本对话查询文本，确定对对话内容的样本回复内容；以及步骤S304、基于样本回复内容和真实回复内容，调整对话理解模型的参数，以得到训练后的对话理解模型。由此，通过使用上述步骤对对话理解模型进行训练，可以使得训练后的模型具备输出准确的对话查询文本的能力。可以理解的是，图3中的步骤S301-步骤S303的操作和图2中的步骤S201-步骤S203的操作类似，在此不作赘述。

考虑到对对话理解模型输出的样本对话查询文本直接进行质量评估较难，因此可以继续基于样本对话查询文本生成最终的样本回复内容，再根据真实(ground truth)回复内容和样本回复内容的差异对对话理解模型进行调参。

在一些实施例中，本领域技术人员可以采用各类方式调整模型的参数，例如可以预先确定损失函数，并利用损失函数计算表征真实上位词和预测上位词的差异的损失值，进而基于损失值调整模型的参数。

根据本公开的另一方面，提供了一种对话内容处理装置。如图4所示，装置400包括：第一获取单元410，被配置为获取用户的对话内容；第一内容理解单元420，被配置为利用对话理解模型对对话内容进行内容理解，以生成基于自然语言的对话查询文本；以及第一确定单元430，被配置为基于对话查询文本，确定对对话内容的回复内容。可以理解的是，装置400中的单元410-单元430的操作和图2中的步骤S201-步骤S203的操作类似，在此不作赘述。

根据一些实施例，对话查询文本可以为对对话内容的概括性描述。

根据一些实施例，对话内容可以包括用户当前轮的对话信息以及用户的历史对话信息。

根据一些实施例，第一确定单元可以包括：检索子单元，被配置为利用知识检索模块基于对话查询文本进行检索，以得到与对话查询文本相关的知识内容；以及生成子单元，被配置为利用回复内容生成模块基于知识内容和对话查询文本，生成对对话内容的回复内容。

根据一些实施例，装置400还可以包括(图中未示出)：第二确定单元，被配置为基于对话内容和对话查询文本中的至少一者，确定对话策略；以及第二获取单元，被配置为获取用户的对话上下文信息。生成子单元可以被配置为利用回复内容生成模块基于知识内容、对话查询文本、对话策略以及对话上下文信息，生成对对话内容的回复内容。

根据一些实施例，对话理解模型可以基于Transformer架构的编码器-解码器预训练语言模型。

根据本公开的另一方面，提供了一种对话理解模型的训练装置。如图5所示，装置500包括：第三获取单元510，被配置为获取样本用户的样本对话内容和与样本对话内容对应的真实回复内容；第二内容理解单元520，被配置为利用对话理解模型对样本对话内容进行内容理解，以生成基于自然语言的样本对话查询文本；第三确定单元530，被配置为基于样本对话查询文本，确定对对话内容的样本回复内容；以及调参单元540，被配置为基于样本回复内容和真实回复内容，调整对话理解模型的参数，以得到训练后的对话理解模型。可以理解的是，装置500中的单元510-单元540的操作和图2中的步骤S301-步骤S304的操作类似，在此不作赘述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以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和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙^TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习网络算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如对话内容处理方法。例如，在一些实施例中，对话内容处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的对话内容处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行对话内容处理方法。

本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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，CRT(阴极射线管)或者LCD(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(LAN)、广域网(WAN)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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (17)

1.一种对话内容处理方法，包括：

获取用户的对话内容；

利用对话理解模型对所述对话内容进行内容理解，以生成基于自然语言的对话查询文本；以及

基于所述对话查询文本，确定对所述对话内容的回复内容。

2.根据权利要求1所述的方法，其中，所述对话查询文本为对所述对话内容的概括性描述。

3.根据权利要求2所述的方法，其中，所述对话内容包括所述用户当前轮的对话信息以及所述用户的历史对话信息。

4.根据权利要求1所述的方法，其中，基于所述对话查询文本，确定对所述对话内容的回复内容包括：

利用知识检索模块基于所述对话查询文本进行检索，以得到与所述对话查询文本相关的知识内容；以及

利用回复内容生成模块基于所述知识内容和所述对话查询文本，生成对所述对话内容的回复内容。

5.根据权利要求4所述的方法，还包括：

基于所述对话内容和所述对话查询文本中的至少一者，确定对话策略，

其中，利用回复内容生成模块基于所述知识内容，生成对所述对话内容的回复内容包括：

利用所述回复内容生成模块基于所述知识内容、所述对话查询文本以及所述对话策略，生成对所述对话内容的回复内容。

6.根据权利要求1所述的方法，其中，所述对话理解模型基于Transformer架构的编码器-解码器预训练语言模型。

7.一种对话理解模型的训练方法，包括：

获取样本用户的样本对话内容和与所述样本对话内容对应的真实回复内容；

利用所述对话理解模型对所述样本对话内容进行内容理解，以生成基于自然语言的样本对话查询文本；

基于所述样本对话查询文本，确定对所述对话内容的样本回复内容；以及

基于所述样本回复内容和所述真实回复内容，调整所述对话理解模型的参数，以得到训练后的对话理解模型。

8.一种对话内容处理装置，包括：

第一获取单元，被配置为获取用户的对话内容；

第一内容理解单元，被配置为利用对话理解模型对所述对话内容进行内容理解，以生成基于自然语言的对话查询文本；以及

第一确定单元，被配置为基于所述对话查询文本，确定对所述对话内容的回复内容。

9.根据权利要求8所述的装置，其中，所述对话查询文本为对所述对话内容的概括性描述。

10.根据权利要求9所述的装置，其中，所述对话内容包括所述用户当前轮的对话信息以及所述用户的历史对话信息。

11.根据权利要求8所述的装置，其中，所述第一确定单元包括：

检索子单元，被配置为利用知识检索模块基于所述对话查询文本进行检索，以得到与所述对话查询文本相关的知识内容；以及

生成子单元，被配置为利用回复内容生成模块基于所述知识内容和所述对话查询文本，生成对所述对话内容的回复内容。

12.根据权利要求11所述的装置，还包括：

第二确定单元，被配置为基于所述对话内容和所述对话查询文本中的至少一者，确定对话策略；以及

第二获取单元，被配置为获取所述用户的对话上下文信息，

其中，所述生成子单元被配置为利用所述回复内容生成模块基于所述知识内容、所述对话查询文本、所述对话策略以及对话上下文信息，生成对所述对话内容的回复内容。

13.根据权利要求8所述的装置，其中，所述对话理解模型基于Transformer架构的编码器-解码器预训练语言模型。

14.一种对话理解模型的训练装置，包括：

第三获取单元，被配置为获取样本用户的样本对话内容和与所述样本对话内容对应的真实回复内容；

第二内容理解单元，被配置为利用所述对话理解模型对所述样本对话内容进行内容理解，以生成基于自然语言的样本对话查询文本；

第三确定单元，被配置为基于所述样本对话查询文本，确定对所述对话内容的样本回复内容；以及

调参单元，被配置为基于所述样本回复内容和所述真实回复内容，调整所述对话理解模型的参数，以得到训练后的对话理解模型。

15.一种电子设备，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，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。

Images